针对传统接触式尺寸测量方法的缺点,探讨利用数字图像处理技术进行几何尺寸测量的方法,为产品的尺寸测量提供实时、快速、有效、经济的测量途径.给出了利用数字图像处理技术进行非接触式尺寸测量的方法,它包括图像的预处理,二值化,图像分割,轮廓线条的提取、拟合、光滑,系统的标定,尺寸的计算等.并从理论和实践上证明该方法的可行性和正确性

提出了基于免疫遗传算法的形态学自适应结构元素生成算法，并将其用于光学相干断层成像(optical coherence tomography，OCT) 图像中视网膜组织边缘检测. 首先将图像进行去噪和粗分割的预处理，并将图像划分为若干子图像; 其次对每一子图利用免疫遗传算法求取自适应结构元，初始随机生成固定长度的二进制数串作为抗体，并将其转化为结构元素格式，以图像二维熵定义抗体适应度，根据子图像本身结构特征信息，寻找最优抗体结构元素; 最后利用寻优得到的各结构元素对子图进行形态学边缘检测，合并各子图的分割结果，实现整体图像目标边界提取. 实验结果表明了该方法在图像目标边界提取的有效性

为研究风化壳淋积型稀土矿浸出过程中溶液渗流作用对孔隙结构的影响，以去离子水为溶浸液开展浸矿实验。对浸出前后矿样进行显微CT扫描，获取了试样内部结构图像，利用阈值分割算法得到了浸出前后稀土矿样的孔隙结构图像。进而，研究了溶液渗流作用下试样孔隙结构的变化特征，分析了渗流作用对试样孔隙率、孔隙体积、孔隙长度、孔隙宽度和孔隙方位角等参数的影响。结果表明：稀土矿孔隙形状和尺寸在渗流作用下发生显著变化，且在粗细颗粒接触区最为明显；溶液渗流作用使得稀土矿孔隙率增大，孔隙总数量减少，孔隙总体积增大。渗流作用下矿样中小孔隙数量减少，大孔隙数量增多，各尺寸区间的孔隙数量变化率随孔隙尺寸的增大呈现先增大后减小的趋势。溶液渗流作用下孔隙长宽比分布更加集中，孔隙方位角在各角度区间的分布更加均匀，孔隙各向异性增强

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义

为研究堆浸体系矿石粒径分布对孔隙结构的影响，对不同级配矿岩散体构成的浸柱开展显微CT扫描测试，得到浸柱内部结构图像。通过阈值分割算法对孔隙结构进行提取，建立浸柱三维孔隙模型，对浸柱体孔隙率和面孔隙率的空间分布特征进行研究。利用最大球算法构建浸柱孔隙网络模型，进而分析矿石粒径分布对孔喉半径、喉道长度、孔喉体积、形状因子和配位数等参数的影响规律。结果表明：矿石颗粒级配性越好，矿堆孔隙率越低；矿石粒径越均匀，矿堆不同区域孔隙率差异越小；矿石粒径分布对孔隙尺寸和连通性影响较为显著，对孔喉形状因子影响较小。随着细颗粒矿石的减少，大孔隙增多，孔喉半径、喉道长度和孔喉体积相应增大；随着矿石粒径均匀性的增加，堆浸体系中孤立孔隙所占比例减少，高配位数孔隙所占比例增大，即矿堆内的孔隙空间具有更好的连通性

针对图像匹配制导中异源图像匹配难度大的问题,提出一种基于椭圆对称方向矩的可见光与红外图像配准算法.基于最稳定极值区域提取异源图像中具有尺度和仿射不变特性的椭圆区域,利用聚类分割方法从中自动选取具有异源不变性的同质区域特征,用椭圆对称方向矩描述区域特征边界各方向上的相似程度,通过互相关性指标进行特征匹配,获取匹配特征对,利用匹配矫正策略减少误匹配.实验结果表明:较传统算法,进一步提高了可见光与红外图像关联特征的匹配效率,正确率超过了95%,计算时间缩短了近一半.基本满足图像匹配制导对匹配算法实时性好、匹配正确率高、抗干扰能力强等要求

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

提出了一种用于形状检索的基于多级三角形面积函数的傅里叶描述子.对形状轮廓上任一点,多级三角形面积函数通过轮廓的非等弧长分割计算得出,可以很好地描述形状的整体特征和局部细节特征.形状特征向量由多级三角形面积函数的低频傅里叶变换系数构成.在标准的MPEG-7形状图像库上对该方法进行了图像检索实验,并与已有的分别基于中心距离函数、面积函数、最远点距离函数、角度半径复函数、拱高半径复函数的傅里叶描述子以及混合傅里叶描述子进行了检索性能比较.实验结果表明,所提出的方法在相同查全率时具有最高的查准率,且具有较低的计算复杂度,证明该方法的有效性

基于图像处理的方法，采用了由粗及精的瞳孔定位思想，提出了一种高精度的瞳孔定位算法。该算法首先利用瞳孔区域的直方图，采用改进的最大类间方差法自适应地分割瞳孔区域，实现粗略定位，然后利用瞳孔灰度的梯度特性来精确定位瞳孔边缘点，最后在像素级瞳孔边缘点的基础上，采用亚像素定位方法，更精确地求得亚像素级瞳孔边缘点，并通过椭圆拟合的方法来精确确定瞳孔的中心位置。另外，针对瞳孔被遮挡的情况，本文提出了一种等距离补偿瞳孔的方法。多次实验结果证明了该算法对遮挡瞳孔的定位有较强的鲁棒性，可以准确地定位瞳孔的位置

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1 m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础