最佳阈值法结合改进的Freeman链码的肺实质分割

肺部CT图像中肺实质的精确分割是肺部疾病检测和诊断的关键步骤。针对传统的图像分割方法对CT图像中肺实质分割效果不理想,提出了一种基于最佳阈值法和改进的Freeman链码的肺实质分割方法。首先,用最佳阈值法实现肺部初分割,然后对肺实质进一步处理得到肺实质模板,再结合改进的Freeman链码法和Bezier曲线对存有缺陷的模板进行修补,最后与肺部CT图像相乘来提取肺实质。肺实质分割精度在图像对比清晰度和肺实质区域特征一致性方面都有一定的改善,分割准确率平均达到96.8%。实验结果表明,对于边缘性结节以及不同的肺部病灶,该方法都具有理想的分割效果,具有较好的准确性和鲁棒性。

一种提高复杂产品ICT切片轮廓反求精度的方法

在提高复杂产品ICT(industrialcomputedtomography)切片轮廓反求精度的研究中 ,提出了一种基于最佳阈值的方法来进行轮廓数据提取的算法。该算法不但可以提高复杂产品ICT切片轮廓的反求精度 ,而且还具有所需计算机消耗低。

基于改进遗传算法的图像分割

将改进遗传算法用于图像分割,利用判断分析法和最佳熵自动阈值法两种阈值分割方法进行实验并加以比较,结果表明,利用最佳熵自动阈值法进行的图像分割优于判断分析法。

基于改进GA-KSW熵法的无人机拍摄绝缘子故障识别

针对输电线路中绝缘子的故障问题,设计并实现一套绝缘子自爆故障识别算法。设计无人机整体构架,包括导航能力、避障能力以及高压线旁工作的抗干扰能力;对传统遗传算法进行改进,结合最佳熵阈值确定法对绝缘子图像进行分割;利用形态学得到纯净的绝缘子串;采用所设计的拟合算法推测绝缘子应有位置,分别从正视图和斜视图对绝缘子自爆故障进行识别。结果表明:所提算法在分割绝缘子图像时精确度高,速度比传统遗传算法提高了约75%;该算法适用于多角度拍摄的绝缘子故障识别,为无人机拍摄的绝缘子故障识别提供了保障。

塞罕坝木质部生长物候与植被物候的差异及影响因素

为探究塞罕坝地区木质部生长物候与植被物候变化规律及其影响因子,基于塞罕坝样点数据的木质部生长物候监测数据及NDVI数据利用最佳阈值提取方法获得预测木质部生长物候的最佳阈值,并基于该阈值预测塞罕坝地区2010-2021年木质部起止生长物候。利用动态阈值法基于遥感数据提取植被物候,对比分析木质部生长物候与植被物候空间变化差异及其影响因子。结果表明,塞罕坝地区木质部生长始期主要集中在每年第111~150天,木质部生长末期主要集中在每年第235~257天。植被木质部生长季长度大约为96~130 d。塞罕坝地区木质部生长物候比植被物候起始期提前3~21 d,该差异主要受温度降水和坡度影响,而生长结束期延后3~43 d,该差异主要受植被覆盖度影响。木质部生长季长度比植被物候长9~64 d,主要受降水的影响。由于木质部生长比植被物候更能反映树木碳汇的形成时期,因此更长的木质部生长物候表明更多的碳积累。