南昌理工学院计算机信息工程学院, 南昌 330044
特征提取和特征匹配是合成孔径雷达(SAR)目标识别中的两个关键步骤。提出了一种基于SAR目标区域匹配的目标识别方法。首先提取SAR图像中二值化目标区域；然后将其与模板库中对应的目标区域作差得到残差图像，采用欧氏距离变换对残差图像进行处理；最后利用距离变换后的残差图像构建相似度度量标准，计算当前待识别图像与各类目标的匹配度并根据最大匹配度原则判定目标类型。目标区域残差可以体现待识别目标与其他类目标之间物理尺寸的差异，因此可以根据残差的面积大小以及形状分布计算匹配度。欧氏距离变化可以较好地体现出目标区域残差的形状分布特性。基于欧氏距离变换后的残差可以更有效地反映目标区域的匹配度。采用MSTAR数据集进行了目标识别实验，验证了方法的有效性。
合成孔径雷达 目标识别 目标区域 区域匹配 欧式距离变换 特征提取 SAR target recognition target region region matching Euclidean distance transform feature extraction
西南科技大学 计算机科学与技术学院, 四川 绵阳 621010
针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题, 提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声, 采用平均法和中值滤波预处理图像; 利用迭代阈值分割及形态学方法, 获取条纹目标, 引入距离变换提取条纹的像素级中心; 根据像素级中心、二值信息及光强灰度, 结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下, 相邻行条纹中心列坐标最大偏差值像素小于2 , 平均偏差像素值约为0.3, 与传统方法相比, 2项指标值更小。实验结果表明, 算法有效利用条纹灰度分布规律, 可降低噪声对中心定位精度的影响, 更逼近条纹真实中心位置, 抗噪能力极强。
高噪声背景 亚像素中心 距离变换 曲线拟合 重心法 high noise background sub-pixel center distance transform curve fitting barycenter
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
兰州交通大学 自动化与电气工程学院, 兰州 730070
传感器在铁路安全维护方面应用广泛.为了实现实时在线轨距测量,将激光技术与CCD图像式传感器相结合,建立车载轨距机器视觉检测系统.首先介绍系统的构成与工作原理,并提出基于去噪前置与距离变换算法的快速轨道轮廓中心线提取方法.然后采用强对比度拉伸和指数变换的方法进行图像增强,并结合高斯平滑与动态感兴趣区域对图像进行快速去噪前置处理.最后对图像进行精确阈值分割处理,采用距离变换的方法得到轨道轮廓中心线并定位轨距测量点.结果表明,该系统检测精度满足-1mm~+1mm,图像帧处理速率为14.35m/s.轨距机器视觉检测系统满足实时在线轨距检测对系统鲁棒性、检测速度和精度的要求.
激光技术 轨距检测 轮廓中心线 距离变换 阈值分割 传感器 机器视觉 laser technique gauge detection contour centerline distance transform threshold segmentation sensor machine vision
1 河北工业大学 信息工程学院 天津 300401
2 河北工业大学-Xilinx信号检测与处理联合实验室 天津 300401
脉冲耦合神经网络(PCNN)提取的特征序列的旋转不变性降低了道路交通标志类内匹配识别的准确性, 为了提取更有利于形状分类的特征向量, 本文利用PCNN的自动波扩散特性, 简化了PCNN模型。采用简化PCNN模型产生的类Euclidean距离图像作为分类特征, 利用最小方差值进行匹配分析, 并通过实验选取了最佳PCNN参数。针对道路交通标志图像库GB5768-1999的实验结果表明, 采用获得的类Euclidean距离图像作为特征向量进行分类匹配, 在选定边缘图像的迭代次数N为16, 反馈输入固有电势VF为0.65, 动态门限固有电势VT为100, 卷积核矩阵为5×5时, 最小方差值均出现在对应的标准图像位置。结果表明, 简化PCNN的类Euclidean距离变换能够有效提取二值边缘图像的形状信息。 该方法优于传统PCNN熵序列的特征向量方法, 类内区分效果更加明显。
交通标志 脉冲耦合神经网络 自动波扩散 类Euclidean距离 特征提取 traffic sign Pulse Coupled Neural Network(PCNN) automatic wave diffusion Euclidean-like distance transform feature extraction 光学 精密工程
2012, 20(12): 2751
1 南昌大学 信息工程学院 电子信息工程系, 江西 南昌330031
2 南昌大学 信息工程学院 自动化系, 江西 南昌330031
粘连细胞的分割是医学细胞图像处理中的关键, 随着形态学在图像分割中的应用, 分水岭分割成为粘连细胞分割中最有效的方法之一。然而, 由于巨噬细胞图像中的噪声和形态的不规则性, 传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取“种子点”, 并将其中距离小于某一阈值的两两“种子点”合并得到新的“种子点”, 在新“种子点”重新分布的距离图基础上使用分水岭分割。实验结果表明: 该算法虽然要比传统分水岭算法多花费些时间, 但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后, 对细胞进行标记并提取细胞的特征参数, 如周长、面积、圆度因子、灰度均值等。
粘连细胞分割 分水岭 过分割 距离变换 种子点 特征参数 segmentation to adhesion cells watershed over-segmentation distance transform “seeding points” characteristic parameters
国防科学技术大学航天与材料工程学院， 湖南 长沙 410073
跑道检测通常由边缘检测和霍夫变换2个步骤组成。由于SAR图像中存在大量斑点噪声，使得边缘检测中存在大量虚假边缘，增加了霍夫变换的时间，降低了跑道检测的准确度，提出一种基于区域分割和距离变换的SAR图像中机场跑道自动检测的新方法。采用基于统计信息的方法增强跑道-背景的对比度，然后用二维直方图阈值分割方法分割图像，再通过距离变换对跑道-背景二值图进行处理，得到跑道中心线的大致分布，最后采用局部空间霍夫变换得到跑道参数。实验结果表明: 该方法能够可靠检测出跑道，运算速度满足实时性要求。
合成孔径雷达 机场跑道 目标检测 图像分割 距离变换 synthetic aperture radar airfield runway target detection image segmentation distance transform
华中科技大学,电子与信息工程系宽带无线与多媒体系统研究中心,湖北,武汉,430074
传统的基于距离变换的骨架算法不能保证骨架的连通性,需要引入鞍点解决连通问题.该类算法复杂,且不够准确,同时鞍点的定义很难推广到三维,限制了传统算法的发展.本文提出一种新型骨架算法,在图形内根据距离变换的约束,由骨架种子点开始以单像素宽度逐点生长出各骨架分支,逐点生长保证了连通性.实验证明该算法的骨架生长过程是骨架由粗到精的演变过程,能够方便地实现骨架的多尺度控制.
距离变换 骨架 多尺度 最大圆 distance transform skeleton hierarchical maximal disks
