消除CCD天光背景的一种组合式分割方法

基于迭代阈值法和统计模型提出了一种新的组合式分割方法，该方法精确地描述了天光背景的分布情况，既能够精确确定图像分割的最优阈值，有效地消除天光背景的影响，又可以精确地估计出天光的平均强度，有利于天体亮度的精确计算及暗星的探测。     

盾构隧道点云典型要素分割

针对盾构隧道点云及其几何特征构建八叉树索引,使用体素化网格降采样进行点云降采样,利用统计特征滤波器达到精简点云,继而实现典型要素自动分割。结合点云精简算法,提高了随机抽样一致性(RANSAC)算法效率,通过拟合模型的几何特征,设置合理阈值,自动分割隧道典型要素。实验结果表明,该方法可以精确地分割出相邻距离阈值较小的盾构隧道典型要素,拟合的隧道半径与设计半径误差仅为3 mm;相比传统RANSAC算法,该算法运行速度提高了17倍,实现了相邻距离阈值达1.0 cm精度的目标分割。     

SAR图像河流分割的加权指数区域能量模型

传统主动轮廓模型很难实现精确的SAR图像河流分割。针对这一问题,本文提出了一种加权指数区域能量主动轮廓模型,以精确地提取SAR图像中的河流。该模型在Chan-Vese(CV)模型能量泛函中引入了指数区域能量,能更好地衡量分割图像和原始图像的差异程度,提高模型的分割准确性。此外,利用目标区域和背景区域内像素灰度的最大绝对差取代模型中常值区域能量权重,自适应地调节目标区域和背景区域的能量比重,加速曲线运动到目标区域的边缘,获得更高的分割效率。针对实际河流SAR图像进行了分割试验,结果表明:与传统主动轮廓模型相比,本文提出的模型能更快速、精确地分割SAR图像中的河流,在分割结果和分割效率两方面具有优势。     

基于阈值分割的LIDAR建筑物提取

在介绍常用的阈值分割方法的基础上,详述了基于阈值分割的LIDAR建筑物提取方法,对不同阈值分割方法的优越性与实用性进行分析。研究结果表明,阈值法是一种最简单最基本的图像分割方法。全局阈值能快速有效地分割噪声小、比较均匀的图像,动态阈值和c均值模糊阈值分割对不均匀图像能进行较好的分割,其中c均值模糊阈值分割法最佳。     

DEM 辅助下的河道细小线性水体自适应迭代提取

提出了一种河道细小线性水体自动识别方法。该方法综合应用了空间知识、光谱计算和全局--局部迭代模型算法。首先,利用全球30米ASTER DEM数据,生成流域的水系分布矢量图;然后,以DEM水系分布图作为先验知识,通过空间分析形成信息提取目标区,为后续信息提取提供了目标靶区;再次,通过水体光谱指数计算和NDWI全局阈值分割,得到靶区水体分布的初步信息;最后,在水体指数全域分割的基础上,通过局部水体指数物理特征分析、自适应阈值选择和迭代计算,实现局部河道水体精确提取。试验采用ETM+数据对伊犁河上游的支流河道进行信息提取,结果表明该方法能够快速准确地完成大流域范围内的河道水系制图,并能够最大程度地降低细小河道水体识别中背景光谱信息混杂的干扰,提高了遥感信息提取的针对性和计算的效率。     

奇异值分解和阈值分割的遥感自适应变化检测

针对传统遥感变化检测算法中差值影像构造方法不容易提取弱变化信息,以及变化阈值需要人工干预的不足,提出一种基于奇异值分解(SVD)和最大类间方差法(OTSU)阈值分割的遥感影像变化检测算法。首先计算两期遥感影像的多波段差值影像,对其进行矢量化后所构造矩阵进行奇异值分解,并计算差值影像的变化强度,选取奇异值分解主分量投影和变化强度作为表征两期影像变化的特征量;然后通过最大类间方差法对上述两个特征量进行阈值分割,得到变化检测结果;最后通过对比实验以及精度验证,证明了该变化检测方法相比传统方法能够更精确地提取出变化信息,而且能够自适应获取分割阈值。     

一种提取遥感影像中道路信息的方法

由于合理有效地选择分割阈值较难,因此基于阈值分割的道路信息提取方法对于遥感影像中含有多种类型道路、或非道路地物干扰比较明显的情况适用性不理想。为此,提出了一种将Mean Shift和阈值分割相结合的方法来提取道路信息。首先,采用Mean Shift方法对遥感影像进行平滑处理,在较好地保持道路边缘信息的同时使道路内部的纹理分布更加均匀;其次,对平滑处理后的影像进行Mean Shift分割处理,将具有相同或相似灰度值的道路用一种灰度值显示;然后,选择灰度直方图中像素数量值高的线所对应的灰度值作为分割区间边界点进行多阈值分割,得到初始道路信息;最后,对初始道路信息进行后处理,得到最终的道路信息。实验证明,该方法可以完成对遥感影像中道路信息的提取,拓宽了阈值分割方法提取道路信息的使用范围。     

自然环境下圆形禁令交通标志检测

针对我国圆形禁令交通标志,提出一种快速、稳定的标志自动检测方法。首先,基于RGB空间对标志图像进行颜色分割,针对三通道差值的固定阈值分割方法对图像亮度的适应性较差的问题,提出基于基础通道选择的相对通道差值计算及阈值曲线拟合的方法进行自适应颜色分割,并针对标志与背景同色的情况,提出梯度过滤的方法将标志与同色背景分离;然后对分割图像进行边缘提取,基于标志椭圆特征,用最小二乘椭圆拟合后验偏差估计法来对边缘进行筛选,并提取最终标志边缘。实验表明,该方法能快速准确地对自然环境下不同亮度的圆形禁令标志自动检测,具有实时性和鲁棒性,在智能交通中具有良好的应用前景。     

一种基于邻域数组的区域合并新方法

针对图像分割中的过分割问题,该文提出了一种区域合并方法。该方法在区域合并时采用邻域数组的数据结构来维护区域间的邻接关系,该数据结构相对传统的邻接图具有更高的效率。为了能够综合利用分割对象的各种特征,兼顾区域合并的精度与效率,将合并过程分为两个步骤进行:第一步以区域面积阈值作为合并终止条件,在合并准则中只考虑灰度信息;第二步将灰度阈值作为合并终止条件,并在合并准则中加入了纹理信息。实验结果表明,该方法能够对初分割图像进行高效且精确的合并。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。