肝囊型包虫病超声图影像区域分割算法研究

目的测试Ostu阈值分割、马尔可夫随机场分割和基于深度学习的Poly-YOLO网络模型分割3种方法在肝囊型包虫病超声图像影像区域的分割性能。方法分别使用单尺度图像增强Ostu阈值分割、马尔可夫随机场分割和基于深度学习方法的Poly-YOLO分割网络对肝囊型包虫超声图像中的扇形影像区域进行分割,以去除图像中的干扰信息,并采用Dice相似系数(Dice Similarity Coefficient,DSC)、重叠度(Intersection of Union,IOU)、真阳性率(True Positive Rate,TPR)、豪斯多夫距离(Hausdorff Distance,HD)评价上述3种算法的分割效能。结果Poly-YOLO算法对肝囊型包虫病超声图像具有较好的分割结果,在有效去除非影像区域信息的同时,DSC可达0.80,TPR为0.88,IOU为0.71,HD为2.11。结论相较于基于SSR的Ostu阈值分割方法、马尔可夫随机场图像分割算法,基于深度学习的Poly-YOLO网络能较好地分割出肝囊型包虫病超声图像扇形影像区域,去除图像中的非影像信息,为后续病灶自动分类研究奠定了一定的理论基础。

基于FPGA的自适应阈值边缘提取的Canny算法的实现

在数字图像实时处理中,应用Canny算法对梯度幅值图像进行非极大值抑制后,需要先确定高低阈值才能进行边缘提取,而且不同的图像采用的阈值也不尽相同,阈值选取算法过于复杂及处理时间过长等问题,限制了Canny算法在实际中的应用。为了对Canny算法的这些缺陷进行改进,本设计充分利用FPGA并行执行的特点,将自适应阈值Canny算法移植到FPGA上,并通过理论推导获得了更加适应FPGA的算法公式,解决了自适应阈值选取过程时间过长的问题。最终系统测试结果表明,在FPGA中应用canny算法进行图像处理比在上位机中运行的速度提高了近十倍,充分证明了该设计的正确性和实时性。

基于Sentinel-1B SAR数据的洪水提取和监测

洪涝灾害是我国最严重的气象灾害之一,及时准确的洪灾监测是防灾减灾的重要前期工作和基础。本文利用sentinel-1B雷达数据,以黑瞎子岛为研究区,联合使用OSTU阈值分割法和随机森林面向对象分类法针对像素统计单波形、双波形、多波形SAR影像提取洪水要素,实现对洪灾淹没面积的时序监测,为灾情监测提供数据和技术支撑。

基于灰度均衡模型联合Gabor滤波器的钢轨表面缺陷检测方法

目的设计一种钢轨表面缺陷检测方法,对钢轨表面存在的缺陷进行快速、准确地检测。方法首先,利用图像的灰度均值构造灰度均衡模型,对钢轨表面图像中像素点的灰度值进行修正,以克服光照不均的影响。然后,利用图像的谱残差模型与相位谱增强钢轨表面图像中的缺陷部分,引入ostu阈值分割法对增强后的图像进行二值化,对图像中的缺陷区域进行准确地分割提取。最后,利用Gabor滤波器,将二值化图像中的噪声进行滤除,并保留缺陷区域的边缘等细节特征。结果与对照组方法相比,所提方法的检测效果较好,精确率以及召回率都有所提高。直观测试结果显示,所提方法能够较为完整地检测出钢轨表面缺陷。客观测试实验结果显示,所提方法的精确率为90.11%,召回率为93.41%,且平均耗时为45.17 ms,相对对照组方法而言,耗时最少。结论所提钢轨表面缺陷方法不仅能够准确地对钢轨表面缺陷进行检测,而且还具有较高的检测效率。

海上监控图像的海天线及其目标区域提取

根据海上监控采集海面图像的特点,提出一种适用于海天线及其目标区域提取的方法。该方法具体是对海面图像灰度化和高斯滤波后,首先根据灰度差异采用OSTU自适应阈值分割方法对海面图像进行分割;接着利用Canny边缘检测得到图像的所有边缘点集,从而获得主要轮廓;然后,根据梯度方向,减少无关边缘点,来改进Hough变换,连接相邻斜率误差小的直线段,减少直线段数目,选取有效程度最大的直线为海天线;最后,依据海天线的位置确定海天线区域。海天线区域的确定,为运动目标的检测、跟踪和避障节约了时间,并减少了误检概率。

基于分块相位梯度算法的多舰船尾迹自动识别

提出一种基于分块相位梯度算法(PGA)的多舰船尾迹合成孔径雷达(SAR)图像自动识别方法。首先在多结构形态学滤波和自适应阈值(OTSU)分割的基础上,利用分块PGA算法消除运动舰船的位置偏移和像元模糊,还原舰船实际信息;利用改进的局部Hough变换对分块图像进行检测和识别,根据识别出的尾迹坐标和角度反演运动舰船位置和航向信息。检测结果表明,该算法可准确检测SAR图像中舰船的实际位置和航向,识别准确度高,抗干扰性强。