基于超像素和最近邻图合并的彩色图像分割

针对传统的分水岭算法在分割图像时存在过分割的问题,提出了一种基于多尺度形态学梯度重建与最近邻图合并准则的分水岭图像分割方法.该方法首先使用基于标记符控制的多尺度形态学梯度重建进行图像预处理,消除冗余的区域极值和噪声;然后通过构建最近邻图合并准则进一步对分水岭变换产生的超像素区域进行合并,提高了对目标特征的描述能力,使得算法在分割前景目标的同时也能获得背景目标的特征信息.实验结果表明,该方法能够较好地将相似的区域进行合并,与传统分水岭分割方法相比,可以有效弱化过分割问题,大幅提升目标的分割精度.     

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。     

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。     

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。     

基于数学形态学的细胞图像分割

该文提出了一种基于数学形态学理论的方法,用于分割细胞图像。首先利用灰度形态学中的重构运算对输入图像进行滤波来削弱或去除噪声的影响,然后取其形态学梯度并结合Top-Hat和Bottom-Hat两个变换来增强梯度图像的对比度,最终由分水岭算法完成分割。关于过分割的改进,该文引出一个特殊的Otsu阈值来标记图像,得到的结果无需进一步的后处理。     

白细胞图像分割

研究从血液细胞中分离出白细胞,采用数学形态学的方法对图像进行预处理,使用灰度阈值法分割出白细胞核,定位出细胞的具体区域,用面积最大法提取整个白细胞。实验结果表明,本文提出的方法可以正确有效的分离出白细胞。     

基于移动端的二维彩色条码分割算法研究

针对复杂环境下手机摄像头拍摄的二维彩色条码图像,提出了一种基于梯度特征的二维彩色 条码分割算法．首先,算法通过提取图像梯度特征来得到梯度图像;接着,采用ＤＣＴ变换对梯度图 像进行分块,并计算每块的加强系数,从而区分条码区域和非条码区域．最后,根据数学形态学和凸 包算法精确分割出条码区域．实验结果表明：该方法具有较好的分割能力,能够有效地从不同环境 下拍摄的二维彩色条码图像中分割出条码区域．     

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.     

基于分数阶微分、水平集及分水岭的铅锌浮选图像分割

针对铅锌浮选气泡暗颜色、细节弱、分割难的特征,提出了一种新的图像分割算法。该算法分成三个部分： 气泡边界增强： 基于分形学改进分数阶微分算法,主要是根据图像的纹理特性自动确定分数阶微分的非整数阶数,以自适应分数阶微分算法增强气泡边缘; 气泡亮点区域提取： 在改进传统的水平集算法基础上,进行精确的气泡亮点区域的提取,克服了全局自动阈值算法在提取气泡亮点时存在的缺陷; 图像分割： 利用内外标记修正梯度图像, 最后运用分水岭算法对浮选图像进行分割。对于不同铅锌矿大小气泡图像的实验,并通过与多种传统的图像分割算法分析比较,实验结果表明新算法不仅提高了浮选气泡图像的分割精度,并且有效地减少了传统图像分割算法的过分割问题,本文算法对于浮选气泡具有良好的分割效果。     

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。     

图像融合方法在细胞图像处理中的应用

目的将荧光图像和透射图像融合为一幅图像,实现荧光在细胞内部发光位置的准确定位,方法将图像融合技术应用于生物细胞图像的处理,采用两种基于小波变换的算法：双阈值法和消除高频噪声法,用于研究以溴乙啶（EB）标记的细胞凋亡现象,结果与结论通过融合图像可以准确判断细胞内部的发光位置,同时可观察到细胞的一些结构,图像的信噪比得以改善,图像融合方法不仅适合于研究细胞的荧光图像和透射图像,而且适合于对细胞进行双标记或三种标记的情况。     

红外小目标的背景预测与分割

根据红外小目标图像特性的分析,对不同的背景预测方法进行了比较,得出了不同方法的适用条件,并且对不同的门限分割方法进行了介绍。最后采用先均值后形态学Top-Hat滤波,最大绝对对比度自适应门限的方法进行分割,实验表明该方法是有效的。     

互补增强式空间运动目标高精度检测与分割

针对空间监视系统中的运动目标自主高精度的检测问题,提出一种显著性计算与光流检测互补增强式算法.以mean shift初检结果为导引,通过显著性区域检测与光流检测的互补增强而实现空间运动目标的高精度检测.首先通过梯度信息和频率调谐滤波的互补方式分别计算整幅图像和mean shift分割后各个分块区域的显著性,再以整幅图像显著性均值为参考,确定合理的阈值以检测候选目标;与此相并行,也采用光流计算及相应的阈值检测方法获取候选目标.进而通过对显著性计算与光流检测分别得到的两个不同候选目标分布图的合取运算进行目标确认,最后再辅之以形态学滤波使确认目标得以增强,从而实现空间运动目标的高精度检测与分割.研究结果表明,在无需知道任何场景和目标先验信息,也无需人工干预的条件下,所提算法能够有效实现空间运动目标的精确检测和分割,对光照变化和噪声干扰也有很强的适应能力.     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。