边缘走向自适应的多尺度分水岭分割算法

针对图像分割存在过分割、欠分割以及分割边界具有不确定性等问题,提出一种边缘走向自适应的多尺度分水岭遥感图像分割算法.此算法根据梯度变化的最大方向来确定单个波段的梯度值,通过各像元邻域内波段间的相关性合成多个波段的梯度,对梯度图像进行形态学重建之后,采用多尺度标记算法进行标记分水岭分割.选取QuickBird,SPOT,Landsat TM 3种不同空间分辨率的遥感影像对此算法进行试验分析;同时,将该算法与eCognition软件中多尺度分割方法、多波段组合的传统分水岭分割方法、形态学分水岭分割方法进行比较.结果表明:该算法分割结果的边界和真实的地物边界非常接近,分割结果精度优于eCognition软件中多尺度分割方法、多波段组合的传统分水岭分割方法和形态学分水岭分割方法.     

多尺度变换与标记符分水岭相结合的图像分割

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,提出一种将多尺度变换与控制标记符分水岭算法相结合的分割策略。首先对原始图像进行高斯金字塔尺度变换,抑制部分噪声,降低细节干扰;再用Sobel梯度算子计算尺度变换后的图像梯度;然后对梯度图像进行重建,再采用基于控制标记符的分水岭变换算法对重建后的梯度图进行分割,最后将分割结果变换回原始尺度。实验结果表明,该方法能够抑制传统算法中的过分割问题,且分割效果较好。     

基于改进的分水岭算法的图像分割

考虑到分水岭算法存在过分割问题,本文提出一种有效解决方法。在图像预处理过程中首先对图像进行中值滤波来消除部分噪声;然后采用形态学求梯度的方法得到原始图像的梯度图并对梯度图像进行开闭重建,在保留区域重要轮廓的同时去除了噪声和图像细节。在此基础上对重建后的梯度图像进行基于标记约束的分水岭分割。实验结果表明该方法能够较好地抑制过分割,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,降低了分割的复杂性。     

一种基于分水岭变换的图像分割方案

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，提出了一种基于开闭二次重建和非线性处理的分水岭图像分割方案.该方案根据噪声与信号在尺度与幅度分布上的差异，结合形态学开闭运算的特点，对原始图像进行形态开闭预重建，在计算形态梯度之后采用开闭后重建，对梯度进行给定的阈值变换，引入给定尺度等级的非线性分类，在像素连通关系的基础上，研究了一种改进的分水岭标记算法进行分割，并给出了具体实现流程,.仿真实验结果说明，该方案能够抑制传统算法中的过分割，且边缘定位准确.     

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性;其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度;将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生;最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。     

基于形态学特征的颗粒图像分割和计数

针对黏连严重、分辨率和清晰度较低的颗粒图像分割和计数问题,提出了一种基于分水岭和形态学特征的新方法.首先使用分水岭算法分割图像,得到过分割的结果,接着通过本文定义的区域形态学特征,再根据加权马氏距离和区域连接图(Region Adjacency Graph)进行区域合并.采用实际图像进行的实验表明,该算法效果良好,对原始图像的灰度、对比度和噪声变化具有不变性,在准确率-查全率(Precision-recall)曲线的表现上优于现有方法.     

多分辨率下自适应阈值判定的分水岭车辆图像分割算法

针对分水岭算法产生过分割现象,提出一种基于自适应阈值判定分水岭算法的图像分割方法,首先对图像进行多分辨率小波分解,再在某一尺度下计算梯度图像,并对该梯度图像进行自适应阈值判别,最后使用分水岭算法进行图像分割。实验结果表明该方法能取得较好的分割效果,有效的降低了过分割现象。     

基于形态滤波和分水岭算法的硅片缺陷提取

针对硅片表面缺陷的特点,对其缺陷的提取技术进行了研究,采用了多结构元素的广义形态闭-开和形态开-闭滤波器,结合改进分水岭算法进行缺陷提取.滤波器对输入图像及滤波后图像的梯度图像进行平滑,实现消除噪声、简化图像、保持细节的作用.为了克服分水岭的过度分割问题,提出了改进的分水岭算法,利用区域强度准则和边界强度准则对过分割区域进行合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取与选择奠定了基础.     

一种改进分水岭乳腺肿块图像分割方法

针对分水岭算法对噪声敏感、易产生过分割现象的问题,在图像的滤波和区域合并方法上做了改进.该算法首先对肿块图像做初步预处理,设计高斯差分滤波器,实现平滑滤波,增强图像的信噪比,并计算图像的梯度幅值;然后,依据传统分水岭变换算法进行粗分割,计算各个子区域的灰度均值并排序,依次合并灰度均值相似的区域,直到将整个肿块区域完整分割出来;最后,保留合并后灰度均值最大的肿块区域,去除灰度值较小的区域,得到最后的分割结果.实验结果表明:该算法相较于三层地形分割方法、自适应区域生长算法和二次分水岭算法,能够得到更准确的肿块边缘轮廓,误分率减少到23.07%,运行速度高.     

基于分水岭变换的高分辨率遥感图像分割

提出一种基于高分辨率遥感图像的分水岭分割方法。首先,利用Canny算法进行边缘检测,得到边缘梯度图。其次,利用数学形态学对梯度图像进行后处理。然后,根据自动标记分水岭变换方法实现高分辨率遥感图像分割。最后,利用基于信息熵评价方法,对遥感图像的分割结果进行非监督评价。结果表明:所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割效果。     

基于MIL的图像分割算法研究

传统分水岭图像分割算法主要基于梯度模值图像,寻找集水盆地,易产生过分割现象。本文提出了基于MIL改进的分水岭图像分割算法,借助MIL软件开发性强、函数库功能强大等特点,对粘连目标图像进行了分割。实验证明,该方法具有较强的有效性和实用性。     

基于模糊逻辑和区域合并的分水岭变换图像分割

通过分析分水岭变换对图像细微变化敏感而产生过分割现象的缺陷,提出一种基于模糊逻辑的分水岭变换区域合并算法。首先使用形态学滤波方法对图像进行平滑降噪处理,并进行分水岭变换。再根据相邻区域的边缘有效性与灰度相似性,通过模糊推理及去模糊化方法获得区域可合并度。最后根据可合并度进行区域合并,获得分割结果图像。实验结果的数据分析表明:该方法在保证了重要轮廓信息不丢失的前提下,克服过分割现象,大量减少无效区域,提高了分割结果对图像中物体轮廓的概括性,较好地达到分割图像的目的。     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分剖的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于标记提取分水岭算法的医学图像分割

针对医学图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法．此算法埘分水岭算法进行厂两点改进：一是在预处理阶段,先对原始图像做腐蚀滤波和膨胀滤波处理,将原始吲像与腐蚀图像相加后减去膨胀图像得到合并图像,再对合并图像做开、闭运算,从而达到滤除原始图像中的噪声和非感知信息、保留原始图像结构信息的目的;二是在分割阶段,对开、闭运算后的图像进行分水岭分割,该分割由形态梯度计算、标记提取和分水岭分割二部分组成．改进后的算法因为无需进行分割后的区域合并处理,降低了分割的复杂性,同时能较好地抑制慨部医学图像中的过分割问题,并把图像中的病变区域有效分割出来．     

改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。     

基于形态学分水岭算法的骨料分割及建模

为了解决混凝土图像处理中产生新的骨料边缘和边缘移动问题,提出了一种基于灰度图像形态学重构和标记的分水岭分割新算法.该算法结合多尺度理论,采用不同尺寸的结构元素对灰度图像进行形态学重构,然后对重构后的灰度图像进行内部和外部标记,采用形态学极小值标定技术修改梯度图像,最后进行分水岭变换,准确实现了混凝土图像的骨料分割,可用于真实骨料分形几何特性及力学性能研究.运用该方法生成的数值模型进行混凝土单轴受拉数值模拟,验证了该方法的有效性.     

新型自适应稳健双边滤波图像分割

从稳健回归分析的角度,推导得到高效的稳健双边滤波(BF)模型.针对由纹理、噪声等导致的图像局部梯度变化差异性,提出一种自适应的局部平滑尺度方法.运用该双边滤波模型处理原图像和纹理特征图,提取出灰度梯度和纹理梯度.采用形态学方法进行梯度融合,并使用分水岭变换实现图像分割.在Berkeley图像数据集和遥感图像上的实验结果表明:所提出的新型自适应稳健双边滤波方法可以得到视觉一致的分割效果;与传统方法相比,提高了对象边界识别率并降低了过分割效应;可以作为图像分析预处理过程的有效工具.     

基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法

针对传统区域邻接图在描述数据结构时,搜索全局最优解难的问题,提出了一种基于简单线性迭代聚类(SLIC)和快速最近邻区域合并的图像分割算法。该方法在区域邻接图基础上引入了最近邻接图来优化全局搜索,首先用SLIC超像素算法将图像分割成小区域,利用区域邻接图(RAG)和最近邻接图(NNG)的邻接表数据结构来描述区域之间的关系,然后计算每个待合并区域与其所有邻接区域之间的不相似度函数值,最后合并不相似度值最小的区域。实验结果表明:本文方法能较好地将最相似的区域进行合并,与传统的区域合并算法相比,降低了合并计算的复杂度,大幅度提高了区域合并的准确性。     

分水岭分割中的粘性形态学梯度修正

分水岭变换是一种有效的图像分割方法，但存在过分割现象，尽管应用预平滑处理可以减轻或消除过分割，但却容易使分割后的区域轮廓发生位置偏移，为此，文中首先对图像进行形态学梯度变换，然后运用粘性形态学运算对梯度图像进行地貌修正，在消除产生过分割的非规则局部极小值的同时，保持区域轮廓的位置不变，最后在梯度修正图像的基础上，运用标准分水岭变换实现图像分割。仿真实验表明，该方法不仅能有效地消除过分割，而且具有较强的区域轮廓定位能力。     

基于分水岭和模糊 C 均值聚类的图像分割方法

针对分水岭算法对微弱边缘和噪声非常敏感、容易导致过分割现象的问题,提出综合运用分水岭算法和基于区域的模糊 C 均值聚类的图像分割方法.与单独使用分水岭方法相比,该方法不仅利用区域的灰度信息,而且考虑了区域间的空间信息.实验结果表明,本方法能有效地对图像进行分割,克服了分水岭算法的过分割问题.