基于指纹的图像分割方法比较

本文用两种图像分割的方法,阚值分割和边缘检测分割处理指纹图像,通过比较处理后的图像,认识到图像分割的意义,并明确阈值分割和边缘检测分割方法,得出在何种情况下适合使用何种分割方法。     

医学图像分割方法综述

医学图像分割是一项极具挑战性的任务,也是医学领域与计算机视觉领域的完美结合.本文通过对医学图像分割领域现状的了解和学习,对其进行了系统性梳理,首先介绍了阈值法、区域法、边缘检测法、聚类法这4种传统的医学图像分割方法,然后介绍了基于深度学习的自动分割方法,最后对医学图像分割的发展趋势做出展望.     

三种图像分割算法的对比及图像分割方法的改进

通过研究图像分割算法的原理和实验对比,可以发现标记分水岭分割方法是以边缘特性为基础,通过设置光谱特征标记来分割图像,其分割结果边缘精度高,但是仍然存在较为严重的过分割和欠分割情况。而mean shift分割方法和eCognition分割方法是以光谱特征为分割依据的分割方法,虽然它们分割结果的过分割和欠分割情况较少,但是分割对象的边缘精度较差。分析以上存在的问题后,通过融合边缘特征和区域特征,并且依据一定的特征来选择种子点,尽量避免种子点选择在边缘区,从而实现提高图像分割的效果。通过实验取得了好的分割效果,说明改进的图像分割方法是可行的。     

基于法向分量边缘融合的深度图像分割

针对深度图像边缘较难分割的问题,提出一种基于法向矢量分量边缘信息融合的深度图像分割方法。计算深度图像中每点的法向矢量,提取法向矢量的x、y分量并构建灰度图,融合Sobel算子的边缘检测结果得到深度数据的初始分割,通过细化处理得到最终分割结果。实验结果表明,该方法得到的分割区域边界闭合完整,分割质量较高。     

基于ECCC的细胞图像分割算法

针对粘连细胞图像,提出ECCC(Eleven Components Chain Code)链码分割算法。首先对细胞边缘二值图像进行链码统计和边缘拐点检测,新算法对Freeman链码进行了改进,在链码中加入表示边缘拐点的新的链码元素,然后计算边缘拐点的链码差来筛选真实分割点,最后对分割点线性插值实现粘连细胞分割。实验结果表明,针对2粘连和3粘连细胞,ECCC法的分割成功率分别为100%和98%,平均耗时分别为0.42 s和0.67 s,比传统链码分割法减少了近55%的计算量,在复杂的细胞图像分割中具备一定的有效性和可行性。     

基于数学形态学边缘检测的车牌字符分割算法

汽车牌照字符分割是车牌识别过程中的关键步骤,直接影响到字符识别的效果。传统的方法对车牌图像质量要求较高,且抗干扰能力较差。提出一种基于Renyi熵和数学形态学边缘检测的车牌字符投影分割算法,首先用二维Renyi熵最大阈值法对车牌图像做二值化处理,然后用形态学腐蚀运算进行边缘检测,再去除车牌边框,最后通过投影分割提取车牌字符。仿真实验表明,基于Renyi熵最大阈值法和数学形态学边缘检测车牌图像预处理使得车牌字符边缘清晰,降低了噪声的干扰,有利于进行字符投影分割。该算法分割速度快,鲁棒性好,可获得比传统方法更好的分割效果。     

一种综合有效的癌细胞图象分割方法

该文综合两种常用的分割算法,即阈值法和边缘检测法的优点,介绍了一种针对食管癌细胞的形状提取方法。对该方法提出一种基于直方图势函数的多阈值分割方法,分割时细胞及细胞核部分不变而将它们以外的部分设为背景,保留了核的区域性质同时去除了噪声,以便于边缘检测;采用Canny算子,结合预分割结果进行边缘检测,以获得细胞尤其是细胞核的边缘形状特征,为癌细胞的诊断工作提供好的依据。将该分割方法应用于实际的医学图象分割的实验中,证明了该方法的有效性。     

基于距离变换的种子点优化算法

粘连颗粒分割中利用距离函数法求种子点时,在部分对象的核心区或边缘存在不连续的冗余种子点使分水岭分割出现过分割问题。本文研究、总结了四条冗余种子点特征,并依此提出一个利用填充算法的种子点优化算法。实验证明此算法在保证粘连颗粒正确剥离的基础上,有效改善了过分割问题。     

基于最大类间方差法的脑MRI图像分割

针对具体的脑MRI图像分割,经典的水平集方法存在处理时间较长、分割速度慢、不能很好地收敛到物体的实际边缘等缺点,本文采用了最大类间方差法（Ostu法）。文章详细阐述了最大类间方差法在具体的脑MKI图像分割中的应用,并将基于该方法的脑MRI图像边缘检测的实验结果与经典的水平集分割方法的处理结果进行了比较。实验结果显示,最大类间方差法不仅原理简单、运行速度快,而且能够实现边缘的精确检测。     

基于区域分离与聚合的分水岭分割

针对目前采用分水岭变换实现的图像分割容易出现过分割,导致图像分割边缘不明显现象,使得分割之后图像边缘失真。论文提出了一种结合拉普拉斯滤波和区域分离与聚合的改进分水岭变换图像分割方法。仿真结果表明,与传统的分水岭图像分割方法相比,该方法分割出的图像能有效抑制图像的过分割现象。     

融合Snake模型与拓扑路线的图像分割算法

为了能够提高图像边缘检测的准确度,提出一种新型图像处理算法.该算法是基于主动轮廓方法和拓扑路线相结合的方法,目的是提高图像检测过程的精确度.该算法提出了新型技术来整合拓扑路线和主动轮廓方法各自的优点.将基于拓扑路线的初始分割边界作为Snake模型输入信号,并逐步演化成为最终对象的分割边界.实验结果表明,该算法可以处理低对比度图像,同时可以提高针对弱图像边界进行分割的准确度,取得了更好的图像分割和边缘检测效果,说明该算法有改进低对比度和自动图像分割系统的处理能力.     

An Improved Method for Edge Detection and Image Segmentation Using Fuzzy Cellular Automata

Image segmentation is one of the most important and challenging problems in image processing. The main purpose of image segmentation is to partition an image into a set of disjoint regions with uniform attributes. In this study, we propose an improved method for edge detection and image segmentation using fuzzy cellular automata. In the first stage, we introduce a new edge detection method based on fuzzy cellular automata, called the texture histogram, and empirically demonstrate the efficiency of the proposed method and its robustness in denoising images. In the second stage, we propose an edge detection algorithm by considering the mean values of the edges matrix. In this algorithm, we use four fuzzy rules instead of 32 fuzzy rules reported earlier in the literature. In the third and final stage, we use the local edge in the edge detection stage to more accurately accomplish image segmentation. We demonstrate that the proposed method produces better output images in comparison with the separate segmentation and edge detection methods studied in the literature. In addition, we show that the method proposed in this study is more flexible and efficient when noise is added to an image.     

基于图像融合的飞行器轮廓提取方法

区域分割算法可将图像中含有有效信息的区域挑选出来,由此提出一种基于图像融合的边缘提取方法,在区域分割的基础上,利用分水岭算法对分割出来的含有有效信息的区域进行边缘提取。并将所得结果与其他边缘提取算法融合,得到单像素宽的、封闭的轮廓。该方法可以降低背景区域对结果的影响,综合多种算法的优点。实验结果表明该方法稳定可靠,具有较强的实用性。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

基于语义信息的精细化边缘检测方法

边缘检测是在图像中准确地提取视觉上显著的边缘像素,以得到图像的边缘信息,然而传统基于全卷积网络的边缘检测方法通常存在预测边缘粗糙、模糊等问题。提出一种语义信息指导的精细化边缘检测方法。通过图像分割子网络将学习到的图像语义信息传递给边缘检测子网络,同时利用图像语义信息指导边缘检测子网络,其引入具有注意力机制与残差结构的特征融合模块,以生成精细的图像边缘,增强不同尺度的特征融合。在此基础上,结合图像分割任务和图像边缘检测任务中的代价函数定义新的模型代价函数并进行训练,进一步提高网络边缘检测质量。在BSDS500数据集上的实验结果验证了该方法的有效性,结果表明,该方法的固定轮廓阈值与图像最佳阈值分别达到0.818和0.841,相比HED、RCF等主流边缘检测方法,能够预测更精细的边缘图像,且鲁棒性更优。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

基于遗传算法的胸部CT图像肺组织分割

肺组织分割是肺结节检测、肺功能定量分析、三维重建与可视化计算等胸部CT图像分析处理的基础。该文采用了一种基于遗传算法的边缘检测方法直接分割原始胸部CT图像的肺组织，利用遗传算法的全局寻优能力，以最大类间方差为适应度函数自动搜索最佳边缘检测阈值，并结合形态学处理提取肺组织边缘以实现肺组织分割。实验结果表明，该方法能简化分割处理，且分割效果较好，有不错的应用前景。     

基于改进的Sobel算子最大嫡图像分割研究

研究图像分割精度问题。针对传统的Sobel算子图像分割容易造成图像分割不清晰、对比度不明显、分割精度低等问题缺陷,提出一种改进的Sobel算子的二维最大墒数字图像分割方法。算法首先根据数字图像特征对图像进行初分割,然后应用Sobel算子检测出数字图像真正的边缘,将通过Sobel算法边缘检测获得的阂值应用到二维最大墒分割方法中。对数字图像目标和目标边缘分别使用不同的阂值进行分割,解决由于局部图像叠加而产生的分割不准确的问题。仿真实验表明,提出的算法对图像分割鲁棒性好,分割准确率高,是一种有效适用的算法。     

小波变换和Canny算子相结合的图像边缘检测算法

提出一种基于小波变换和Canny算子相结合的图像边缘检测算法.由于传统Canny算子在进行边缘检测时,会丢失边缘细节信息,产生伪边缘,因此,论文提出在进行Canny算子边缘检测前,首先使用二维最大类间方差算法将图像分为四幅子图,然后对各子图分别进行小波阈值去噪,对去噪图像进行图像融合后,使用Canny算子检测边缘,最后进行边缘连接,得到连续边缘线.实验结果表明,该算法可以在去除噪声的同时有效保留边缘细节,达到较好的检测效果.     

基于等周算法的图像分割

采用一种基于图论的等周算法对图像的分割进行了研究。首先利用等周算法对静止图像进行分割,并与边缘检测和区域检测的两种分割方法进行结果比较;接着利用等周算法并结合数学形态学处理对图像序列的分割进行了研究。实验结果表明：等周算法不仅可用于静止图像的分割,也可应用于图像序列的分割。基于等周算法可获取更为精确的分割结果,是一种快速的图论分割方法。并且结合形态学处理可对低对比度的目标获取好的分割结果。