共查询到10条相似文献，搜索用时 15 毫秒
1.
《中国海洋大学学报(自然科学版)》2016,(3)
针对无角毛类浮游植物显微图像,结合显著区域检测和GrabCut算法,提出一种新颖的浮游植物细胞自动分割方法。首先,基于视觉注意机制的计算模型,检测输入图像的显著区域;然后,对生成的显著图进行预分割以获得浮游植物细胞的位置;再把细胞的位置信息用于初始化GrabCut算法,并迭代执行GrabCut;最后,应用去噪和平滑技术来输出细胞。实验表明该方法提取的前景目标形态完整、轮廓清晰、边缘规则。 相似文献
2.
3.
人工鱼礁的投放是海洋牧场建设的重要措施,为实现大范围人工鱼礁信息的自动识别提取,提出了一套基于侧扫声纳影像的人工鱼礁自动识别方法。首先使用侧扫声纳后处理软件对采集的数据进行预处理,再对预处理后的图像进行均值平滑滤波整体去噪、自适应平滑滤波局部去噪、极差滤波锐化图像、提取目标边缘判定目标、二值化,最后进行矩阵运算提取礁体及其声影区,最终获得鱼礁的位置信息。实验结果表明,本方法应用于两种侧扫声纳图像人工鱼礁识别,正确度达94%以上,完整度达85%以上,且具有良好的通用性,能够为海洋牧场建设中人工鱼礁投放质量评估提供科学的数据支撑。 相似文献
4.
基于数学形态学的侧扫声呐图像轮廓自动提取 总被引：1，自引：0，他引：1
侧扫声呐图像特征自动提取的难点在于特征地貌边缘检测较困难,依据图像灰度突变检测得到的边缘比较粗糙、不连续,而且有断口和小洞。本文在对图像进行预处理和阈值化的基础上,采用数学形态学方法对图像进行处理,即用具有一定形态的结构元素去量度和提取图像中的对应形状,得到连续化、粗化、圆滑的特征区域边缘填充目标内部阴影且消除背景噪声。基于数学形态学的侧扫声呐图像特征自动提取的主要步骤为:首先对侧扫声呐图像进行预处理,然后进行灰度阈值化,接着采用数学形态学方法进行处理,最后对处理后的图像进行边缘检测,提取出特征地貌边缘。实验表明,采用数学形态学方法进行处理后,错断、离散的海底目标物变得连续,背景噪声大大减少,自动提取结果准确可靠。 相似文献
5.
针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。 相似文献
6.
自适应提升形态小波将多分辨率分解和图像空域中目标的几何结构和局部特征相结合,可以满足特定图像处理任务的需要.本文针对甲藻类细胞显微图像边缘模糊、对比度低等不利于甲沟特征提取的困难,构造1种边缘保留自适应提升形态小波.该小波将图像的边缘作为重要的局部特征,更新提升根据是否是边缘像素选择保留、锐化滤波或平滑滤波,使得分解后的近似图像中,图像边缘得以保留,而灰度变化缓慢的区域得到了平滑.实验结果证明:甲藻细胞经边缘保留自适应提升形态小波分解后的近似图像,在一定程度上突出了目标边界,较之原始图像,更有利于甲沟特征的提取. 相似文献
7.
8.
基于小波变换的声纳图像边缘特征检测研究 总被引：1，自引：0，他引：1
声纳图像的边缘特征检测是其目标识别技术的重要技术基础。声纳图像背景复杂、噪声污染严重,而传统的边缘检测方法对图像噪声非常敏感,所以针对这一特点,利用小波变换易于消除噪声、运算方便的数学特征,提出了一种基于小波变换的声纳图像边缘特征检测算法。由计算机仿真结果可以得到,与传统的边缘检测算法相比,此算法在有效地抑制噪声的同时,还可以得到较高的边缘定位精度,能够很好地检测到原始声纳图像的边缘。 相似文献
9.
自适应提升形态小波将多分辨率分解和图像空域中目标的几何结构和局部特征相结合,可以满足特定图像处理任务的需要。本文针对甲藻类细胞显微图像边缘模糊、对比度低等不利于甲沟特征提取的困难,构造1种边缘保留自适应提升形态小波。该小波将图像的边缘作为重要的局部特征,更新提升根据是否是边缘像素选择保留、锐化滤波或平滑滤波,使得分解后的近似图像中,图像边缘得以保留,而灰度变化缓慢的区域得到了平滑。实验结果证明:甲藻细胞经边缘保留自适应提升形态小波分解后的近似图像,在一定程度上突出了目标边界,较之原始图像,更有利于甲沟特征的提取。 相似文献
10.
利用RADASAT-2的海冰SAR图像,分别采用Prewitt、Sobel和Canny边缘检测算子计算图像范围内的海冰周长,分析不同图像分辨率、不同边缘检测算子分别对周长计算结果产生的影响。结合冰层侧向融化速率参数化方案进行了海冰侧向融化温度敏感性模拟实验,分析了图像重构分辨率对海冰侧向融化结果的影响。结果表明:海冰破碎程度不同时,对应不同的最佳边缘检测算子和最佳分辨率;仅考虑侧向融化时,随着温度升高,3种算子模拟的海冰面积融化趋势基本一致,均呈指数型增加,Prewitt算子模拟效果最好,对应的最佳重构分辨率为30 m×30 m、65 m×65 m和155 m×155 m。 相似文献