结合数学形态学和无边界主动轮廓模型的图像分割方法

为了改善主动轮廓模型的效率,并扩大其适用范围,提出了一种将数学形态学和无边界主动轮廓模型相结合的图像分割方法,先利用数学形态学的平滑算子ASF进行预处理,再利用无边界主动轮廓模型分割平滑图像。试验分析表明,该方法不仅能够提高分割的精确度,还可以减少迭代次数,从而使得主动轮廓模型可以应用到一些背景比较复杂的图像分割中。

基于选择性注意机制的无边界主动轮廓图像分割算法

针对现有的主动轮廓算法多为人为给定初始轮廓线的问题,提出一种基于选择性注意机制的无边界主动轮廓图像分割算法。该算法首先利用数学形态学算子对图像进行平滑预处理,然后将选择性注意机制引入到基于区域的无边界主动轮廓模型中,对单目标和多目标图像分别采用基于显著图的方法以及基于选择注意与小波变换相结合的方法进行掩膜初始化,最后应用水平集方法进行图像分割。结果表明,该算法不仅可以减少迭代次数,当图像中存在多个目标时还可以得到更精确的分割结果,有效地提高了主动轮廓算法的效率。

基于LBP滤波和ACWE的葡萄病害图像分割方法

针对葡萄病害的特征在不同发病期的多变性,提出了一种新的无监督葡萄病害图像分割方法。该方法使用局部二进制模式(LBP)算子描述葡萄叶纹理特征,采用正常叶片训练出的LBP直方图作为滤波模板,在LBP域中滤除葡萄叶片表面纹理,增强了病害区域与其它区域的对比度,再通过无边界主动轮廓算法分割病害区域。在RGB、HSV和L*a*b*等三种彩色空间中对9种分量下的葡萄病害进行分割的实验,发现在G、V、L*、a*等4个分量下,本方法对于不同发病期的葡萄叶斑病的分割准确率较高,且对不同光线影响有较好的鲁棒性。实验还表明,与其它5种基于主动轮廓算法的对比分割方法相比,本方法具有更高的准确率。

一种新的泊位飞机阴影分割方法

飞机泊位自动引导系统中,识别跟踪定位泊位飞机时,会出现灰度较低区域被误判为阴影区域的现象,严重影响识别效果,因此分割飞机阴影是泊位成功与否的关键技术。提出一种将形态学的幂变换与无边界主动轮廓线模型结合的阴影分割方法,首先利用多方向权重形态学对泊位飞机图像中的噪声和微小的干扰区域进行滤除,然后进行幂变换来增强图像质量,最后利用无边界主动轮廓线模型分割阴影。实验结果表明,该方法不仅能够滤除噪声,保留图像细节,而且能提高分割阴影的精确度,并且抑制了泊位飞机分割产生的"拖尾"现象,有效地检测出运动飞机的阴影。

不同CBCT图像分割技术在TMJOA诊断中的应用对比研究

目的:对比不同关节CBCT图像分割算法的准确性和临床可用性,获得TMJ-OA关节结构理想的优化分割算法。方法:对46侧TMJ-OA髁突及46侧健康成年人髁突应用MIMICS 14.11软件重建髁突三维模型,分别采用手工分割法、阈值分割法及基于主动轮廓模型和区域生长的混合分割算法,对髁突进行图像分割。比较3种方法在髁突体积、表面积、分割时间及分割轮廓线的可调性、自适应性及软件界面友好度的差异。结果:对TMJ-OA组和正常对照组,混合分割算法重建的髁突与手工分割法均无统计学差异,阈值分割法重建髁突尺寸显著比其他两种方法小。混合分割算法较其他算法具有分割快、临床可用性高的优势。结论:基于主动轮廓模型和区域生长的混合分割算法在TMJ-OA CBCT图像分割中具有较高的准确性和临床可用性,优于目前临床常用的单一分割算法。

机器视觉中的人体检测算法优化

提出了一种基于深度学习和景深信息的人体检测方法。采用基于深度学习的方法进行目标检测,运用深度图的景深信息判定人体的位置,将两者结合准确定位人体。本文方法通过深度摄像头采集RGB图及对应深度图,采用darknet-yolo-v3对RGB图进行目标检测,将目标边界框预处理后传给RGB图对应深度图,深度图采用无边界主动轮廓模型对景深信息进行处理,达到将深度学习的高识别率与景深信息结合精准定位人体目标的目的。实验结果表明,本文方法能准确找到一个不受标识框影响的目标定位点,有效改善由人体的不同姿态、动作幅度大小导致标识框误差增大的问题,提升了检测人体的精度,为进一步研究行人的准确跟踪提供了保障。