摘要：提出一种基于Gaussian facet模型的3D边缘检测算法.首先利用Gaussian加权最小二乘拟合,引入空间权因子表达图像采样点对模型参数估计的相对重要度,扩展了经典Haralick facet模型,建立了3D Gaussian facet模型及其计算公式;然后采用抗噪性好的3DIDDG算子估计梯度方向,并在该梯度方向上计算二阶方向导数过零点,以获得表面点亚体素位置.实验结果表明,该算法能有效地降低邻近边缘干涉对检测结果的影响,可更好地提取尺寸较小的结构边缘.

摘要：针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于循环平移Contourlet变换和facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换,利用硬阈值对图像进行去噪,提高图像的信噪比和平滑性;然后设计了一种基于facet模型多向梯度特性的中值滤波器,对去噪后的图像进行滤波,有效地抑制复杂背景和噪声;其次采用两级最大类间方差算法对滤波后的图像进行分割;最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明,这种算法抗噪性强,对包含强纹理结构的复杂背景具有良好的抑制作用,能够有效地检测出弱小目标。

摘要：在基于CT的工业应用中,常常需要从CT切片序列获得实体的3D高精度表面信息。介绍了一种基于facet模型的亚体素表面检测算法,并针对其计算效率低的问题,给出了一种3Dfacet模型的加速算法。该改进算法将facet模型的三维卷积核分解为3个一维卷积核,使算法复杂度从O(m3)降低到O(3m),并采用增量算法解决了由此产生的存储空间问题。通过对仿真图像的实验,验证了该算法的效率和精度,表明该算法在保持原始算法精度的同时,处理速度提高了约两倍。

摘要：针对基于facet模型的亚体素表面检测算法计算量大的问题,提出将3维facet模型的可分滤波器递归算法与感兴趣区域加速策略相结合的加速方案。可分滤波器递归算法通过在离散正交基下将3维卷积转换为3个1维卷积并使1维卷积递归执行,使计算量与卷积核大小无关,大大节省了计算时间。采用增量算法解决了可分滤波器递归算法内存耗费量大的问题。感兴趣区域加速策略采用图像分割后提取目标的分段包围盒作为有效区域,从而大幅缩减待处理数据量。实验结果表明本文加速方案在保持原始算法精度的同时,能取得很好的加速效果。

摘要：针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。

摘要：针对ICT图像序列,研究了基于facet模型和基于矩的亚体素表面检测算法,并通过引入基于Otsu的阈值分割预处理环节,大大减少了待处理体素的数目,在很大程度上提高了原始算法的处理速度。最后在对航空发动机叶片仿真数据的实验中,对比了算法处理效果,结果表明两算法检测精度均可达1/5个像素以内,预处理环节的引入可将原始算法速度提高约4倍。