基于Otsu阈值法与形态学自适应修正的舌像分割方法

为了从原始舌图像中精确分割出舌体以实现中医舌诊的客观化,提出了一种基于Otsu阈值法与形态学自适应修正的舌像分割方法。该方法提取原始舌像的RGB色彩空间与HSV色彩空间中G、B、V通道的信息,运用Otsu阈值法对舌像进行二值化,基于先验知识对目标区域进行聚类,采用形态学运算方法,利用舌体当量直径自适应选取结构元素的大小,对聚类结果进行开启运算修正得到舌像分割结果。基于200幅不同形态、不同舌色类别原始舌像的实验结果表明,该方法能稳定精确地分割出舌体,与传统的Otsu方法及灰度投影-Otsu方法相比,准确率有了很大的提升。

基于并行粒子群算法的Otsu双阈值医学图像分割

医学图像分割一直是医学影像分析领域的研究热点。由于粒子群优化(PSO)容易陷入局部极小,因此该算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,结合Otsu分割技术,提出了一种基于并行粒子群优化算法的Otsu双阈值医学图像分割算法。在该算法中,将粒子群体分成若干个子群体,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验结果表明,提出的分割算法与传统粒子群算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性,其收敛速度明显优于基于单种群的粒子群算法的Otsu双阈值医学图像分割。

基于改进的Canny算子的工艺品裂纹提取方法

针对传统的Canny边缘检测对非线性噪声检测效果不明显,且边缘弱化较为严重的不足,对其进行改进并将其应用于工艺品裂纹边缘提取中。首先对采集到的工艺品缺陷图像进行预处理操作,利用伽马变换对图像进行图像整体增强,突出工艺品缺陷图像表面特征。使用双边滤波器法取代了原来Canny算子中的高斯滤波法实现了对图像边缘信号的保留,使用经过改进的Scharr算子取代了原来的Sobel法计算梯度,以及采用Otsu阈值算法取代了原来的双阈值法得到阈值。与传统方式相较,提出的改进方式可以获得更为清晰完美的图像边缘。

基于颜色模型和阈值分割的有遮挡的柑橘果实识别算法

针对柑橘果实被枝叶遮挡,机器识别难度大的问题,提出了基于YCbCr颜色空间模型和OTSU阈值分割技术对有遮挡的柑橘果实进行识别的方法。应用边缘检测法和凸包算法提取有遮挡果实的轮廓特征,选取凸壳上距离最远的两点,作为果实直径的两端点,定位目标果实。结果表明,算法可以准确分割并识别出枝叶遮挡的柑橘果实,果实平均检出率达到90.48%,有效提高了果园自动化采摘的效率。

Canny算子边缘检测的一种改进方法

传统Canny算子在高斯滤波方差和滞后阈值的选择上需要人工干预,不具备自适应能力。高斯滤波方差的大小选择会影响到去噪和边缘保持效果,用不同尺度的形态学滤波代替高斯滤波,不仅能降低噪声影响,而且可保持边缘强度和细节;滞后阈值的选择会影响到假边缘现象的强弱和真实边缘的连续性,引入Otsu阈值法并将其推广至直方图具有多峰特点的情况,算法可根据图像自身特点选取阈值,使检测出的边缘更加连续并减少假边缘的存在。

k均值聚类引导的遥感影像多尺度分割优化方法

针对不同尺度地物的分割需求,提出了一种k均值聚类引导的多尺度分割优化方法。首先对原始影像进行小尺度分割和k均值聚类,然后利用k均值聚类结果引导对象合并,在合并过程中利用Otsu阈值方法自动选择k均值聚类的影响因子,最终得到适应不同尺度地物的分割结果。以FNEA多尺度分割方法为例,利用模拟数据和真实的GeoEye-1影像数据进行相关试验,目视和定量评价表明本文方法能够得到适宜不同尺度地物的高质量分割结果。

天空背景光条件下空间激光通信系统粗跟踪光斑提取方法

随着科学技术的迅速发展,人们对信息量的需求不断增大。空间激光通信因其具有通信速率高、通信束散角小、安全保密性高等众多优点,受到越来越广泛的应用。在空间激光通信系统中,天空背景辐射是影响系统性能的主要背景噪声。强天空背景条件下,粗跟踪光斑的提取成为了影响粗跟踪精度的主要难点。首先介绍了几种抑制天空背景光的方法,如采用原子滤光片、减小接收机口径等。在实验条件下,采取Otsu阈值处理和质心算法对粗跟踪光斑进行处理,分析天空背景光对粗跟踪成像光斑的影响。实验结果表明,在天空背景光影响下,这种Otsu阈值处理方法能够准确提取成像光斑,可以有效提高粗跟踪精度。

基于改进Canny算子的铁路扣件定位方法

边缘特征是铁路扣件定位及缺陷分类的重要依据.针对传统Canny算子人为设定高低阈值会影响边缘检测效果,以及对多余信息消除能力较弱等缺点,提出一种轨道扣件边缘定位的改进Canny算子算法.首先,改变梯度幅值计算,除考虑水平和垂直两方向外,再增加计算45°与135°方向的梯度幅值,以有效避免边缘间断;其次,采用二维最大类间方差算法确定最优阈值以消除伪边缘,并以此进行Canny算子优化.仿真表明,该方法有效优化了Canny算子,能够准确检测所确定目标的真实边缘,在光照不均匀条件下的效果尤其突出,且具备较强的自适应性与抗噪能力,可基本消除因伪边缘而影响Hough变换的直线提取性能,定位准确率可达99.3%.

基于Zernike矩亚像素边缘检测的快速算法

为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一种边缘检测的快速算法。利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,用Otsu法直接得到最优的阶跃灰度阈值进行边缘判别,并考虑了由于边缘模型带来的误差,在保证检测效果的同时缩短了检测时间。实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。

一种基于图像识别技术的电梯门控方法

针对目前电梯门控制装置的缺陷,提出了一种基于图像识别技术的电梯门控方法,用于在电梯轿厢门区范围内实时检测运动物体.由于门区范围存在动态变化的复杂背景,图像识别易受光线干扰,该方法通过Otsu阈值分割法实现图像二值化处理,采用帧间差分法识别门区间运动物体.提出了统计的双阈值法解决门位置误差带来的问题,并提出了改进的电梯门控方法.实验结果表明:上述方法在电梯门区图像识别过程中取得了良好的效果,为改进的电梯门控方法的实现提供了可靠的保障.

基于改进Zernike矩的玻璃瓶亚像素边缘检测算法

图像的边缘检测精度决定了实际尺寸的测量精度,为了提高测量精度,提出了一种基于改进的Zernike矩的测量玻璃瓶实际尺寸的算法。将传统的Zernnike矩算法与Otsu自适应阈值法相结合,得到改进的快速算法;利用该快速算法对采集的玻璃瓶图像进行亚像素级边缘检测;运用最小二乘法根据亚像素坐标对瓶口与瓶底所形成的椭圆进行拟合;应用标准块规对系统进行标定并得到玻璃瓶实际的测量尺寸。实验结果表明,该方法不仅可使边缘检测达到亚像素级精度,还避免了人工反复选择阈值而造成的低效率与误判,实现了快速、准确、无接触测量实际尺寸的功能。

图像处理方法用于声压敏感核声图的目标定位

利用目标前向散射的扰动声线法适用于在浅水信道对目标进行定位,但所得到的声压敏感核声图的交汇效果易受水底地形不匹配的影响,提出了一种基于图像处理的目标定位方法。首先利用多次的单阈值Otsu方法对多阈值Otsu方法进行改进,确定备选区域;然后从备选区域中选择扰动声线穿过最多的区域并计算重心。仿真结果表明该定位方法不但能够正确定位目标,减小人工判断声图的工作量,而且同样适用于声压敏感核声图交汇效果较差的情况,能够辅助人工判断来减少误判。

Faster R-CNN定位后的工业CT图像缺陷分割算法研究

由Faster R-CNN定位的缺陷区域内存在弱边缘,若直接采用常规分割算法对该小区域进行处理,会出现严重的过分割或欠分割现象。在此研究了一种针对Faster R-CNN定位后的工件缺陷的精确阈值分割法。在利用形态学开闭重建算法对定位区域进行重建,并对重建后的图像用Otsu双阈值法做变换处理的基础上,进一步利用最大熵阈值分割法对变换后的图像进行分割,最终对分割出的缺陷进行面积、周长等参数的测量。实验结果表明,所研究算法较常规的算法对工件的缺陷(裂纹、气泡和夹渣)有更好的分割能力。该算法不仅可以准确地分割出包含弱边缘的目标,还可以有效排除轮廓背景对分割的干扰。

采用图像分析与神经网络识别绝缘子憎水性

为了快捷准确的识别复合绝缘子的憎水性等级,提出了基于图像分析与神经网络的绝缘子憎水性识别方法。试验获取各个憎水性等级的绝缘子图像,对图像进行直方图均衡增强、自适应中值滤波处理后,利用二维Otsu阈值法对图像进行分割;然后,提取4个与绝缘子憎水性相关的4个特征量,以这4个特征量作为输入向量,以相应的憎水性等级作为输出向量,通过训练得到优化的BP(back propagation)神经网络识别模型,并用于绝缘子憎水性等级的识别。试验结果表明该方法能够准确识别绝缘子的憎水性等级,总识别率超过了90%,准确度达到了实际应用的要求,为在线检测绝缘子憎水性奠定了基础。

图像处理技术在火焰目标提取中的应用

在火灾识别系统中,为了精确地提取火焰目标,本文提出了一种综合有效的算法,该算法采用二维最大熵自动阈值法对火灾图像进行了分割处理,随后采用区域生长法,检测出火灾图像中的可疑区域,并以区域生长后的目标区域为模板,采用Otsu阈值选取法对当前图像进行精确分割,提取准确的火焰目标。实验证明该算法能够有效地提取出连续图像序列中的火焰目标图像。

基于自适应边缘配准的非结构化道路检测

为了解决非结构化道路区域分割过程中复杂背景与目标的多峰分布问题，提出了一种适用于双阈值分割的改进Otsu方法。该方法借助于灰度直方图的峰值搜索解决目标与背景方差差异较大导致的Otsu误分割问题，并利用Otsu边缘与加权Canny边缘的配准提高道路区域分割的精度。基于配准后加权Canny边缘的结果，采用自适应蒙特卡罗方法提高道路边界识别的精度，通过自适应粒子规模选取和观测模型采样机制克服传统蒙特卡罗方法的粒子退化问题。不同场景下的非结构化道路识别实验表明，该方法能够有效克服道路缺损、光影、照度变化等不利因素的影响，同时能够满足智能车辆视觉导航的实时性要求。

基于C-V模型的脑白质疏松症磁共振图像病变区域分割

针对脑白质疏松症病变区域在磁共振图像的T2加权像上呈现斑块状或融合成片状的高亮信号这一特点,提出了一种基于C-V模型的水平集分割方法对病变区域进行图像分割。首先,对C-V模型进行改进以避免重新初始化问题;然后,使用Otsu阈值法对图像进行预分割,将预分割的结果直接作为改进C-V模型的初始轮廓;最后,利用水平集方法进行曲线演化,得到最终的分割轮廓。实验结果表明,该方法能较为准确地分割出病变区域,实现病变区域的计算机自动快速分割,对脑白质疏松症临床辅助诊断和预后判断有一定的应用价值。

基于机器视觉的咖啡胶囊铝箔焊接质量检测

咖啡胶囊的焊接质量直接影响了整个咖啡胶囊的气密性以及最终在制作咖啡过程中的安全性。为了实现咖啡胶囊铝箔焊接质量的非接触式实时自动化检测,设计一种基于机器视觉的咖啡胶囊铝箔焊接质量检测系统,其中包括视觉系统以及在线检测软件。其铝箔焊接质量检测系统先由相机镜头等硬件获取杯底铝箔焊接图像,再通过软件对采集图像进行滤波、阈值分割、边缘提取等操作,测得铝箔与杯体同心度、焊接环宽度、铝箔大小以及压焊比例4个关键参数,对制作过程中的焊接次品和良品进行分类识别,为咖啡胶囊的生产制造提供了实时的质量检测。

基于视频的运动目标检测与识别

为了对目标进行跟踪和识别,针对固定场景提出一种基于视频的运动目标检测和识别算法。该方法采用改进的混合高斯模型为动态背景更新方法,并结合梯度背景差分方法及Otsu′s阈值分割法提取出运动目标,然后利用目标特征参数建立目标链,通过两条目标链间的目标特征匹配实现运动目标的快速跟踪与行为识别。该方法与传统方法相比具有更好的学习能力,提高了算法的场景适应性,从而有效地提高了运动目标检测的正确率和快速性。实验结果表明该方法具有良好的鲁棒性和自适应性。

基于MATLAB/GUI的无人机遥感图像分类系统设计

为了提高无人机遥感图像分类技术在复杂地形中的勘察效率,设计了一种基于MATLAB/GUI的无人机遥感图像分类系统,实现了图像分类的可视化操作。采用K-Means聚类与Otsu阈值分割相结合的方法对无人机遥感图像进行分割与分类处理,并对初分割结果进行边缘检测、噪声滤波和形态学优化等图像处理,精确提取各类地物边界,提高图像分类精度;对分类处理后的结果进行矢量化输出,提高了本系统与其他软件的交互性;根据航拍高度、镜头焦距和传感器尺寸等信息,可计算每一类地物的实际面积,实现区域面积大小的快速统计,促进了无人机遥感技术在公路地质选线中的应用。