基于云理论的生长区域图像分割方法

针对种子点的选取和不确定信息的处理问题。提出了一种基于云理论的区域生长图像分割方法。首先利用图像的全局信息获取种子点,具体是把云变换生成的正态云模型的交叉点作为生长区域的种子点,以极大判定法则作为区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程。以云综合算法将相邻的区域进行合并,最终实现基于区域生长的不确定性图像分割。实验表明,该方法较其他方法能更好的的处理图像中的不确定性信息。且获得了较好的实验效果。     

一种基于水平集的多尺度乳腺肿块分割方法

作为乳腺肿块检测的重要环节,肿块分割在乳腺癌的计算机辅助诊断系统中扮演着重要的角色。提出一种基于水平集的多尺度乳腺肿块分割方法。首先对乳腺图像进行高斯金字塔分解,在粗尺度图像上使用C-V模型对肿块进行粗分割,得到的粗轮廓作为细尺度图像上的初始轮廓;考虑到C-V模型在分割灰度不均匀图像时所存在的局限性,在细尺度上提出一种局部活动轮廓模型,对粗分割的结果进行局部精细化处理。另外,为了提高分割方法的自适应能力,从粗分割结果中抽取灰度、面积特征作为局部活动轮廓模型参数设定的依据。将本文方法、C-V模型以及RSF模型应用于89例肿块病灶图像时,分别获得0.236 1、0.300 4和0.373 8的平均误分率。结果表明,所提出的多尺度方法具有更高的分割精度和鲁棒性。     

基于形态学和区域生长法的医学图像分割

图像分割技术是图像理解和图像识别的前提,分割效果的好坏将直接关系到后续图像的分析、处理。基于区域生长算法是一种比较有效的医学图像分割方法。为了提高分割质量,利用数学形态学的基本运算对生长结果进行修正,填充区域生长后的小孔洞噪声;最后通过实验,证明该方法分割效果理想。     

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。     

一种改进的基于小波去噪和区域生长的彩色图像分割算法

彩色图像分割是彩色图像处理中的重要问题。传统的彩色图像分割都是基于灰度分割算法,而忽略了彩色的空间域视觉效果及噪声污染问题。文章提出一种新的基于小波去噪和种子区域生长的一种改进方法：首先,应用小波去噪技术,强化图像边缘特征,抑制噪声,提高原始图像的信噪比;其次,将RGB彩色图像转化到HIS空间进行边缘检测,对图像进行抖动处理以减少彩色图像中的颜色数目,然后对不同分量进行序列阀值分割;最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。     

遥感图像云检测的多尺度融合分割网络方法

在进行可见光遥感图像高精度云检测时,云自身特征的多变性,以及地物与云之间的特征相似性,会降低检测精度。因此,提出一种带权重的多尺度融合分割网络云检测方法。首先,通过有云区域和无云区域的特征学习,降低对云状的敏感性,同时利用全卷积网络进行端到端训练,实现对每个像素点分类。该方法能够自动提取深层特征,并可将云的深层语义特征与浅层细节特征结合,不但有利于区分下垫面中与云特征相似的地物,还可提高云边缘检测效果,从而提升云量值的检测精度。与其他深度学习分割网络的实验比较分析表明,所提方法可以实现95. 39%的像素分类准确度,云量值检测误差优于1%,为解决遥感图像云污染问题提供了新的思路。     

基于区域生长的红外图像火源检测方法

针对红外图像对比度低、分辨率差、背景干扰严重等问题,提出了一种基于区域生长的红外图像火源检测方法.利用阈值分割原理进行逐行扫描,所有灰度值大于阈值的像素被暂定为目标,所有灰度值小于阈值的像素被排除在外,然后,采用区域生长及类空间合并方法进一步确定火源区域.试验结果表明,该方法与归一化互相关匹配法(NCC)相比,误检率较...     

基于区域生长的生物图像分割方法

针对基于区域的分水岭算法中通常存在的严重过分割现象,采用两点措施来改进:其一是在分水岭分割之前采用迭代阈值分割算法对图像进行分割,从而有效地抑制了由图片表面的灰度变化引起的过分割,使边缘定位更加准确;其二是在分水岭分割之后以基于面积,对比度和深度控制的区域合并准则,有效抑制过分割现象,同时满足感兴趣区的分割要求,实验表明该方法简单有效,能够得到符合人类视觉系统特性的分割结果。     

基于小波多尺度分解的竹条缺陷检测算法

在竹条缺陷的图像检测过程中,针对缺陷种类多,尺寸和形状变化大且竹纹理干扰大,提出一种竹条缺陷检测算法。首先设计了竹条边界检测算法,以判断竹条的三角条缺陷;其次对竹条图像的小波分解子图像进行32灰度级量化处理,经过分析图像共生矩阵的逆差矩差分值来获取最佳的小波分解层,实现了对竹纹理的滤除;最后结合Otsu自动阈值检测方法,完成了竹条常见的6种缺陷的检测。经过实验,该算法准确稳定,能有效滤除竹纹理的干扰,竹条缺陷检测效果较好。     

基于物体材质的X射线安检图像分割算法

在使用X射线扫描系统进行安检的过程中,安检员采取人眼识别X射线安检图像来确认旅客是否携带违禁品,而被检包裹内由于物品重叠、种类繁杂,难免会造成误检、漏检等情况。针对安检图像的成像特点,提出了基于K均值与区域生长的分割算法,该算法通过有针对性地选择聚类中心,并采取加权系数改进聚类中距离度量方法,针对安检图像中物体的材质进行有效的图像分割。实验结果显示,该算法能够有效分割出安检图像中不同材质的物体,与人工识别相比提高了安检工作的效率。     

Generalized region growing operator with optimal scanning: application to segmentation of breast cancer images

Segmentation of medical images is a complex problem owing to the large variety of their characteristics. In the automated analysis of breast cancers, two image classes may be distinguished according to whether one considers the quantification of DNA (grey level images of isolated nuclei) or the detection of immunohistochemical staining (colour images of histological sections). The study of these image classes generally involves the use of largely different image processing techniques. We therefore propose a new algorithm derived from the watershed transformation enabling us to solve these two segmentation problems with the same general approach. We then present visual and quantitative results to validate our method.     

基于Mexican Hat小波变换和区域生长的光学轮廓术的研究

提出了一种新的基于结构光投影的光学轮廓术的测量算法.该算法利用Hilbert变换和Mexican Hat小波变换进行相位提取,利用小波变换的平滑功能实现初步滤噪和消除高次谐波.然后利用基于截断相位差统计分布和区域生长算法进行解包,并通过对无效点的判断和解包后的邻域平滑实现了准确的相位解包.文中通过仿真计算证明了该方法较...     

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

基于非线性扩散率归一化的GAC模型图像分割

为了消除主动轮廓模型耗时的重新初始化过程,在分析了主动轮廓曲线演化特性的基础上,引入改进的符号距离函数的约束项到变分GAG模型中,该约束项是一个非线性热方程,通过对非线性热方程扩散率的归一化,使水平集函数始终快速稳定的保持符号距离函数的特性,新算法减少了迭代次数和运行时间.另外,新算法采用灵活的初始化方法和保持曲线二维梯度和散度算子旋转不变性的离散化数值方案,提高了分割算法对模糊边缘的辨别能力.实验表明该方法是有效的,对噪声有很强的鲁棒性.     

基于分水岭变换和图论的图像分割方法

提出了一种融合分水岭变换和图论的图像分割方法.利用图像的局部灰度信息进行分水岭变换后,将图像分割成多个小区域,再结合各小区域的灰度和空间信息从全局角度用Normalized Cut方法在区域之间进行分割,产生最终的分割结果.实验结果表明,该方法可以消除分水岭变换后所产生的过分割现象,是一种有效的图像自动分割方法.     

基于多级小波分解的两类纹理图像分割技术

通过对纹理图像传统分割方法的分析,研究了农作物图像的边缘自动分割问题,提出了采用多级小波分解方法的两类纹理图像分割技术.解决了传统的基于Laws能量特征方法存在的分割边缘粗糙以及时间效率低等缺点.仿真结果表明,应用基于多级小波分解的纹理分割方法,能快速得到准确的边缘,为获取大规模农作物的机械导航路径提供了一种新的思路.     

Segmentation of intestinal gland images with iterative region growing

A region growing algorithm for segmentation of human intestinal gland images is presented. The initial seeding regions are identified based on the large vacant regions (lumen) inside the intestinal glands by fitting with a very large moving window. The seeding regions are then expanded by repetitive application of a morphological dilate operation with a much smaller round window structure set. False gland regions (nongland regions initially misclassified as gland regions) are removed based on either their excessive ages of active growth or inadequate thickness of dams formed by the strings of goblet cell nuclei sitting immediately outside the grown regions. The goblet cell nuclei are then identified and retained in the image. The gland contours are detected by applying a large moving round window fitting to the enormous empty exterior of the goblet cell nucleus chains in the image. The assumptions based on real intestinal gland images include the closed chain structured goblet cell nuclei that sit side-by-side with only small gaps between the neighbouring nuclei and that the lumens enclosed by the goblet cell nucleus chains are most vacant with only occasional run-away nuclei. The method performs well for most normal and abnormal intestinal gland images although it is less applicable to cancer cases. The experimental results show that the segmentations of the real microscopic intestinal gland images are satisfactorily accurate based on the visual evaluations.     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。