基于模糊增强的医学图像分割分水岭算法研究

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将多尺度形态学边缘检测、模糊增强和控制标记符分水岭相结合的分割策略。该方法首先结合大结构元素和小结构元素各自的优点,用多尺度形态学边缘检测降弱过分割;其次用模糊增强算法使原始医学图像中粗细的边缘都能够得到增强;最后采用基于前景和背景标记的分水岭分割算法进行分割。仿真实验表明,该算法不仅可以有效的克服分水岭变换严重的过分割问题,得到有意义的区域分割,而且还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

一种适合医学图像分割的改进分水岭算法

对分水岭算法提出两点改进:先对原始图像的高帽和低帽形态作滤波预处理,滤除原始图像中的噪声和非感知信息,保留原始图像的结构信息;再采用修改了标记符的梯度图像进行分水岭分割,整个分割过程无须进行分割后的区域合并处理,降低了分割的复杂性.这种改进的方法不仅很好地抑制过分割现象,还能使医学图像中的病变区域被有效分割出来,该方法还支持任意形状,与新的静态图像压缩标准JPEG2000兼容,效果很好.     

改进分水岭算法在医学图像分割中的应用

医学图像存在病变区域和背景区域,病变区域是分割的重点,亦印感兴趣区域.针对传统的分水岭变换由于对噪声和细密纹理的敏感会产生严重的过分割现象,提出两点改进:首先对原始图像运用高频强调滤波作图像增强预处理,补偿图像轮廓、突出图像的边缘信息以使图像显得更加清晰;其次是采用修改了标记符的梯度图像进行分水岭分割,整个分割过程无须进行再进行后续的合并处理,降低了分割的复杂性.仿真实验结果表明,这种改进的方法不但使过分割现象得到了很好的抑制,而且医学图像中的病变区域被有效分割出来,同时该方法还支持任意形状,且与JPEG2000标准兼容,分割效果很好.     

基于形态预处理和标记提取的分水岭分割算法

为了解决传统分水岭算法的过分割问题,提出了一种基于内外标记的改进分水岭图像分割方法.该方法在形态增强图像的基础上,进行形态学开闭重构运算,在不影响图像中原有景物结构及边缘结构的同时,去除图像中的暗纹理和噪声.从重建后的增强图像中对感兴趣的目标和背景进行标记提取.依据标记利用形态学极小值标定技术对形态梯度图像进行修正,最后使用分水岭算法对修正后的梯度图像进行分割.该方法能够有效地抑制过分割现象,复杂度较低,并可通过调整图像分割过程的参数,得到理想的图像分割效果.     

一种基于自适应标记与区域间近邻传播聚类的分水岭图像分割算法

分水岭算法是一种高效的图像分割算法,能够准确地对图像进行基于区域的分割,但是存在易过分割的问题.为此本文提出一种改进的分水岭算法：首先,对彩色图像进行频谱包络滤波并计算彩色梯度获得梯度图像,再采取一种自适应设定参数的H-minima技术,对梯度图像的极小值区域进行标记;然后,对已标记极小值区域的梯度图像进行分水岭分割;最后,计算分水岭分割所得各区域的颜色矩,作为该区域的颜色特征,并对这些区域进行近邻传播聚类获得分割结果.通过与近年来其它改进的分水岭算法和采用聚类的图像分割算法实验比较,本文所提算法能更加有效地抑制过分割,提高分割准确率,具有良好的自适应性和鲁棒性.     

小波及分水岭变换在图像分割中的应用

在进行分水岭图像分割时,由于对噪声及灰度变化的敏感性,将得到过度分割的图像.为了克服这种缺点,利用小波多分辨率分析特性及图像增强对图像进行处理,去除大量的噪声信息,保留图像边缘的细节信息,并使图像边缘像素灰度值得到增强,减少由噪声带来的过度分割;对降噪增强后的图像使用形态学梯度算法及控制标记符的分水岭分割方法能够进一步减少由于灰度变化小带来的过度分割,从而较好地解决了过度分割问题[1].     

多尺度滤波和自适应标记提取的分水岭新算法

为了克服分水岭算法中的过分割问题,提出了一种基于多尺度滤波和自适应标记提取的分水岭新算法.首先对HSV空间中的V分量进行多尺度滤波,并把滤波后的图像转换到RGB空间;再计算梯度,并对其进行多尺度滤波;然后利用H-minima变换进行自适应标记提取;最后对修改后的梯度图像进行分水岭变换.实验结果表明:与其他改进的分水岭算法相比,此算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域.     

基于改进分水岭算法的医学图像分割的研究

本文针对医学图象的特点，改进了医学图像的分水岭算法，并用于医学图像的分割处理。这种分割通常应用分水岭算法，但是它有过分割的严重问题。本文闸述了在分水岭算法的基础上做的一些改进，其内容是：在分水岭算法之前，引入浮点，活动图像作为分水岭算法的输入，在分水岭算法之后，在面积控制的基础上，同时根据面积控制和对比度控制的准则，将某些被分割的小区并入邻近较大的区域。这种改进的方法使过分割现象得到了很好的抑制，而且医学图像中的病变小区被分割出来了，效果很好。     

基于标记分水岭和区域合并的彩色图像分割

针对分水岭算法的过分割问题,设计了一种结合标记分水岭和区域合并的彩色图像分割算法.算法首先根据梯度图像局部极小值的综合信息自适应提取标记,在标记的基础上进行分水岭变换获得初始分割结果;然后结合人眼对区域相似性的实际感知定义了融合颜色距离、方差和边缘信息的综合距离度量,通过综合距离度量控制区域进行快速合并得到高级分割结果...     

基于数学形态学的医学CT图像分割方法研究

提出一种基于形态学分水岭算法的医学CT图像分割方法。针对传统分水岭算法易产生过分割现象的问题,分析产生过分割现象的原因并提出解决方案:首先利用形态学重构算法滤波,然后合并极小值,对梯度图像进行修正,最后对修正的梯度图像进行分水岭变换。仿真结果表明该方法能够抑制过分割现象,得到理想的分割结果。     

基于B样条函数的图像分割分水岭算法研究

针对传统分水岭算法存在的过分割和对噪声敏感问题,提出了一种能很好地抑制噪声、剔除图像的伪边缘、准确定位图像边缘信息的方法。首先采用高频强调滤波对梯度图像进行增强,然后利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割。实验结果表明,通过该法处理的梯度图像再进行分水岭变换,有效避免了过度分割问题;同时准确定位了图像边缘信息,提高了分割精度。     

基于人体手指静脉图像分割算法的研究

根据人体手指静脉图像的结构及特点,提出了一种能很好地抑制噪声、剔除图像的伪边缘、准确定位手指静脉图像边缘信息的方法。首先采用高频强调滤波对梯度图像进行增强,然后利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割。实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,有效避免了过分割问题,同时准确定位了手指静脉图像边缘信息,提高了手指静脉图像分割精度。     

基于形态学分水岭的Normalized Cut图像分割方法

针对传统分水岭分割后所产生的过分割问题,提出了一种基于形态学分水岭算法和Normalized Cut算法相结合的图像分割方法。在传统分水岭分割的基础上,融合形态学算法进行初步分割,并将分割后各个子区域的形心和平均灰度值作为Normalized Cut算法的输入参数,完成图像分割。结果表明,组合算法既避免了过分割现象,也达到了Normalized Cut算法的分割精度,是一种有效的图像分割算法。     

基于梯度重建与形态学分水岭算法的图像分割

由于分水岭算法存在着过分割的问题,文章提出了一个有效解决该问题的方法。首先,在图像预处理过程中先对图像进行形态学滤波,消除部分噪声;其次,采用形态学求梯度的方法得到原始图像的梯度图并对其进行开闭重建,在保留区域重要轮廓的同时去除噪声和图像细节;第三,对重建后的梯度图像进行基于标记约束的分水岭分割。试验结果表明：该方法能够很好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,从而降低了分割的复杂性。     

基于分水岭变换和蚁群聚类的图像分割

针对传统分水岭分割算法对噪声敏感和易于产生过分割问题,提出一种新的基于分水岭和蚁群智能聚类的图像分割方法(CWAC,Combining watersheds and ant colony clustering).CWAC方法首先用分水岭变换对图像做初分割,然后用蚁群方法在区域之间进行聚类合并,获得最终的分割结果.CWAC不但成功地解决了分水岭存在的过分割问题,还大大提高了蚁群聚类算法的搜索效率;本文利用分水岭变换后的灰度信息和空间信息,定义了一种新的引导函数,可更准确有效引导蚁群聚类.实验结果表明CWAC可以快速准确地分割出目标,是一种有效的图像分割方法.     

边缘惩罚层次区域合并SAR图像分割算法

该文利用方向边缘强度信息,建立一种新的边缘惩罚SAR图像分割模型,提出一种最小化该模型的层次区域合并算法。利用多方向比例边缘检测算子(MDRED)提取边缘强度信息,并结合分水岭变换获得高质量的初始过分割结果。利用多边形近似区域边缘,提取边缘的方向,将方向边缘强度映射(OESM)融入边缘惩罚中,获得惩罚强度与边缘强度呈反比的惩罚项。逐渐增大边缘惩罚项的强度,获得由图像特征驱动的层次区域合并算法。利用区域邻接图(RAG)表示图像分割,提高区域合并的速度。实验表明:该文方法与其它方法相比在性能和效率上都有优势,获得更好的分割结果。     

结合光谱相似性与相位一致模型的高分辨率遥感图像分割方法

提出一种结合高分辨率遥感图像的光谱相似性与相位一致边缘检测模型的分水岭分割方法。分水岭分割算法的性能依赖于图像边缘梯度图。利用同类地物的光谱相似性特点,可有效抑制相位一致模型边缘检测中产生的伪边缘和噪声信息,从而获得更好的遥感图像分割结果。本文首先基于目标像元与其邻域像元之间的光谱曲线距离之和定义光谱相似性模型,结合相位一致模型获得边缘响应强度;然后利用自动标记分水岭变换方法实现高分辨率遥感图像分割。使用本文方法和其它方法对遥感图像进行了分割实验,并利用基于多光谱信息熵方法对分割结果进行了非监督评价和比较,同时对计算耗时进行了对比分析。结果表明本文所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割结果。