适用于洪水遥感SAR图像的CV分割模型研究

洪水给人们生活造成很大的不便。为了尽快恢复生产生活,及时获取洪水受灾区域的范围及受灾区域发生的变化,对于灾情分析和灾后重建至关重要。由于受到相干斑噪声和洪水受灾区域地形起伏较大的因素的影响,合成孔径雷达(SAR)探测到的洪水遥感图像存在噪点较多且灰度分布不均匀的缺点,成像效果不佳,因此很难对其实现准确地图像分割。为了解决这个问题,本文提出一种基于水平集方法的改进CV分割模型,以实现快速准确地分割洪水遥感图像。CV分割模型是一种在医学图像分割领域很常见的基于区域和边缘信息的图像分割模型,能够得到较为精确的分割曲线,但是存在对噪声敏感、过度依赖区域灰度均值的缺陷。对于存在大量的噪声且图像灰度分布不均匀的洪水遥感图像,CV分割模型效果不佳。为了减少噪声在分割曲线演化过程中的干扰,本文在CV分割模型的能量函数中加入一个整体控制项,以减少噪声的影响。此外,为了提升CV分割模型对灰度不均匀的洪水遥感图像的分割能力,对处于不同区域的像素点采用自适应动态权重的方法进行分割曲线拟合。实验结果表明,与传统的CV分割模型和其他的图像分割模型相比,本文提出的改进CV分割模型在灰度分布不均性较强的洪水遥感图像上有更出色的分割精度,证明了本文提出的改进CV分割模型的有效性。

FCM-CV水平集算法在沉底小目标声呐图像分割中的应用

针对沉底小目标高频声呐图像信混比低,难以与背景分离的问题,提出模糊聚类(FCM)算法与Chan-Vese(CV)水平集算法相结合的分割方法。该方法利用FCM算法得到的隶属度函数自动设定水平集模型曲线的初始演化位置,解决了CV水平集分割因初始位置设置不当而无法得到准确分割结果的不足;同时根据模糊聚类的结果,对水平集演化的控制参数进行估计,使得分割过程更加稳健。通过仿真数据及外场试验数据处理可知,相较于FCM和马尔科夫随机场分割算法,文中算法对斑点噪声不敏感,可分割出完整的边界;相较于常规CV水平集算法,文中算法因粗分割后零水平集的设定更接近目标的边缘,可以在较少迭代次数下即可获得更加精确的分割结果。

基于图像处理的家具表面死节缺陷检测方法研究

针对成品家具中的表面死节缺陷,提出一种基于非负矩阵分解(NMF)与Chan-Vese(CV)的死节缺陷图像检测算法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成列向量,所有列向量组成矩阵进行NMF分解,对基向量进行K-均值聚类,得到初始分割子图。最后对灰度图采用CV模型进行精细分割,得到死节缺陷目标。Matlab试验结果表明,提出的算法能降低光照影响,分割效果好,能很好地提取家具表面死节缺陷。

木地板表面死节缺陷图像检测方法

针对室内装饰实木地板表面死节缺陷,提出一种基于多通道大津法(Otsu)与加权Chan-Vese(CV)模型的实木地板死节缺陷图像检测算法。首先,输入RGB彩色图像并提取R、G、B三颜色通道,分别对三通道进行Otsu阈值分割,将三通道二值图进行或运算,得到初始水平集;然后,将三通道的数据项进行加权,与正则化项一起构成能量泛函,进行曲线演化;最后,采用加权CV模型进行水平集迭代计算,得到木地板死节缺陷。试验结果表明,提出的算法能充分利用各通道的优点,提高分割效果。