一种基于全局搜索的二值图像连通域标记方法

在进行基于图像数据的智能分析应用中需要对感兴趣目标区域进行提取,并对区域的各种属性特征进行描述后,才能进行与业务相关的分析和识别应用.通过二值图像连通域可以精确描述感兴趣区域的位置属性、轮廓属性、形状属性,故二值图像连通域提取在数字图像处理中具有非常重要的作用.本文提出一种基于全局搜索的二值图像连通域标记方法,该方法在原图上进行全局相邻前景点搜索,在图像的左上方向和右下方向之间进行往复搜索,在算法运行过程中只需进行一次图像的内存分配再无额外内存需求,降低了二值图像连通域标记算法的空间复杂度.实验表明本文提出的二值图像连通域标记算法能够稳定运行,处理速度可以达到125 fps.

一种二值图像连通区域标记的简单快速算法

针对传统二值图像连通区域标记需要对图像进行两次扫描的缺点,提出了一钟新的二值图像连通区域标记算法。算法借助创建一与图像等大的标记矩阵,通过深度优先搜索算法对图像进行一次扫描后,将标记编号记录在标记矩阵中。此算法不受连通区域的形状和面积影响,表现出了良好的鲁棒性。最后通过OpenCV对该算法进行了实现并与传统标记算法进行了时间性能比较。

基于图像三维连通性识别方法的长江流域干旱事件特征

全球变化背景下,干旱事件频发给区域水资源管理和社会经济可持续发展带来了巨大挑战,科学合理地辨识干旱发生发展过程一直是干旱研究领域的前沿与难点。该研究将图像三维连通性识别方法应用于气象干旱事件的识别和提取。在长江流域的应用表明此方法识别出的干旱事件与历史记录的吻合度较高,能有效识别气象干旱事件。基于1960—2015年标准化降水蒸散发指数(Standardized Precipitation Evapotranspiration Index,SPEI),长江流域共发生281场气象干旱事件,其中长历时干旱事件(历时大于4个月)64场。长历时干旱事件在流域中部发生次数多于东部和西部,2000年之后的发生频次、干旱面积和干旱强度大于2000年之前,单场事件发展方向以西北和东南为主。整体上,干旱事件发生频次和干旱强度在长江流域中部呈增加趋势,在流域东部和西部呈减小趋势。该研究有助于探索长江流域干旱事件发展演变规律。

函数的图像连通性

引入实数空间Ｒ上的图像连通函数的定义，并将它与连续函数进行比较，讨论它们之间的关系，同时研究了图像连通函数的一些类似于连续函数的性质：四则运算。

一种改进的图像水平倾斜角度测量算法的应用

在汽车面板检测过程中,由于检测设备制造工艺影响,摄像头拍摄到的汽车面板图像在水平面上存在微小角度偏移,需测量其角度大小以保证后续汽车面板检测的正确性。通过图像字符连通域中心坐标算法获取相应的坐标数据,根据最小二乘直线拟合法对图像数据进行处理,计算倾斜角度为-0.6°。图像字符连通域的中心坐标直线拟合角度计算法,根据这种改进的算法能够在短时间内精确地计算出图像水平倾斜角度。

基于Canny算子的柑橘果实病斑信息智能提取方法研究

为实现对病害的及时准确的识别,利用计算机提取病害图像信息方法已成为目前研究的热点。目前主要是采用中值滤波法、双峰法、otsu阈值分割法、贝叶斯判别方法等算法及相关算法的组合算法从颜色特征,形状特征角度提取病斑信息,这些算法大多运算复杂,存储空间大,识别的精度低,无法全面完整提取病斑信息,本文采用一种改进的Canny算子算法来解决上述问题。同时使用MATLAB软件进行仿真,仿真结果显示对于果实病斑识别及提取都能够较好的满足需求.

基于融合图像连通区域提取的弓网燃弧自动检测方法

车载接触网动态检测装置在进行弓网燃弧检测时,误报警率高需人工进一步复核,这会增加人工负担、降低检测效率。为了解决这一问题,提出了一种根据融合图像连通区域数进行弓网燃弧缺陷自动复核方法。该方法首先运用改进的Otsu提取红外图像弓网接触点处的最高温度区域;然后运用基于像素最小的融合方法融合可见光图像与红外分割图像,实现红外图像最高温度区域与可见光图像光斑区域的重合检测;最后采用八邻域算法提取重合的连通区域,并根据连通区域数判断是否为弓网燃弧。仿真结果表明,所用方法与人工复核的结果一致,降低了误报警率,减轻了人工负担,提高了检测效率。

基于改进Fast MBD显著性检测和多特征融合匹配的靶纸区域快速检测算法

为了解决基于机器视觉的自动报靶系统快速、准确定位靶纸区域的问题,通过对靶纸图像的颜色和形状特性分析,提出一种基于改进Fast Minimum Barrier Distance显著性和多特征匹配的靶纸区域快速检测算法;该算法在原始Fast Minimum Barrier Distance显著区域提取算法的基础上,引入局部区域对比度先验和形状先验作为显著性区域提取的补充准则;同时,为了判断提取到的区域是否包含靶纸,再引入多特征匹配算法;首先,分别对图像边界连通先验、局部区域对比度先验和形状先验进行量化,形成距离图、对比度图和形状图,再结合三者分割出显著性目标区域,然后提取分割出的各目标区域的多种特征,并将其进行特征融合,最后利用1-范式将得到的目标特征与模板特征进行匹配,把匹配结果小于阈值的目标视为靶纸;在400张包含靶纸图像数据集上的实验结果显示了该算法的有效性;同时,在华为海思平台上,该算法处理速度能达到30帧/秒,足以证明该算法的实时性。

基于深度学习的航海雷达目标识别技术

文章提出了一种基于深度学习卷积神经网络的航海雷达目标识别器。该识别器可用于对航海雷达图像的智能区域划分。文章首先将航海雷达实测视频图像分割为标准图像块,并结合电子海图标注构建了典型目标数据集;进而选取卷积神经网络作为深度学习的训练模型,介绍了卷积神经网络各层在目标识别中的功能和参数选择;最后给出了目标识别结果和识别器在航海雷达实测图像中的应用效果。