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...     

基于标记的Watershed图像分割新算法

为了防止Watershed算法过分割问题,文中提出一种新改进的基于标记的Watershed自动图像分割方法.文中设计出一种有效的标记自动提取方法,用来从梯度图像的低频成分中提取与图像中的物体相关的极小值, 用这些极小值构成二值标记图像.根据二值标记图像,形态学的极小值标定技术被用来将这些提取的标记强制作为原始梯度图像的极小值,而屏蔽原有梯度图像的所有极小值.最后,watershed算法在修改过的梯度图像上进行图像分割.利用本文提出的图像分割算法可以获得较为理想的图像分割结果.通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且均一的分割区域,以及较为准确、连续、一个像素大小的物体边界.与其它的Watershed改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低Watershed算法的过分割问题.     

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.     

结合自适应TV模型和分水岭变换的图像分割算法

针对传统分水岭算法对噪声敏感,易出现过分割的现象,提出一种自适应全变分模型和标记分水岭算法相结合的图像分割算法。采用自适应全变分模型对原始图像进行滤波处理,平滑去噪的同时保留图像的边缘信息;求解其多尺度形态学梯度图像,并用基于最大熵的扩展极小值技术获得的前景和背景标记并对其多尺度梯度图像修改;对修改后的梯度图像进行分水岭变换,实现准确的分割。对比常用和相似的图像分割算法,实验结果表明,该算法在抗噪性、运行时间和分割交并比上有一定的优势。尤其是在噪声强、灰度值接近的医学图像上能够获得合理有意义的分割区域,效果良好。     

基于改进滤波和标记提取的分水岭算法

针对彩色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.改进后的算法由平滑滤波、彩色梯度计算、标记提取和分水岭变换组成.在平滑滤波阶段,设计了保边性能优于传统频域低通滤波器的频谱包络滤波器并运用于彩色图像及其梯度的平滑.彩色图像梯度计算直接在彩色向量空间进行.在标记提取阶段,利用局部极小值区...     

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.     

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.     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.     

改进的分水岭算法用于X光医学图像分割

为了提高医学图像分割质量,提出了一种基于X光医学图像的改进分水岭算法。算法在应用分水岭算法前首先对感兴趣图像进行预处理,包括对感兴趣区域进行最小阈值法,分离背景区,对前景区运用腐蚀和膨胀运算得到候选区;在分水岭变换过程中,通过像素聚类合并准则,将与主像素聚类有相同特性的次像素聚类加入到分割结果中,最终得到合并区域。试验证明,这种改进的分水岭算法使过分割现象得到减少,有效地分割和提取医学图像中的病变区域。     

一种改进的分水岭分割的研究

用分水岭方法进行图像分割时,容易造成图像的过度分割.为了克服这种缺点,本文提出了改进的图像分水岭分割的方法.该方法先用改进的中值滤波对图像进行预处理,在去除噪声的同时很好的保持物体轮廓和细节;以传统标记提取为基础,以标记点为区域极小值对图像进行分水岭分割.实验结果显示,该方法能很好地抑制过度分割,使分割得到了较好的效果.     

基于最小生成树和局部阈值的彩色图像分割方法

针对分水岭图像分割算法对于彩色图像的过度分割问题,本文提出一种基于最小生成树和局部阈值的解决方法。该方法主要利用图论中的最小生成树,对分水岭算法产生的过度分割区域进行合并。与其它的基于最小生成树的方法不同,该方法只有当构造出一棵完整的最小生成树时,才能计算出一个局部阈值,该局部阈值可确定原构造最小生成树过程的终止条件,进而可分割出彩色图像中的两个区域。重复上述过程,可分割出原彩色图像中的所有区域。实验证明,本文方法能够对彩色图像进行准确的分割,并且分割结果能很好地符合人眼的感知。     

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。     

基于形态学尺度空间和梯度修正的分水岭分割

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种基于形态学尺度空间和梯度修正的分水岭图像分割方法,该方法利用形态学混合开闭重建尺度空间和梯度修正技术,在平滑原始图像的同时保留了重要的区域轮廓而去除了易造成过分割的区域细节和噪声,克服了传统的形态学开闭尺度空间在平滑细节和噪声时,部分重要区域轮廓也被平滑及不满足尺度因果性的问题。对平滑后的图像采用梯度修正分水岭变换,保持了尺度和分割区域数目间的因果性,进一步消除了标准分水岭的过分割现象。仿真实验表明,该方法能有效地消除过分割现象,分割的区域数目满足尺度因果性,且具有较高的区域轮廓定位能力。     

Watershed segmentation based on gradient relief modification using variant structuring element

Watershed segmentation is suitable for producing closed region contour and providing an accurate localization of object boundary. However, it is usually prone to over-segmentation due to the noise and irregular details within the image. For the purpose of reducing over-segmentation while preserving the location of object contours, the watershed segmentation based on morphological gradient relief modification using variant structuring element （SE） is proposed. Firstly, morphological gradient relief is decomposed into multi-level according to the gradient values. Secondly, morphological closing action using variant SE is employed to each level image, where the low gradient level sets use the large SE, while the high gradient level sets use the small one. Finally, the modified gradient image is recomposed by the superposition of the closed level sets, and watershed transform to the modified gradient image is done to implement the final segmentation. Experimental results show that this method can effectively reduce the over-segmentation and preserve the location of the obiect contours.     

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。     

于形态学梯度重建的分水岭分割

提出一种基于形态学梯度重建的分水岭图像分割方法.该方法在形态学梯度图像的基础上,利用形态学开闭重建运算对梯度图像进行重建,在保留重要区域轮廓的同时去除了细节和噪声.避免了标准分水岭存在的过分割现象及传统形态学开闭运算先平滑原始图像,后进行分水岭变换而造成的区域轮廓位置偏移.仿真实验证明,无论从消除过分割还是区域轮廓定位等性能方面,该方法均具有较好的分割效果.整个分割过程无需进行分割后的区域合并处理,降低了分割的复杂性;且分割过程只需选择合适的结构元素大小,增强了算法的灵活性.     

改进的分水岭算法在医学图像分割中的应用

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,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略.该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割.仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时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,并且能够适应医学图像分类与信息提取的需求.