基于三维重建的静爆场破片检测方法

针对靶场静爆试验中破片统计分析工作效率低的问题,提出一种基于多视图三维重建的破片检测方法。引入点云分割中的自适应阈值,有效保留三维点云的细节信息,增强了算法对靶场不同场景应用的泛化能力。针对大数量点云处理效率不佳的问题,采用点云法向量预先验证的方法,再结合颜色的区域生长分割算法,有效降低了检测误差和漏检概率,提升了破片检测的精度。实验结果表明:文中提出的检测方法检测准确率达到95%,破片弹着点误差小于4%,可以有效地分割出破片的着靶参数,为后续破片的统计分析工作提供了实验依据。

一种基于区域生长的目标提取算法

对利用区域生长进行目标提取问题进行了研究,提出一种基于模糊连接度的生长算法,该算法以模糊连接度作为生长的原则,采用一种自适应阈值与USAN面积相结合的方式作为生长终止规则,通过具体的实验,证明该算法的提取结果对种子点的选取不敏感,算法对区域的边缘具有较好的定位能力,有效地防止了过分割的情况.

基于改进水平集和区域生长的轮廓提取方法

以人体大脑海马切片序列为研究对象,提出了基于目标灰度差异的水平集方法,该方法克服了水平集方法用于提取海马轮廓时边界易停留在背景梯度局部极值处的问题。同时为了避免传统区域生长人工定义阈值的盲目性,将水平集分割后的图像的标准差作为阈值进行自适应区域生长,获得了海马的轮廓。通过理论分析与实验验证,提出的方法能够有效地滤除非目标区域对海马目标的干扰,获得了较好的分割效果。

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法。首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测。结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测。

基于蛙人探测声纳序列图像的水下小目标检测算法

针对水下监控系统的小目标检测问题,在分析蛙人探测声纳成像特点的基础上,提出了基于图像二值化和区域生长法的自适应双帧差法。通过将双帧差结果与当前帧的二值化图像进行"与"运算来消除"双影",然后采用区域生长法消除"空洞",最后根据检测结果自适应地调整阈值。克服了三帧法和累积帧差法在处理空洞和双影问题时存在较长时延的缺陷,提高了水下低信噪比环境下对小目标的检测能力。实验证明了该算法的有效性。

区域生长和水平集相融合的肺部CT图像分割

为将肺实质区域从含有背景、噪声的胸腔区域里分割出来,首先,应用传统的区域生长法初步定位肺部边界轮廓;其次,去除肺部边界噪声,采用自适应曲率阈值法修复肺部边界;最后,应用水平集法中的DRLSE模型精确地分割出肺部区域。融合两种方法分割肺部区域,有效防止了图像边缘的漏检,可处理多种类型病变的肺部图像。在随机抽取的150例图像中,分割的准确率达到96.9%,分割一幅图像花费的时间约为0.72 s,具有很强的鲁棒性和较高的分割精度。本算法能精确完整地分割出肺部区域并保留了肺区内的细节信息。

一种基于参数自适应的CT图像肺气道树分割方法

肺CT图像气道树分割对于肺呼吸功能测定和疾病诊断具有重要意义,但图像噪声和部分容积效应的影响会造成气管分割的泄漏,难于分割出微小的气管。本文利用肺气道树的解剖结构信息,对肺气道树进行分段处理,并提出一种分割参数自适应的方法,动态调整各气管段的分割参数。实验表明,该方法能提高分割的速度和精度,并有效防止泄漏。

基于血管增强滤波的脑部静脉分割新方法

目的将本身灰度不均的静脉从有噪声干扰、结构复杂的脑部磁敏感加权图像中准确地分割出来。方法提出基于血管增强滤波联合动态阈值分割和动态阈值区域生长的血管提取方法。前者分割出部分静脉作为种子点,后者生长至几乎全部静脉。结果在重度噪声和干扰的仿真图像中,可以达到90%以上的正确率;在临床图像中,能准确地提取出了静脉,清晰地显示了静脉的脉络结构。结论上述方法可以准确地实现脑部磁敏感加权图像中的静脉分割,有效地避免误分割,同时具有很好的鲁棒性。

车辆越界快速自适应检测方法研究

针对智能交通系统对快速性和准确性的要求,提出了基于区域生长的边缘关键点提取和基于HSI色彩空间的车辆违规越界自适应检测方法。首先选取车道线中心的点,以此为种子点进行区域生长,均匀选取区域边缘上的某些点作为关键点。然后将图像中的RGB表色模型转换为HSI表色模型,根据HSI表色模型中关键点的像素特征设定二值化阈值,这样能较好地克服光线变化对检测结果的影响,同时能够适应各种颜色车辆的检测,提高检测速度。

基于图像分割的路径规划算法

路径规划技术是虚拟内窥镜实现漫游检查的基础,而由于其计算复杂度高,已经成为虚拟内窥镜走向临床的瓶颈。本文把路径规划的思想融合在图像分割模块之中,充分利用图像分割的结果,从而简化了路径规划的计算复杂度。该算法利用自适应区域生长法及序列切片之间的相关信息进行图像分割,把区域生长的种子点存储在链式数据结构中作为路径的关键点。最后用样条函数插值平滑这些关键点,得到规划路径。试验结果证实该算法的有效性和可行性。

一种改进的类人足球机器人彩色目标识别算法

针对类人足球机器人视觉需求,提出一种结合区域生长和基于形状判别的阈值自适应更新的彩色目标识别算法。该算法在HSI空间基于S分量把图像分为高饱和与低饱和区域,在高饱和区域基于H分量采用区域生长算法识别目标;通过目标形状判别自适应更新阈值,并用新阈值更新区域生长中原来的阈值,以稳定准确地识别彩色目标。在类人足球机器人系统中的成功应用表明,该算法能在不同光照条件下稳定地识别出彩色目标,对光照环境有良好的适应性和鲁棒性,具有良好的识别效果。

基于自适应阈值和区域生长的SD-OCT糖网图像亮斑分割

硬性渗出是糖尿病性视网膜病变的一个比较显著的症状,频域光学相干断层视网膜图像中的高信号亮斑与渗出有着密切的联系。为了研究渗出与病变的关系,有必要找到一种提取亮斑的方法。但是,目前关于糖网图像亮斑提取的研究还非常少。首先运用层分割算法限制亮斑所在区域,然后采用自适应阈值法确定种子集合,最后使用基于人类视觉特性的区域生长方法提取出亮斑。实验结果表明,本方法可以较准确地分割出糖网图像中的亮斑。

一种视网膜血管自适应提取方法

为了快速有效地提取视网膜血管,根据视网膜图像的灰度分布特征,提出了一种新的基于自适应阈值化的血管提取方法。该方法是首先把图像划分成很多同样尺寸的小子图像,然后在每个子图像中分别计算局部阈值,并用该阈值分割该子图像。因为视网膜图像中血管和背景在局部范围内都比较均匀,所以在每个子图像中都存在一个局部阈值能够将其中的血管分割出来。采用的局部阈值计算方法不仅允许子图像可以取得很小,而且能够保证得到平方误差最小意义下的最优阈值。在阈值计算过程中,还用到一种基于过零点边缘检测技术的边缘追踪算法。最后还提出一种基于区域生长的特征综合方法,即通过综合两次阈值化分割得到的血管结构来清除碎片。多幅视网膜图像的实验证明,该方法的计算速度很快,并且可以提取包括细血管在内的绝大部分血管。

基于自适应阈值的三维SD-OCT糖网亮斑分割

糖尿病视网膜病变是糖尿病严重的微血管并发症,硬性渗出是其病变表现之一,而频域光学相干断层(SDOCT)视网膜图像中的高信号亮斑与硬性渗出有着紧密联系。为了能够准确定位糖尿病性视网膜病变图像中的这类病损信息,提出了一种自动分割亮斑的方法。提取亮斑分为四个步骤:使用双边滤波对图像去噪;使用基于图论的层分割算法来限制亮斑所在区域;在自适应阈值法产生的整体阈值及单帧阈值间选择大阈值帧数更多的作为基础进行第一次三维区域生长;将上一步得到的图像在另一阈值产生的种子图像范围内进行第二次区域生长。选取20只患有糖网的眼睛进行实验,自动分割的亮斑面积覆盖率较现有方法提高了约7%。

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达(Synthetic Aperture Radar,SAR)图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。