结合概率密度函数和主动轮廓模型的磁共振图像分割

为了提高大脑磁共振图像的分割精度,提出了一种新的图像分割算法。首先,分析了常用于大脑磁共振图像分割的高斯混合模型和主动轮廓模型的优缺点,联合高斯混合模型的概率密度函数和主动轮廓模型的能量函数构造了一个新的能量函数。然后,利用遗传算法和最大期望算法获取概率密度函数的参数值。最后,利用水平集方法和梯度下降流法,对获得的能量函数进行最小化,从而得到最终的分割结果。与传统方法相比,本文算法对脑组织中的白质和灰质的分割精度分别提高了6.73%和14.07%。该算法利用像素点的区域信息和概率值驱动主动轮廓曲线的演化,能有效区分具有相近灰度值的不同区域,从而提高了大脑磁共振图像的分割精度。

基于图像特征分析的物体轮廓提取

对物体的轮廓进行分析提取,是计算机视觉方向的基础问题之一,对其进行研究对于复杂场景的分析理解至关重要。本文对室内场景图像进行研究,基于图像特征进行图像分割,提取物体轮廓。在彩色场景图像全局轮廓后验边界概率(g Pb)提取算法的基础上,加入深度图像信息,对室内场景的彩色、深度(RGB-D)图像中的物体轮廓进行分析。通过多尺度信息融合,计算得到多尺度轮廓后验概率(m Pb)和谱后验概率(s Pb),两后验概率加权综合得到g Pb。而后结合超度量轮廓图与分水岭算法,对基于方向特征变化的g Pb图像融合处理,最终得到清晰的物体轮廓。本文所提方法在通用的RGB-D数据库基础上进行实验。实验结果表明,本文所提出的方法能提取出清晰的室内物体轮廓图。

基于肤色及轮廓信息的人耳实时跟踪

实时人耳跟踪作为人耳识别系统的前提,是一个意义重大且具有挑战性的课题。为了实现对人耳的快速实时跟踪定位,提出了一种融合肤色及灰度轮廓信息检测跟踪序列图像中人耳的新方法。该方法首先采用改进的CAMSHIFT算法在肤色概率分布基础上,初步对侧面人脸这一包含耳朵的大面积肤色区域进行粗定位,进而根据耳朵自身丰富的轮廓信息,应用轮廓提取及拟合来进一步精确定位人耳。实际应用表明,该方法具有速度快、效率高和鲁棒性好的特点,不仅能够满足实时性的要求,并且对于干扰和耳朵自身一定角度的偏转都有较好的容错性。此外,该方法在相对复杂的背景下仍能获得较好的跟踪效果。

改进的多尺度图谱和局部谱的目标提取算法

当目标对象与背景的纹理较多或两者纹理较接近时,基于多尺度图谱和局部谱的目标提取算法不能很好地提取目标,主要由于在计算相似度度量时,金字塔多尺度图谱算法特征选取较简单。针对算法不足,提出基于改进的金字塔多尺度图谱和局部谱相结合的目标提取算法,主要通过改进多尺度图谱中干涉轮廓权重构造方法,原算法中是基于拉普拉斯边缘图和梯度图,改进后是基于多尺度边缘概率检测算子和方向分水岭算法产生的边缘强度图。多尺度边缘概率检测算子可以有效地解决纹理较复杂图像分割不佳问题,方向分水岭算法可以有效解决由于目标和背景部分边界信息较接近导致的分割不佳问题。实验结果表明改进算法有效地弥补了原算法的不足,并且具有良好的目标提取效果。

多参照点联合概率地形误匹配判断准则

针对地形轮廓匹配(TERCOM)算法容易受高程测量误差和地形相似性等影响而出现误匹配的问题,以平均平方差(MSD)匹配准则为例,提出了一种相关面内多参照点联合概率误匹配在线判断准则。首先,对测量高程数据和基准高程数据做相关运算,获得待匹配区域内各点的MSD值,即相关面;其次,通过分析高程量测噪声的统计分布,建立待匹配点的MSD概率分布密度函数;最后,计算选取待匹配点为正确匹配点的多点联合概率,并通过阈值判定此待匹配点是否为正确匹配点。仿真结果表明,选取不同的匹配序列长度和测量噪声的情况下,当判定阈值设为0.9时,对正确匹配的判断正确率达到97%以上,且90%以上的正确匹配点都能被保留下来,可以极大程度地避免误匹配。

基于FPGA的轮廓提取并行计算系统研究及实现

针对高质量的轮廓提取算法计算量大、实时性差的问题,提出了一种基于现场可编程门阵列(FPGA)的图像轮廓并行计算系统。通过设计适合的硬件结构及相应的算法改进,采用了多种不同的并行方式加速算法的计算。实现了一种高质量的轮廓提取算法——Pb(Probability Boundary)算法的高速计算。实验结果表明,在FPGA工作频率200 MHz时,被处理图像分辨率为481×321时,该系统处理速度可达39帧/s,为将Pb算法应用于实际系统提供了条件。