2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自适应超像素分割的点刻式DPM区域定位算法研究

王娟 王萍 王港

王娟, 王萍, 王港. 基于自适应超像素分割的点刻式DPM区域定位算法研究. 自动化学报, 2015, 41(5): 991-1003. doi: 10.16383/j.aas.2015.c140233
引用本文: 王娟, 王萍, 王港. 基于自适应超像素分割的点刻式DPM区域定位算法研究. 自动化学报, 2015, 41(5): 991-1003. doi: 10.16383/j.aas.2015.c140233
WANG Juan, WANG Ping, WANG Gang. Stippled Direct Part Mark Location Based on Self-adaptive Super-pixels Segmentation. ACTA AUTOMATICA SINICA, 2015, 41(5): 991-1003. doi: 10.16383/j.aas.2015.c140233
Citation: WANG Juan, WANG Ping, WANG Gang. Stippled Direct Part Mark Location Based on Self-adaptive Super-pixels Segmentation. ACTA AUTOMATICA SINICA, 2015, 41(5): 991-1003. doi: 10.16383/j.aas.2015.c140233

基于自适应超像素分割的点刻式DPM区域定位算法研究


DOI: 10.16383/j.aas.2015.c140233
详细信息
    作者简介:

    王娟 2015 年获得天津大学博士学位. 主要研究方向为模式识别与智能系统. E-mail: wangjuan85@tju.edu.cn

    通讯作者: 王萍 天津大学电气与自动化工程学院教授. 主要研究方向为模式识别方法及应用, 图像理解, 运动对象跟踪. E-mail: wangps@tju.edu.cn
  • 基金项目:

    河北省科技支撑项目 (12213519D)资助

Stippled Direct Part Mark Location Based on Self-adaptive Super-pixels Segmentation

More Information
  • Fund Project:

    Supported by Science and Technology Support Program of Hebei Province (12213519D)

  • 摘要: 为解决点刻式直接零件标志(Direct part mark, DPM)码基本单元分割困难、区域定位欠精确等问题, 提出使用超像素分割和谱聚类相结合的算法,对含有DPM区域的图像进行初步分割和精确定位. 首先为提高超像素分割的准确、快速和完整性,本文利用近邻传播聚类思想实现自动聚类得到超像素区域, 并引入边缘置信度调整超像素边缘,形成自适应边缘简单线性迭代聚类 (Adaptive edge simple linear iterative clustering, AE-SLIC)算法. 该算法改进了简单线性迭代聚类(Simple linear iterative clustering, SLIC)超像素分割算法存在的未明确界定超像素区域边缘信息和分割数目无法自适应确定等问题; 其次,将超像素作为谱聚类中图的顶点进行二次聚类, DPM区域内超像素因相似度高而被聚集为一类, 从而完成点刻式DPM区域的精确定位.经实验测试和分析,本文算法得到的超像素分割结果在完整性、 运算复杂度等方面优于常见的超像素分割算法.与基于像素点运算的传统定位算法相比, 本文算法具有良好的实时性、定位准确率和鲁棒性.
  • [1] Information Technology Automatic Identification and Data Capture Techniques-Guidelines for Direct Part Marking (DPM), ISO/IEC TR 24720-2008 (E), 2008.
    [2] [2] Ha J E. A new method for detecting data matrix under similarity transform for machine vision applications. International Journal of Control Automation and Systems, 2011, 9(4): 737-741
    [3] [3] Wang W, He W P, Lei L, Guo G F. Polluted and perspective deformation DataMatrix code accurate locating based on multi-features fusion. Chinese Journal of Electronics, 2014, 23(3): 550-556
    [4] Wang Wei, He Wei-Ping, Lei Lei, Guo Gai-Fang, Niu Jin-Bo. Accurate location of polluted DataMatrix code from multiple views. Journal of Computer-Aided Design and Computer Graphics, 2013, 25(9): 1345-1353(王伟, 何卫平, 雷蕾, 郭改放, 牛晋波. 污染及多视角下DataMatrix码精确定位. 计算机辅助设计与图形学学报, 2013, 25(9): 1345-1353)
    [5] [5] Chu C H, Yang D N, Pan Y L, Chen M S. Stabilization and extraction of 2D barcode for camera phones. Multimedia Systems, 2011, 17(2): 113-133
    [6] [6] Yang H J, Jiang X D, Kot A C. Accurate localization of four extreme corners for barcode images captured by mobile phones. In: Proceedings of the 17th IEEE International Conference on Image Processing. Hong Kong, China: IEEE, 2010. 3897-3900
    [7] Han Shou-Dong, Zhao Yong, Tao Wen-Bing, Sang Nong. Gaussian super-pixel based fast image segmentation using graph cuts. Acta Automatica Sinica, 2011, 37(1): 11-20(韩守东, 赵勇, 陶文兵, 桑农. 基于高斯超像素的快速Graph Cuts图像分割方法. 自动化学报, 2011, 37(1): 11-20)
    [8] [8] Felzenswalb P F, Huttenlocher D P. Efficient graph-based image segmentation. International Journal of Computer Vision, 2004, 59(2): 167-181
    [9] [9] Shi J, Malik J. Normalized cuts and image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(8): 888-905
    [10] Moore A, Prince S, Warrell J, Mohammed U, Jones G. Superpixel lattices. In: Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition. Anchorage, AK: IEEE, 2008. 1-8
    [11] Liu M Y, Tuzel O, Ramalingam S, Chellappa R. Entropy rate superpixel segmentation. In: Proceedings of the 2011 IEEE Conference on Computer Vision and Pattern Recognition. Providence, RI: IEEE, 2011. 2097-2104
    [12] Levinshtein A, Stere A, Kutulakos K N, Fleet D J, Dickinson S J, Siddiqi K. Turbopixels: fast superpixels using geometric flows. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2009, 31(12): 2290-2297
    [13] Vedaldi A, Soatto S. Quick shift and kernel methods for mode seeking. In: Proceedings of the 2008 Computer Vision ECCV 2008. Berlin, Heidelberg: Springer, 2008. 705-718
    [14] Zhu Jian-Yong, Gui Wei-Hua, Yang Chun-Hua, Wu Jia, Zhou Wen-Zhen. Reagent dosage control based on bubble size random distribution for copper roughing. Acta Automatica Sinica, 2014, 40(10): 2089-2097(朱建勇, 桂卫华, 阳春华, 吴佳, 周文振. 基于泡沫尺寸随机分布的铜粗选药剂量控制. 自动化学报, 2014, 40(10): 2089-2097)
    [15] Achanta R, Shaji A, Smith K, Lucchi A, Fua P, Ssstrunk S. SLIC Superpixels. EPFL Technical Report 149300, Swiss Federal Institute of Technology in Lausanne, Swiss, 2010.
    [16] Achanta R, Shaji A, Smith K, Lucchi A, Fua P, Ssstrunk S. SLIC superpixels compared to state-of-the-art superpixel methods. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(11): 2274-2282
    [17] Ren C Y, Reid I. gSLIC: A Real-time Implementation of SLIC Superpixel Segmentation. Technical Report, Department of Engineering, University of Oxford, UK, 2011.
    [18] Lucchi A, Li Y P, Smith K, Fua P. Structured image segmentation using kernelized features. In: Proceedings of the 12th European Conference on Computer Vision ECCV 2012. Berlin, Heidelberg: Springer, 2012. 400-413
    [19] Lin C H, Chen C C, Lee H L, Liao J R. Fast K-means algorithm based on a level histogram for image retrieval. Expert Systems with Application, 2014, 41(7): 3276-3283
    [20] Frey B J, Dueck D. Clustering by passing messages between data points. Science, 2007, 315(5814): 972-976
    [21] Zhang Jian-Peng, Chen Fu-Cai, Li Shao-Mei, Liu Li-Xiong. Data stream clustering algorithm based on density and affinity propagation techniques. Acta Automatica Sinica, 2014, 40(2): 277-288(张建朋, 陈福才, 李邵梅, 刘力雄. 基于密度与近邻传播的数据流聚类算法. 自动化学报, 2014, 40(2): 277-288)
    [22] Wang Pei-Zhen, Mao Xue-Qin, Mao Xue-Fei, Gao Shang-Yi, Zhang Dai-Lin. Coke micrograph segmentation based on mean shift and edge confidence. Journal of Image and Graphics, 2010, 15(10): 1478-1484(王培珍, 毛雪芹, 毛雪菲, 高尚义, 张代林. 基于均值偏移和边缘置信度的焦炭显微图像分割. 中国图象图形学报, 2010, 15(10): 1478-1484)
    [23] Dalal N, Triggs B. Histograms of oriented gradients for human detection. In: Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. San Diego, CA, USA: IEEE, 2005. 886-893
    [24] Applying Data Matrix Identification Symbols on Aerospace Parts, NASA-STD-6002 A, 2008.
    [25] Zhou Lin, Ping Xi-Jian, Xu Sen, Zhang Tao. Cluster ensemble based on spectral clustering. Acta Automatica Sinica, 2012, 38(8): 1335-1342(周林, 平西建, 徐森, 张涛. 基于谱聚类的聚类集成算法. 自动化学报, 2012, 38(8): 1335-1342)
    [26] Shen J J, Hsu P W. A fragile associative watermarking on 2D barcode for data authentication. International Journal of Network Security, 2008, 7(3): 301-309
  • [1] 侯向丹, 李柏岑, 刘洪普, 杜佳卓, 郑梦敬, 于铁忠. 融合纹理信息的SLIC算法在医学图像中的研究[J]. 自动化学报, 2019, 45(5): 965-974. doi: 10.16383/j.aas.c180682
    [2] 汪云飞, 冯国强, 刘华伟, 赵搏欣. 基于超像素的均值-均方差暗通道单幅图像去雾方法[J]. 自动化学报, 2018, 44(3): 481-489. doi: 10.16383/j.aas.2018.c160594
    [3] Chan Sixian, Zhou Xiaolong, Zhang Zhuo, Chen Shengyong. Interactive Multi-label Image Segmentation With Multi-layer Tumors Automat[J]. 自动化学报, 2017, 43(10): 1829-1840. doi: 10.16383/j.aas.2017.e160186
    [4] 刘展杰, 陈晓云. 局部子空间聚类[J]. 自动化学报, 2016, 42(8): 1238-1247. doi: 10.16383/j.aas.2016.c150335
    [5] 陈晋音, 何辉豪. 基于密度的聚类中心自动确定的混合属性数据聚类算法研究[J]. 自动化学报, 2015, 41(10): 1798-1813. doi: 10.16383/j.aas.2015.c150062
    [6] 王楠, 马书根, 李斌, 王明辉, 赵明扬. 震后建筑内部层次化SLAM的地图模型转换方法[J]. 自动化学报, 2015, 41(10): 1723-1733. doi: 10.16383/j.aas.2015.c150125
    [7] 蒋盛益, 杨博泓, 王连喜. 一种基于增量式谱聚类的动态社区自适应发现算法[J]. 自动化学报, 2015, 41(12): 2017-2025. doi: 10.16383/j.aas.2015.c150290
    [8] 张东晓, 鲁林, 李翠华, 金泰松. 基于亚像素位移的超分辨率图像重建算法[J]. 自动化学报, 2014, 40(12): 2851-2861. doi: 10.3724/SP.J.1004.2014.02851
    [9] 李艳凤, 陈后金, 杨娜, 张胜君. 基于解剖学特征的乳腺X线图像胸肌分割[J]. 自动化学报, 2013, 39(8): 1265-1272. doi: 10.3724/SP.J.1004.2013.01265
    [10] 谭乐怡, 王守觉. 基于双重超像素集的快速路径相似度图像分割算法[J]. 自动化学报, 2013, 39(10): 1653-1664. doi: doi{10.3724/SP.J.1004.2013.01653
    [11] 王力, 吴成东, 陈东岳, 李孟歆, 陈莉. 非线性流形上的线性结构聚类挖掘[J]. 自动化学报, 2012, 38(8): 1308-1320. doi: 10.3724/SP.J.1004.2012.01308
    [12] 彭宇, 罗清华, 王丹, 彭喜元. 基于区间数聚类的无线传感器网络定位方法[J]. 自动化学报, 2012, 38(7): 1190-1199. doi: 10.3724/SP.J.1004.2012.01190
    [13] 周林, 平西建, 徐森, 张涛. 基于谱聚类的聚类集成算法[J]. 自动化学报, 2012, 38(8): 1335-1342. doi: 10.3724/SP.J.1004.2012.01335
    [14] 黄旭, 吕强, 钱培德. 一种用于蛋白质结构聚类的聚类中心选择算法[J]. 自动化学报, 2011, 37(6): 682-692. doi: 10.3724/SP.J.1004.2011.00682
    [15] 韩守东, 赵勇, 陶文兵, 桑农. 基于高斯超像素的快速Graph Cuts图像分割方法[J]. 自动化学报, 2011, 37(1): 11-20. doi: 10.3724/SP.J.1004.2011.00011
    [16] 徐森, 卢志茂, 顾国昌. 解决文本聚类集成问题的两个谱算法[J]. 自动化学报, 2009, 35(7): 997-1002. doi: 10.3724/SP.J.1004.2009.00997
    [17] 王开军, 张军英, 李丹, 张新娜, 郭涛. 自适应仿射传播聚类[J]. 自动化学报, 2007, 33(12): 1242-1246. doi: 10.1360/aas-007-1242
    [18] 闫德勤, 迟忠先, 王军. MLVQ网络聚类算法[J]. 自动化学报, 2004, 30(4): 608-612.
    [19] 黄敏超, 张育林, 陈启智. 模糊超球神经网络在模式聚类中的应用[J]. 自动化学报, 1997, 23(2): 279-282.
    [20] 宋原章, 王仁华. 汉语语音的聚类分段研究[J]. 自动化学报, 1989, 15(5): 463-466.
  • 加载中
计量
  • 文章访问数:  1042
  • HTML全文浏览量:  19
  • PDF下载量:  1427
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-08
  • 修回日期:  2014-12-23
  • 刊出日期:  2015-05-20

基于自适应超像素分割的点刻式DPM区域定位算法研究

doi: 10.16383/j.aas.2015.c140233
    作者简介:

    王娟 2015 年获得天津大学博士学位. 主要研究方向为模式识别与智能系统. E-mail: wangjuan85@tju.edu.cn

    通讯作者: 王萍 天津大学电气与自动化工程学院教授. 主要研究方向为模式识别方法及应用, 图像理解, 运动对象跟踪. E-mail: wangps@tju.edu.cn
基金项目:

河北省科技支撑项目 (12213519D)资助

摘要: 为解决点刻式直接零件标志(Direct part mark, DPM)码基本单元分割困难、区域定位欠精确等问题, 提出使用超像素分割和谱聚类相结合的算法,对含有DPM区域的图像进行初步分割和精确定位. 首先为提高超像素分割的准确、快速和完整性,本文利用近邻传播聚类思想实现自动聚类得到超像素区域, 并引入边缘置信度调整超像素边缘,形成自适应边缘简单线性迭代聚类 (Adaptive edge simple linear iterative clustering, AE-SLIC)算法. 该算法改进了简单线性迭代聚类(Simple linear iterative clustering, SLIC)超像素分割算法存在的未明确界定超像素区域边缘信息和分割数目无法自适应确定等问题; 其次,将超像素作为谱聚类中图的顶点进行二次聚类, DPM区域内超像素因相似度高而被聚集为一类, 从而完成点刻式DPM区域的精确定位.经实验测试和分析,本文算法得到的超像素分割结果在完整性、 运算复杂度等方面优于常见的超像素分割算法.与基于像素点运算的传统定位算法相比, 本文算法具有良好的实时性、定位准确率和鲁棒性.

English Abstract

参考文献 (26)

目录

    /

    返回文章
    返回