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...     

基于改进的标记分水岭方法的棒材识别

针对图像中棒材识别问题,提出了一种新的标记分水岭的棒材分割识别方法,该方法 结合距离变换 与梯度重构对标记点进行限定,使用分水岭变换完成棒材识别。首先利用棒材图像低频部分 进行阈值的自 动提取,对区域对应的距离图中的局部极值点进行筛选。提取棒材图像中低频成份对应的局 部极值区域, 结合局部极值点得到前景标记。然后基于前景标记进行距离分水岭变换,将分水岭变换得到 的脊线作为背 景标记。最后对梯度重构以后的棒材图像基于标记进行梯度分水岭变换,得到棒材分割识别 结果。本文方 法一方面结合距离图进行标记点筛选及补充得到准确的棒材数目,有效解决了分水岭算法目 标识别的过分 割问题。另一方面保留了梯度图像分水岭变换后边缘定位准确的优点,得到完整的棒材轮廓 。实验结果表 明,该方法满足图像识别的实时性、鲁棒性、准确性要求,可将其应用于类圆目标识别及相 关领域。     

改进的分水岭算法在超声肿瘤图像分割中的应用

在高强度超声聚焦(HIFU)治疗中,图像自动导航是整个治疗过程的关键步骤.针对超声肿瘤图像分割提出了两种算法,分别为梯度阈值法和区域合并法.其中梯度阈值法针对分水岭过分割的缺陷,选取小于设定的梯度阈值的点作为分水岭变换的种子点,从而很好地抑制了过分割现象;区域合并法首先通过分水岭变换将图像过分割成许多具有区域均质性的超像素,然后基于最小描述(MDL)原则进行合并,将拥有相似纹理特征的小区域聚类在一起,达到抑制过分割的目的.实验结果表明这两种算法有效地解决了分水岭变换过分割的问题,同时能够很好地应用到超声肿瘤图像分割中.     

基于分水岭分割和尺度不变特征点的多目标全自主跟踪算法

该文针对多目标的鲁棒跟踪问题,设计了一种基于图像分水岭分割和尺度不变特征变换(SIFT)特征点的多目标全自主跟踪算法。为规避图像平坦区域,提出在原图上叠加规则坡度图的思想,并在浮点域进行一定尺度高斯模糊处理,将区域极小值点作为种子点完成分水岭分割,并将极值点作为目标特征点,通过前后帧分水岭映射生成特征点短时轨迹,自动检测运动目标。之后依据目标所处状态(是否发生遮挡)和分水岭分割图建立、更新目标SIFT特征池,结合分水岭映射、SIFT特征池匹配完成对目标的鲁棒跟踪。实验结果表明,该算法能有效完成视频中多目标的持续跟踪,并对目标遮挡有较好的鲁棒性。     

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.     

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.     

基于区域生长法的医学图像分割研究

针对基于区域的分水岭分割算法中通常存在的严重过分割现象，通过两点措施来改进：其一，以梯度图像的浮点活动图像取代梯度图像进行分水岭变换，使边缘定位更准确；其二，以基于面积和对比度控制的合并小区域准则，有效抑制过分割现象，同时满足感兴趣区的分割要求。实验表明该算法简单有效，能够得到符合人类视觉系统特性的分割结果，边缘定位精确度较高。     

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。     

基于区域特征合并的分水岭图像分割

传统分水岭变换图像分割方法容易造成过度分割,不利于后期的图像分析与处理。采用一种分水岭变换结合区域特征合并的方法,首先将原始图像进行形态学变换,获取梯度图像;再进行分水岭变换,并将运算后的结果进行基于区域纹理、灰度一致性及区域平滑性等特征的区域合并;最终获取分割结果。实验结果表明,与传统分水岭变换方法相比,该方法能够有效降低因噪声、明暗纹理产生的过分割现象,方法可行、有效。     

一种边界引导的多尺度高分辨率遥感图像分割方法

针对高分辨率遥感图像分割过程中区域合并复杂性问题,提出了一种基于边界引导的多尺度遥感图像分割算法.一方面应用SUSAN算子提取高分辨率遥感图像中地物的边界用于限制区域增长过程;另一方面进行两阶段增长,首先应用基于图的分割算法进行基于像素的区域生长,然后进行考虑对象特征信息的区域合并.对宜昌城区某处融合后的QuickBird彩色图像进行了实验,并分别与无边界引导分割以及eCognition平台下图像分割效果进行了对比.结果表明,该方法可以有效抑制传统图像分割算法在低对比度区的区域融合问题,突破了分割尺度参数不能在全图取得合理分割的局限性.     

基于多种图像分割方法的法医损伤面积计算

目的：本文通过多种图像分割技术将损伤区域准确地标记出来,并计算出法医图像的损伤区域面积。方法：利用图像分割方法分割目标和背景,然后用数学形态学处理来消除分割带来的空洞和毛刺,最后通过比较4种基于区域分割的方法,给出了计算法医损伤面积的最佳方法。结果：迭代阈值、最大类间方差法和K-均值聚类3种分割方法都能较好地实现损伤图...     

结合区域生长和SUSAN的图像分割方法

针对区域生长算法对噪声敏感问题,提出了一种结合区域生长算法和SUSAN算子进行图像分割的方法。在基于区域平均灰度差的图像分割算法的基础上,运用SUSAN算子作为区域生长的终止准则。试验表明,该方法对噪声不敏感,且提高了分割准确度,能对目标进行有效的分割。     

低对比度图像分割算法研究

在分析图像分割算法的基础上，针对灰度随机分布的低对比度图像．提出采用空间区域方差和灰度区域方差进行图像增强和灰度分区。实验结果表明该方法能有效地实现低对比度图像的分割。     

一种基于最大类间方差和区域生长的图像分割法

提出一种基于一维最大类间方差和区域生长的图像分割法。首先用一维最大类间方差法确定最佳分割阈值,再用改进的区域生长法分割得到目标。实验结果表明,该分割算法不仅适用于简单的图像分割问题,而且对于背景复杂、光照不均匀的图像也能取得较好的分割效果。该算法计算量小,实时性和分割精度均有一定优势,在提取目标的同时,不留下任何背景像素,使下一步的目标识别更为简单。     

基于改进遗传算法的图像分割技术研究

目前,在图像分割中有着众多类型的分割方法,其中应用最为常见的是以边缘检测为基础的分割法和基于区域分割基础上的分割法两种,在其实践应用过程中也形成了相应的阂值型、区域跟踪型以及边缘检测型等几种主要类型方法。在此基础上,本文针对阂值型分割方法进行了改进,并基于实验对其有效性进行了论证。     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

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.     

基于克隆选择和多重空间构造的彩色图像分割

该文提出一种基于克隆选择和多重空间构造的彩色图像分割方法。该方法首先将一些常见的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分,利用主分量分析技术(PCA)分别对其进行计算,得到最具有识别能力的颜色分量来构造多重颜色空间;然后利用克隆选择算法对样本进行自学习,得到全局最优的聚类中心;最后用得到的聚类中心对图像进行分割。由于该文的方法结合了克隆选择算法的非线性分类能力,通过对彩色图像自适应的构造最佳多重空间,能够快速准确地得到分割结果,克服了传统分割方法使用固定颜色空间以及容易陷入局部最优的缺点。通过实验表明,该方法对彩色图像同质区的分割均匀,边缘保持度好。此外,新方法对彩色图像的亮度和纹理变化不敏感,鲁棒性较强。