西安工程大学电子信息学院, 陕西 西安 710048
针对三维点云数据分割算法准确度低的问题,提出了一种结合点云骨架点和外部特征点的分割算法,所提算法可将传统方法分割不出来的局部小范围凸面体进行有效分割,从而使得三维点云数据分割得更为完善,为三维点云分割提供了新思路。利用C++及其开源的点云库进行编程,利用L1-中值算法对三维点云进行骨架点的提取,利用尺度不变特征变换算法进行特征点的提取,结合骨架点和特征点构建分割平面进行分割,再对剩余的特征点进行检测,再次构建分割平面进行分割,得到最终的结果。实验结果表明,该算法能对三维点云表面的小范围凸面体进行有效分割, 提高了分割的准确性。
成像系统 三维点云 骨架提取 特征点提取 点云分割 激光与光电子学进展
2020, 57(12): 121104
福建师范大学 医学光电科学与技术教育部重点实验室 福建省光子技术重点实验室，福建 福州 350007
精确去除骨架毛刺是干涉条纹骨架提取的最为关键的一个环节，可以应用于激光的干涉条纹检测。提出一种基于骨架特征的去除干涉条纹骨架毛刺算法，算法的主要方案包括：获取骨架的特征点、八邻域链表追踪。首先对像素点进行逐个扫描，获取骨架的4种特征点：端点、节点、毛刺点、主干点，其次使用基于特征点的八邻域链表算法提取所有毛刺点、主干点，然后基于节点进行差分运算并剔除毛刺，最后对处理后的图像进行迭代处理直到干涉条纹骨架毛刺完全去除。利用OpenCV机器视觉算法对毛刺图像去除进行仿真，得到的结果通过1 000个毛刺图片验证，毛刺去除的正确率达到94%。该算法相较于传统方案具有较高的针对性，保留骨架主干部分，去除其余毛刺部分，在干涉条纹检测方面具有广阔的应用前景。
去除毛刺 骨架提取 图像处理 removal burr skeleton extraction OpenCV OpenCV image processing
1 长安大学电子与控制工程学院, 陕西 西安 710064
2 陕西省铁路集团有限公司科技质量部, 陕西 西安 710199
3 西安市西蓝天然气集团公司纪检监察委员会, 陕西 西安 710075
针对传统裂缝图像分割方法不能准确提取混凝土表面裂缝的难题,提出了一种改进的轻量级全局卷积网络的路面裂缝图像分割模型。根据深度卷积网络原理,使用大卷积核对裂缝图像进行分类和定位,针对裂缝特征构建轻量级的语义分割MobileNetv2-GCN模型。实验对比结果表明,该模型在三个公开裂缝数据集上都表现出优越的性能。采用中轴骨架算法提取语义分割后的裂缝骨架,计算裂缝平均宽度的物理值,其实验结果具有较高的准确性,可为公路健康检测提供可靠的数据支持。
图像处理 语义分割 大卷积核 全局卷积网络 平均交并比 骨架提取 激光与光电子学进展
2020, 57(8): 081011
西安工程大学电子信息学院, 陕西 西安 710048
提出一种有效的三维点云骨架分割的方法,分割后的结果可用于三维点云物体识别和分类。利用稳健性较强的L1-中心骨架算法对点云数据进行骨架提取,可得到一系列骨架点;利用基于八叉树的区域增长分割方法对已经得到的骨架点进行分割,选取法向量和残值作为判定标准;利用OpenGL库编程把分割出的各个部分进行骨架连线。对多种形状的点云数据(包括动物模型、植物模型、人体模型、字母模型)进行实验,该方法均得到较好的结果。
成像系统 三维点云 骨架提取 区域增长 点云分割 激光与光电子学进展
2019, 56(22): 221102
1 西安交通大学 能源与动力学院, 西安 710049
2 西北核技术研究所 激光与物质相互作用国家重点实验室, 西安 710024
针对羟基示踪测速技术在超燃流场应用中测量图像受复杂背景干扰严重的问题, 提出一种提高信号提取能力的方法.该方法通过三个步骤实现信号提取能力的提升：利用霍夫变换进行信号识别; 基于感兴趣区域的大津阈值算法进行图像分割; 结合骨架提取和方向模板方法进行标记线提取.在此基础上, 结合仿真和实验, 验证了该方法可提高超燃复杂背景干扰下的信号提取能力, 解决了提取羟基有效信号精度不够的问题.
羟基示踪测速技术 速度测量 信号提取 超燃流场 骨架提取 Hydroxyl tagging velocimetry Velocimetry measurement Signal extraction Supersonic combustion flow Skeleton extraction
1 东北林业大学 信息与计算机工程学院,黑龙江 哈尔滨150040
2 黑龙江省林业智能装备工程研究中心,黑龙江 哈尔滨 150040
为了提高骨架提取的准确性和连通性,提出了一种基于向量内积的新型骨架提取方法。对二值图像进行欧氏距离变换,获得了由内部像素点指向边界点的边界向量,通过比较内部像素点8-邻域范围内对应边界向量内积值符号在4个方向上的变化情况确定了边界向量方向发生重大变化的次数,并据此选取候选骨架点;采用基于回归分析的方法确定延伸方向,并完成连接操作生成完整的骨架线。实验结果表明,该算法能够保证骨架的连通性和完整性,且骨架定位准确,平均正确率达到92.27%,同时可以克服边界扰动,是一种有效的骨架提取算法。
骨架 距离变换 向量内积 skeleton extraction distance transform vector inner product
