基于合并准则和测地膨胀重构的视频目标分割

提出具有鲁棒性的时空域视频目标分割方案:先用改进分水岭算法和合并准则作空域分割,产生初始I-帧分割,接着选择测地膨胀的掩模和标记图像来重构目标,以目标的每一轮廓像素构造边缘块,投影至下一帧中提取闭合目标轮廓。经多个视频序列实验证明,算法是行之有效的,而且适用于快速运动和部分遮挡的目标分割。

基于开重建的LiDAR数据形态学滤波方法

为改善对LiDAR数据点滤波分类的有效性与准确性,在形态学滤波方法的基础上,提出了基于开重建的LiDAR点云形态学滤波算法。首先对格网化DSM进行腐蚀运算获得标记图像,通过对标记图像反复进行测地膨胀运算实现开重建过程,然后利用白顶帽变换得到nDSM实现地物与地面点的正确分类。使用ISPRS提供的测试数据的实验结果表明,该方法的Ⅰ类、Ⅱ类及总误差均值分别为3.51%、7.20%和4.26%,与同类滤波方法相比,在Ⅱ类误差增幅不显著的情况下,15个样本区的总误差均值和Ⅰ类误差均值均达到最小。

基于峰谷形态的纸张纹路分割算法

针对基于图像纸张计数技术最为关键的纹路提取与分割问题,本文从峰谷形态角度提出一种新的算法。该方法首先利用测地重建消除产生干扰的次要极值区域,接着利用区域极值对极值区域和非极值区域进行0,1标记得到二值条纹后即可实现计数。文章比较了区域极值,动态阈值以及全局阈值在复杂成像条件下不同的纹路分割性能。实验证明,极值是比阈值更为优越的明暗条纹判据,具有更强的抗毛边,抗油墨,以及抗光照不均性能,因而能保证更高的计数准确率。

金相图像的晶界恢复与重建

针对定量金相分析中金相图像的晶界恢复与重建以及数学形态学在图像处理中的特殊作用,从理论上证明了传统膨胀运算对图像灰度连续性的影响及影响程度与结构元素尺寸的关系,并对传统的膨胀运算的定义做了改进,据此提出了多尺度测地膨胀算法并以此恢复和重建金相图像的晶界。首先依据改进的膨胀运算对金相图像进行预处理;然后用多尺度迭代腐蚀和多尺度测地膨胀方法得到晶粒的种子;最后用条件粗化方法对晶粒的种子进行区域生长、产生晶界线。实验结果表明,与传统的重复测地膨胀方法以及基于微分运算的图像分割等方法相比,本方法不仅可快速恢复与重建晶界线,而且获取的晶界线更加清晰准确、连续光滑。

用形态学重建方法进行机载LiDAR数据滤波

在利用KD-树进行粗差剔除的基础上,结合机载LiDAR数据的多回波特性剔除不必要的冗余数据,利用形态学重建的方法对机载LiDAR数据进行滤波,且运行时只需要输入一个参数。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明,该算法对各种场景的适应性较强,既能有效地去除非地面点,又能很好地保留地面点,使Ⅰ类误差、Ⅱ类误差和总体误差分别保持在9.93%、7.27%和9.76%以下,整体性能优于经典的滤波方法。

基于点的多尺度形态学重建滤波方法

针对现有机载激光雷达(LiDAR)点云滤波算法难以准确分离复杂地形中地面点与地物点问题,提出了一种基于点的多尺度形态学重建滤波方法 PMMF (Point-based Multi-scale Morphological reconstruction Filter)。在初始尺度层次下,PMMF通过构建一种基于点的形态学重建对原始点云滤波,即先在掩膜点云约束下借助k邻域结构元素和高程缓冲区反复膨胀标记点云,获取潜在地面点;然后通过自适应坡度方法剔除潜在地面点中的非地面点,其中,坡度阈值随地形复杂度自适应变化。在上层滤波结果基础上,PMMF通过提升种子点选择的网格尺度重复上层滤波过程,直至结果收敛。以国际摄影测量与遥感学会(ISPRS)发布的15组基准数据为研究对象,将PMMF滤波结果与近5年(2016年—2020年)提出的15种滤波算法比较表明,PMMF有8组数据滤波效果占优,15组数据平均总误差和Kappa系数分别为2.71%和91.08%。使用4种不同地形特征的高密度机载LiDAR点云数据进一步验证PMMF的滤波效果,并将计算结果与简单形态学滤波(SMRF)、布料模拟滤波(CSF)、渐进加密三角网滤波(PTD)和多分辨率层次滤波(MHF)比较。结果表明,PMMF滤波性能最优,平均总误差为3.24%,较其他4种滤波方法分别减小了12.0%、59.1%、70.1%和53.2%。