基于高斯超像素的快速Graph Cuts图像分割方法

提出了一种交互式的快速图像分割方法.该方法通过使用高斯超像素来构建Graph cuts模型以实现加速.首先,利用融合了边缘置信度的快速均值漂移算法,将原始图像高效地预分割为多个具有准确边界的同质区域,并将这些区域描述为超像素,用于构建精简的加权图.然后,使用区域的彩色高斯统计对超像素进行特征描述,并在信息论空间中对高斯距离度量进行设计.另外,为了准确而精炼地对先验知识进行参数化学习,本文还使用了分量形式的期望最大化混合高斯(Component-wise expectation-maximization for Gaussian mixtures,CEMGM)算法对用户交互进行聚类.最后,在改进的加权图模型中应用Graph cuts方法,获得最终的分割结果.通过使用不同的彩色图像进行分割实验比较,仿真结果表明本文的方法在准确性和高效性方面都具有很好的性能.

基于改进Graph Cut算法的生猪图像分割方法

生猪图像分割为生猪行为特征提取、参数测量、图像分析、模式识别等提供易于理解和分析的图像表示,准确有效的生猪图像分割是生猪行为理解和分析的基础。针对传统Graph Cut算法分割精度差、分割效率低及不能准确分割特定目标的问题,该文结合交互分水岭算法,提出基于改进Graph Cut算法的生猪图像分割方法。采用交互分水岭算法对图像进行区域划分,划分的各个区域块看作超像素,用超像素替代传统加权图中的像素点,构造新的网络图替代传统加权图,重新构造能量函数以完成前景背景的有效分割。试验结果表明:该方法峰值信噪比平均范围为[30,40],结构相似度平均范围为[0.9,1],两种评价准则的结果与主观评价一致,图像分割质量、精度得到明显提升;平均耗时缩短到传统Graph Cut算法的33.7%,提高了分割效率;在复杂背景、噪声干扰、光照强度弱等条件下可以快速分割出特定目标生猪,具有较高鲁棒性。

基于全卷积神经网络的无人机巡检图像边缘检测方法

由于无人机巡检图像边缘检测的距离误差大、图像清晰度低,提出基于全卷积神经网络的无人机巡检图像边缘检测方法。采用水平集量化特征分解方法,提取无人机巡检所采集图像的多尺度边缘特征;采用全卷积神经网络构建图像边缘检测模型结构,优化损失函数,完成模型的局部和整体训练,并将多尺度边缘特征输入深度学习网络;采用二阶导数计算像素边缘概率,检测图像的弱边缘并生成边缘信息概率图,计算无人机巡检图像弱边缘对象的概率值,实现图像边缘细化。实验结果表明,所提方法能有效获取图像中目标对象的边缘特征,距离误差均小于0.25,图像清晰度均在24以上,能够完整、可靠获取图像中不同位置、物体等目标的边缘结果,且边缘检测结果更为精细。

基于Graph Cut和超像素的自然场景显著对象分割方法

针对自然场景图像,提出了一种快速的显著对象自动分割方法.首先,将图像从RGB颜色空间变换至HSV颜色空间,利用色调和亮度等特征获得显著度图,得到待分割对象所在的区域;然后利用改进的分水岭算法将原始图像预分割为若干子区域,将这些区域描述为超像素,使用混合高斯分布描述其特征,用于构建图切分方法的网络图,经过迭代分割之后,获得最终的显著对象.实验结果表明,该算法与人工交互的图切分算法相比,能自动获得前景和背景的先验知识,在不影响分割精度的情况下,加快了分割速度.

基于像素相似性与Graph-Cut的图像自动分割

采用Graph cut的图像分割分为交互式分割与自动分割,为了弥补交互式分割需要用户的参与、分割结果依赖种子点的选取与模型的建立、需要用户的进一步修正才能得到满意结果等不足,介绍基于相似性的自动图像分割。该方法采用Mean-shift平滑图像、转换成YCbCr空间后将图像分割成若干区域块等方法,建立合适的能量函数后利用最大流/最小割定理求最小割。并通过实验证明,该方法在自动性、准确性、时间效率方面都获得较好结果。

基于亚像素位移的超分辨率图像重建算法

针对多帧图像超分辨率重建问题,利用一阶泰勒展式,在亚像素级上对图像退化过程进行建模,并建立极小化能量函数,选择Graph-cut算法进行能量极小化求解.为了验证本文算法的有效性,采用模拟图像退化过程和直接用相机拍摄两种方式获得低分辨率图像序列.从4×4倍重建结果的比较来看,本文算法不仅对模拟退化过程产生的低分辨率图像序列有效,而且在提高真实低分辨率图像的分辨能力方面也有很好的效果.此外,实验结果表明本文算法对噪声有较好的抗干扰能力.

大规模出租车起止点数据可视分析

在现代化城市中,出租车起止点数据是一类非常有用的交通大数据,其中蕴含着丰富的时空信息.为了挖掘潜在的出租车起止点时空模式,设计了一个出租车起止点数据可视分析系统.首先利用起止点分布的全局概览图从空间上确定需要进一步挖掘的区域;然后利用系统提供的套索或者矩形选择工具选择待分析区域,由所设计的环形像素图对该区域的起止点时空模式进行可视化编码;最后通过多可视化组件协同交互,从不同维度分析出租车起止点数据的潜在时空模式.将该系统用于杭州市出租车GPS真实数据,取得了良好的效果,既有助于交通管理部门按需调配车辆,也能帮助出租车司机获得更高收益.

基于超像素和图割算法的智能视觉水位识别

针对水位测量中由于水尺污渍和倾斜的影响,造成观读数据极易出错的问题,提出了一种基于改进的超像素与图割算法的智能视觉水位识别算法。对水尺图像进行预处理的基础上,为校正水尺图像的角度倾斜,提出了金字塔结构Hough变换的角度倾斜校正算法,将水尺图像进行2抽取,得到不同分辨率的金字塔结构图像,对从低到高分辨率图像应用Hough变换,逐步缩小搜素倾斜角度范围,得到水尺的精确倾斜角度并进行校正;其次,为解决因水尺污渍而影响读数的问题,将中值滤波思想融入超像素种子点定位中,通过改进的超像素算法在滤去污渍噪声的同时对校正后的水尺图像进行预分割;在图割算法中构建邻域像素相似度的能量函数边界项,应用改进的图割算法实现水尺图像的可靠分割,确定水尺头部区域和测量区域;最后,分别对水尺头部和测量区域进行识别,得到准确的水位数据。实验结果表明,对比实际的测试结果,所提算法识别出的水位数据准确性高,具有较高的应用价值。

NOAA卫星图像云点检测的三维统计图集合判别

在应用ＮＯＡＡ－ＡＶＨＲＲ图像对地球资源环境进行监测的研究中，云点检测是一项基本工作。本文以实例分析云的图像特征，选取特征指标建立像元分布三维统计图，直接在统计图上观察云点集群分布阈值，并以此作为云点集合判别的条件，以实现自动检测。此法灵敏度高，稳定性好，且直观方便。

基于谱聚类的高分辨率全色遥感影像分割

为了协调高分辨率全色遥感影像区域和边界的最优分割,提出了一种基于像素邻域和光谱特征的谱聚类高分辨率全色遥感影像分割方法。该算法重点着手于构建影像图模型,在其中引入像素邻域作用并充分顾及像素光谱测度差异。假定邻域像素具有连接关系,并在此基础上构建影像连接矩阵,再考虑像素光谱测度差异的影响建模像素间相似性,最终结合像素连接性和相似度构建影像权值矩阵完成图模型建立;而后在图模型的基础上,采用对权值矩阵特征分解并就分解结果进行选择的方式将影像数据变至低维特征空间,进而对获取的新数据执行FCM聚类算法达到影像分割目的。为了验证提出算法的有效性,分别对模拟影像和高分辨率全色遥感影像进行分割实验,定性、定量的评价结果表明了该算法的可行性与优越性。

基于图论阈值算法的图像分割研究

为了提高阈值分割图像的质量,提出了采用图论阈值算法。首先,构造图论和图像的映射函数关系,每个顶点通过点来映射,每条边通过线来映射。用基于区域属性的图像边缘决策表,不同像素点或不同组像素点之间的灰度特征差作为权重系数,通过基于决策属性权重来构造像素联系图;然后,采用聚类法计算像素到目标类和背景类的相似程度,最小生成树策略解决伪割集问题;最后,给出图像阈值设定以及算法流程。实验仿真表明,本文算法的分割图像效果清晰,消除了图像分割中存在的过合并和欠合并现象,本文算法的信息熵为28.780 3bit,处理时间为1.454 3s。满足分割结果中对执行时间少、信息含量大等要求。

基于图优化的轴承内外径尺寸检测

为了满足轴承内外径尺寸检测的高精度需求,解决人工检测误差大以及效率低的问题,提出了一种基于图优化的轴承尺寸检测优化方法。首先,对灰度图像采用双边滤波去除噪声,通过形态学操作排除图像中的小型黑洞,使用图像分割提取图像中感兴趣的目标;其次,运用Canny边缘检测算子对图像边缘进行粗定位,再用Zernike-Otsu法获取图像的亚像素边缘坐标;最后,把亚像素边缘坐标导入g2o优化模型进行曲线拟合得到轴承的内外径尺寸。实验结果表明,利用该方法进行轴承内外径检测的误差小于0.015 mm,能够满足工业现场的检测需求。

利用像素法活体测量猪耳朵面积

探讨活体测量猪耳朵面积的测定方法。首先对27个绘制在方格纸上的不规则图形采用方格纸法和像素法进行面积测量,比较这2种方法在测量结果和测量时间上是否存在显著差异,与此同时也比较了5种不同的图像处理软件之间是否存在显著差异。然后对77头猪的右耳面积在屠宰前后分别用像素法和方格纸法进行活体和屠体测定,比较活体和屠体测量是否存在显著差异。试验结果显示,方格纸法和像素法之间没有显著差异,它们之间的相关系数大于0.995,但是方格纸法的测量时间明显高于像素法,前者平均用时约5 min/头,后者平均用时均不足2 min/头。这5种图像处理软件测量的耳面积之间也没有显著差异,且它们之间的相关系数都在0.991 2以上。虽然活体测量的面积显著高于屠宰后测量的面积,但是它们之间的相关系数高达0.898 7。综合分析试验结果:在屠体测量耳面积时,像素法可以替代方格纸法,以提高测量速度。鉴于活体测量与屠宰测量之间的高相关性,可以用活体测量替换屠体测量,这不但避免了屠宰,降低了测量的成本,而且可以动态地检测耳面积随日龄的变化。另外也可为其他不规则图形面积的活体测量提供参考。

一种优化的并行流域分割算法

流域变换(又称分水岭变换)是数字形态学中用于图像分割的一种有效的方法.但是经典的流域算法具有很强的递归性质,直接并行化效率很低.首先,分析比较了已有并行算法的优缺点,然后从基于距离的流域变换定义入手,提出了一种优化的并行流域分割算法.该算法给出了新的区域关系图的定义,并利用了基于下降距离的方法的局部性;通过引入伪种子点使得各子域之间区域生长和合并的过程相对独立,基本消除了重复泛洪带来的开销;同时可直接生成分水岭.实验表明,提出的算法在执行时间和可扩展性两方面都得到了优化,并拓展了算法的适应性.

基于图割与改进模糊C均值的图像分割

为提高图割算法对图像的分割效果,提出一种改进的模糊C均值聚类算法(FCMA)和图割分割算法相结合的图像分割方法。首先,用均值漂移算法将图像过分割成多个小区域(超像素),用得到的超像素代替像素点作为图的顶点,以相邻像素块间的关系为边构建图模型;然后,采用改进的模糊C均值(FCMA)算法对前景和背景的混合高斯模型分别进行聚类分析;最后,用最大流/最小割算法求取能量函数的全局最优解即得到图像的分割结果。实验结果表明,该方法在分割结果上具有较强的区域一致性及较为清晰、平滑的图像边缘,并且该方法对含有噪声的图像也能得到较好的分割结果。

LYTRO相机光场图像深度估计算法及重建的研究

光场相机目前已广泛应用于消费领域和工业应用领域,利用光场相机对目标物进行深度重建成为了一项重要的研究课题。在实际研究过程中,Lytro相机空间信息与角度信息复用于同一传感器,导致图像分辨率较低,从而使得重建效果不甚理想。为解决这一问题,提出了一种亚像素精度的光场图像深度估计方法,在频率域对子孔径图像进行多标签下的亚像素偏移,以中心视角图像为参照,建立像素匹配代价行为;使用引导滤波抑制噪声的同时保持了图像边缘;对多标签下的匹配代价行为进行优化,得到精确的深度估计结果。对目标深度图进行表面渲染、纹理映射等重建处理,得到较为精细的重建结果。实验结果表明,该算法在对复杂度较高的物体进行重建时,解决了重建模糊等问题,有较好的表现。

层次图融合的显著性检测

显著性目标检测在物体分割、自适应压缩和物体识别等领域有众多应用,从自然场景中准确检测出最重要的区域一直是个挑战。针对现有的基于图的流形排序算法,因忽略特征的空间信息而导致检测准确率不高的问题,提出了一种基于流形排序的多尺度显著性检测算法。首先对原始图像进行多尺度下的超像素分解。然后利用边界先验,根据流形排序算法计算查询点与其余结点的相关度排序。最后通过构建图模型,从多层结构中分析显著性线索,对显著图进行融合得到最终结果。在ASD、CSSD、ECSSD和SOD数据集上,同9种流形算法进行对比实验,结果表明该算法在保持高查全率的同时也提高了准确率。

基于蚁群优化多层图划分的彩色图像分割方法

为了消除基于谱聚类的归一化切分图像分割中聚类参数对分割结果的约束,提出了一种基于蚁群优化的多层图划分算法来进行归一化切分,进而对彩色自然景观图像进行分割。该算法将代表图像的相似度图作为蚁群的栖息环境,在归一化割准则的指导下,通过蚂蚁的觅食行为将相似的顶点逐渐聚集在一起,从而以多层的方式完成图划分。为了降低图像分割的计算量,利用超像素对图像进行预处理。实验对比表明,该算法消除了归一化切分分割结果对聚类参数的依赖,并提高了归一化切分分割的准确性和速度。

优美图随机嵌入路径耦合像素优化的图像隐写

目的为了解决当前图像隐写方案不可感知能力差、秘密信息嵌入路径随机性较低、难以抵御盲隐写攻击,以及隐写容量小等问题。方法提出优美图随机嵌入路径耦合像素优化控制的图像无损隐写术。基于HIWT机制将载体图像转换为频域整数系数,实现无损隐写。定义图像直方图修改规则,构造隐藏信息长度估算模型,确定图像分块的频域表示,增强该算法的可靠性。引入LSB替代,设计像素区间控制机制,缩小密文与载体之间的嵌入误差。再嵌入图论,构建优美图,获取随机矩阵,确定秘密信息自适应随机嵌入路径,增强隐写的不可感知性能。借助逆向HIWT获取隐写图像。结果与当前隐写方案相比,文中隐写术具备更强的不可感知性,有效降低了阶梯效应,且隐写容量更高,提取图像无失真。结论文中算法可对图像进行安全无损隐藏,有效保护图像可靠传输。

基于联合约束策略和稀疏表示的图像分割

基于像素级的交互式图像分割算法对初始种子位置和噪声敏感,同时仅基于超像素的分割方法无法保留图像细节经常导致分割结果出现欠分割问题。针对上述问题,提出超像素/像素约束和稀疏表示的图像分割模型。该方法利用高斯函数分别对像素和超像素构造了相互约束的代价函数,引入了稀疏分解对模型进行优化以提升模型对图像噪声的鲁棒性,最后利用联合优化策略对代价函数求解估计出目标和背景标记实现目标提取。实验结果表明,与现有的分割方法相比,提出的方法能获得较好的分割效果,对高斯噪声和椒盐噪声具有较强的鲁棒性。