摘要：针对重压区域轮廓处于强边缘附近具有特性形状属性以及局部光滑的特点,构造基于区域模糊灰度总收益的轮廓变形优化目标函数.在此基础上,利用遗传算法实现对轮廓的离散傅里叶描述子参数模型进行优化,提取描述足迹重压区域的光滑轮廓.实验结果表明:该算法速度快,能充分保留轮廓细节和目标特定形状属性,在平面足迹重压区域轮廓提取中获得了较好的效果.

摘要：为了得到真实的水泥颗粒初始水化演化模型,提出一种基于轮廓的重构方法和多层次单元分解(MPU)重构方法相结合的水泥颗粒重构方法.首先引入权重函数将提取轮廓的测地线/几何动态轮廓模型和无边缘动态轮廓模型结合到一起,利用动态轮廓模型快速全局最小化方法提取颗粒轮廓,并采用最大类间方差求出边缘阈值,提取出水泥颗粒精确的边缘轮廓线;然后使用平面拟合方法将其转化为带有"法矢"的三维空间点;最后采用改进的MPU方法重构出光顺的三维水泥颗粒.实验结果表明,文中方法比目前水泥材料领域已有的重构方法简单易行,重构效果理想.

摘要：为准确描述片烟形状特征,采用机器视觉装置并结合数字图像分析法,以形态描述中的矩形度、紧致度、细长度为形状特征指标,建立了片烟形状特征分析方法,比较了不规则片烟样品中大片、中片、小片、碎片形状特征。结果表明:(1)除图像采集过程片烟力学形变影响外,形状特征指标检测方法相对误差、相对标准偏差均<5.0%;(2)不规则大片、中片到长方形标准片烟的欧氏距离最小,大片、中片形状接近长方形;(3)不规则小片接近正方形标准片烟,碎片接近圆形标准片烟。通过变换5组不同尺寸标准形状,同一份不规则片烟样品到不同组标准片烟的欧氏距离相对误差、相对标准偏差均<5.0%,说明所建立的片烟形状特征分析方法稳定、可靠。

摘要：提出了轮廓提取的概率方法,同时将物体形状的统计先验信息和轮廓线的平滑性结合到轮廓的概率估计中首先应用主元分析对低维空间概率采样生成高维形状统计分布的样本,根据形状样本得到轮廓控制点样本,而后结合描述平滑性的先验概率,运用序列蒙特卡罗方法实现轮廓估计对实际拍摄的人手图像的实验表明,针对特定的形状,该方法在杂乱背景。

摘要：传统Snake模型存在着对轮廓的初始化敏感,对高噪声图像易陷入局部极小值,以及对具有狭长深度凹陷区域的图像无法获得正确轮廓等问题.本文提出了一种基于边缘与区域信息的主动轮廓模型R-Snake(Region Snake).该模型通过文中设计的图像变换算子,并结合区域积分与曲线积分间转化的Green公式,导出了包含目标图像区域信息的区域力.然后由力平衡方程将该区域信息自然直接地引入到主动轮廓提取模型中,从而实现图像的轮廓提取.由于该模型同时利用了图像的区域信息和梯度信息来引导轮廓曲线的演化,使得本文方法不仅扩大了轮廓初始化的范围,降低了对图像噪声的敏感性,而且还增加了轮廓曲线收敛到真实边界的能力.实验结果表明,本文方法具有很强的适应性和鲁棒性,尤其是对高噪声图像和具有狭长深度凹陷的图像获得了优于传统Snake模型的结果.

摘要：通过分析机载雷达(LIDAR)点云数据与航空影像数据特点,提出了融合机载LIDAR点云和航空影像的建筑物轮廓探测方法。分别提取机载点云和航空影像中的部分建筑轮廓线,将轮廓线拟合成直线段的建筑物轮廓边,并以两相邻且垂直的轮廓边相交得到建筑的角点,根据建筑物的同名角点实现机载点云和航空影像的配准融合;将航空影像的光谱信息赋予机载点云,并将光谱信息作为特征向量进行聚类,分离出植被和树木等地物,利用高程信息从光谱信息相似的地面道路和建筑物中分离出建筑物,提取建筑物的轮廓边,完成建筑物轮廓的探测。实验结果表明,利用该方法进行建筑物点云的分类正确率可达97.96%,轮廓边的提取精度可达0.21m,能够有效的实现建筑物轮廓的探测。

摘要：针对煤显微组分结构复杂、提取其显微图像中有效组分轮廓存在较大难度的问题,提出一种基于结构元的轮廓提取算法。该法通过对结构元中架构与尺度的合理设计实现种子点的自动选择,以替代传统算法中种子点的人工选取,然后进行区域生长,再对区域生长后的图像进行形态学处理,最后用8邻域轮廓提取法获取煤显微图像中不同组分的轮廓。实验结果表明,由于结构元的合理选取,算法能够有效去除煤显微图像中的碎屑、黏胶及噪声区域,获取块状显微组分的有效轮廓。实验结果可以为煤显微图像自动分类与识别提供参考。

摘要：通过设计一种称为子轮廓的数据结构,对游程左右端点以及分叉点和交汇点进行有序链接,提出一种新的基于游程连通分析的轮廓提取算法.按照从上到下、从左到右的顺序扫描图像数据进行游程编码,根据当前行游程与相邻上一行游程间的连通情况进行子轮廓创建、子轮廓生长以及子轮廓联结三种操作,实现图像内外轮廓以及内外轮廓包含关系的提取.实验结果表明,算法在提取游程平均压缩率高的图像轮廓时具有较大的优势.

摘要：提出了一种新的运动目标轮廓提取方法。该方法分为3个步骤:对于红外与可见光图像序列,首先应用运动分割得到运动目标的初始轮廓线;其次,使用了动态轮廓线使其收敛到目标轮廓;最后,应用了两种新的图像融合方法,第1种方法求解两类模式图像的动态轮廓线控制点向量差的L2范数平方极小化,第2种方法通过图像配准实行改进的微分耦合。对比检测实验表明,第2种方法具有较好的融合效果。同时,设计了一种基于Newmark方法的动态轮廓线快速迭代算法,该方法如Wilson-θ方法的对比实验表明,Newmark方法稳定收敛的迭代时间降低了21.01%。

摘要：提取连续且高精度的人脸轮廓线是很多图像应用重要的基础步骤.然而很多现有的轮廓提取方法并不能很好地应用在人脸轮廓上.为此提出一种快速可靠的人脸轮廓提取方法,能够在关键点提供初始化后提取到高精度连续人脸轮廓线.其主要步骤是先拟合关键点形成一条初始化曲线,沿其密集采样重叠的矩形区域,将整个人脸轮廓区域划分成很多小的区域;然后在每个局部的矩形区域提取出一条抛物线引导基于梯度的局部人脸轮廓线;最后从很多局部人脸轮廓线中,通过全局融合找到最终的人脸轮廓线.这种交叉验证的机制保证了最后结果的正确性.最后在LFPW和HELEN人脸数据集上进行了实验,结果表明文中方法能有效地提高人脸轮廓提取的精度.