医学图像中典型分割算法的比较分析

通过图像分割算法获取医学图像感兴趣区域是医学图像分析与识别要解决的首要问题及技术难点。在阐述医学图像分割及其研究意义的基础上,总结了医学图像分割中的典型算法。接着,以MR颅脑图像的分割为例,做了基于FCM、C-V、区域生长法的图像分割及对比分析,讨论了医学图像有效分割存在的技术难点。最后,指明了医学图像分割未来的发展趋势。研究成果对深入认识医学图像分割的研究意义、分割算法、分割难点、分割趋势等,推动医学图像分割技术的发展均具有一定意义。     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

遗传算法的全局阈值在图像分割中应用

图像分割是将其中的重要信息部分从图像中分割出来,是图像处理、图像分析和模式识别的前提与基础,其图像分割的质量和分割所需计算时间对后续处理有直接影响。本文提出了采用遗传算法和全局阈值结合起来对图像进行分割的一种新的图像阈值分割方法。实验表明,该算法可以正确分割图像,能够大幅度提高分割效率,有效提高图像分割的鲁棒性和精度,对具有不同目标大小和信噪比的图像也能得到较好的分割效果。     

基于CUDA的图像分割并行算法设计与实现

图像分割技术是计算机视觉领域中对图像进行分析和模式识别的基础,无论在理论研究还是实际应用中都得到了人们的广泛重视.本文在对现有图像分割算法进行分析的基础上,针对串行图像分割算法代次数多、运算效率低的问题,提出了一种适用于CUDA架构的新型图像分割并行算法,该算法与OpenCV实现的cvBlob算法相比,该算法具有更高效率.     

结合梯度重建和非线性处理的语义图像分割

语义图像分割是进一步图像分析与理解的重要基础,本文面向语义分割,针对传统分水岭分割算法对噪声敏感、易于产生过分割等问题,研究了一种结合梯度重建和非线性处理的图像分割方案.首先提出了基于形态学的开闭二次重建获得形态梯度图像的方法,然后对其进行阈值变换,以抑制噪声引起的明暗细节,之后进行给定尺度等级的非线性划分,以降低目标和背景内部细密纹理的影响,而后,采用了一种改进的分水岭浸没标记算法进行分割.实验结果表明,与传统算法和Matlab工具箱中算法相比,本文算法获得了更为理想的分割结果.     

浅谈图像阈值分割技术

图像分割是一种关键的图像技术．在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多．有些分割运算可直接应用于任何图像,而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割．因为他们需要从图像中提取出来的信息。例如：可以对图像的灰度级设置门限的方法分割。值得提出的是,没有唯一的标准的分割方法。本文通过对图像阈值分割的描述、分类、特点分析,让人们熟悉阈值分割的特点,为今后在图像分割方面提供一务解决问题的思路。     

改进的分水岭算法在图像分割中的研究

图像分割作为图像处理中最基础的研究领域之一,占有很重要的地位,是大多数图像分析和处理的不可替代并且是首要步骤的一个基础环节,在理论研究和实际应用中都得到了人们广泛指重视,目前已提出了多种不同的图像分割方法,总体上来说这些算法主要建立在基于图像本身的相似性上,在许多应用领域都获得了成功,但是没有一种方法适用于所有的图像。分水岭算法近年来得到比较广泛的应用,此次研究中用基于形态学的分水岭分割方法对图像处理,进行仿真,与其他方法相比可以较好的分割对象。     

基于深度残差UNet网络的电气设备红外图像分割方法

红外图像处理是实现电气故障诊断的有效手段,而电气设备分割是故障检测的关键环节。针对复杂背景下红外图像电气设备分割难问题,本文采用深度残差网络与UNet网络相结合,深度残差网络替代VGG16对UNet网络进行特征提取和编码,构建深度残差系列Res-Unet网络实现对电气设备的分割。以电流互感器和断路器两种电气设备红外图像分割为例测试Res-Unet网络分割效果,并与传统的UNet网络和Deeplabv3+网络进行对比。通过对数量为876的样本进行测试,实验结果表明,Res18-UNet能够准确地分割电气设备,对电流互感器和断路器的分割准确率超93%,平均交并比大于89%,且分割准确性优于UNet及Deeplabv3+网络模型,为实现电气故障智能诊断奠定基础。     

一种基于综合集成和数学形态学的图像分割方法

图像分割是图像处理的重要步骤,是计算机视觉的基础,是模式识别与图像理解的重要组成部分。由于光照不均匀而形成的灰度图像,采取单一的分割方法不能获得良好的分割结果,为此,采用综合集成的方法对此类图像进行分割,并用数学形态学的运算对分割结果进行处理,改善了分割效果。试验结果表明,基于综合集成和数学形态学的分割方法能有效地分割这一类图像,获得良好的分割结果。     

医学图像的三维自适应迭代分割算法

医学图像分割是医学图像处理分析领域中的研究重点和难点问题,文中对医学CT图像的三维分割方法进行了深入研究,提出了一种医学CT图像的三维分割框架--三维自适应迭代分割算法(SO3DAISA).试验结果表明,本文的分割方法在很大程度上减少了人工干预、执行效率高、图像分割效果好,并且具有很好的实用性.     

一种基于Ｃ均值的模糊核聚类图像分割算法

模糊核聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,已广泛应用于图像分割领域,但其算法对初值敏感,很大程度上依赖初始聚类中心的选择,并且容易收敛于局部极小值,用于图像分割时,隶属度的计算只考虑了图像中当前的像素探值,而未考虑邻域像素探间的相互关系,故对分割含有噪声图像不理想。故提出了一种改进的模糊核聚类图像分割算法,先通过数据约简,不损失数据聚类结构的前提下对数据进行挖掘,然后在模糊核聚类算法中引入特性核函数,将约简后的数据映射到高维非线性特征空间进行划分,最后再利用表征邻域像素的参数来修正当前空间像素的隶属度。实验结果表明,提出的算法较好地解决了模糊核聚类算法在局部极值处收敛和在迭代过程中出现停滞等问题,最终得到最佳全局聚类,迭代次数降低明显,并具有高鲁棒性、对噪声不敏感的特点。     

Stable self-attention adversarial learning for semi-supervised semantic image segmentation

The application of adversarial learning for semi-supervised semantic image segmentation based on convolutional neural networks can effectively reduce the number of manually generated labels required in the training process. However, the convolution operator of the generator in the generative adversarial network (GAN) has a local receptive field, so that the long-range dependencies between different image regions can only be modeled after passing through multiple convolutional layers. The present work addresses this issue by introducing a self-attention mechanism in the generator of the GAN to effectively account for relationships between widely separated spatial regions of the input image with supervision based on pixel-level ground truth data. In addition, the adjustment of the discriminator has been demonstrated to affect the stability of GAN training performance. This is addressed by applying spectral normalization to the GAN discriminator during the training process. Our method has better performance than existing full/semi-supervised semantic image segmentation techniques.     

Automatic segmentation of color images with transitive closure

In this paper, a mask based automatic segmentation algorithm for color images which uses pixel similarity has been presented. Main concept of the algorithm relies on spatial mask for course segmentation and the Warshall's transitive closure (TC) computation algorithm for region merging. Although the proposed spatial mask approach reduces the computational burden required for segmentation or clustering techniques such as seeded region growing (SRG) or fuzzy c-means (FCM) in which user supplied parameters are essential, it has over segmentation drawback. Therefore, the transitive closure algorithm, which uses adjacency and similarity matrix associated to undirected graph of the over segmented image, has been employed to merge the regions. After comparing to existing methods, the obtained experimental results confirmed that the color images as well as gray level images could be segmented with considerable accuracy. Also computational complexity of image segmentation is significantly reduced. Furthermore, there is no need any user supplied parameter such as the number of clusters or seed points.     

复杂图象序列的自适应目标提取和跟踪方法

本文根据视知觉原理研究了提取和跟踪复杂图象中运动目标的计算模型和算法，分析和检验了改变模型有关参数对图象分割门限的影响。与某些常规算法不同的是，新方法综合考虑了目标一背景条件、视觉非线性、帧间相关性和差异性，目标提取作为一个完整瓣两步过程包括三个准则和一个快速寻优算法，目标跟踪使用二值模板匹配，给出了在可见光图象序列上的实验结果。     

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。     

一种非参数估计的活动围道图像分割方法

该文采用Parzen窗非参数估计的活动围道方法进行图像分割,不必假定图像区域符合特定的概率分布,大大增加了该算法的应用范围。通过动态调整Parzen窗口参数,更好地利用了图像灰度区域一致的信息,使之更好地适应图像分割的任务。通过合成图像和真实图像的实验证明此方法具有很好的合理性,具有很好的分割精度和抗噪性能。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

基于CNNs电路模型的像素演化分割方法

CNNs是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点。在介绍CNNs电路模型基本概念基础上,基于图像梯度信息,设计了一种基于CNNs电路模型的像素演化图像精确分割方法,并给出了相关的模板设置,分割试验结果验证了所提出方法的正确性。     

Image segmentation towards new image representation methods

Very low bit-rate video coding has recently become one of the most important areas of image communication and a large variety of applications have already been identified. Since conventional approaches are reaching a saturation point, in terms of coding efficiency, a new generation of video coding techniques, aiming at a deeper “understanding” of the image, is being studied. In this context, image analysis, particularly the identification of objects or regions in images (segmentation), is a very important step. This paper describes a segmentation algorithm based on split and merge. Images are first simplified using mathematical morphology operators, which eliminate perceptually less relevant details. The simplified image is then split according to a quad tree structure and the resulting regions are finally merged in three steps: merge, elimination of small regions and control of the number of regions.     

基于模糊聚类的图像分割研究进展

模糊聚类算法（Fuzzy C-Means,FCM）是一种基于软划分的聚类过程,已被广泛应用于机器学习、图像处理和计算机视觉等领域.虽然当前已涌现出大量关于FCM的图像分割算法,但仍然面临诸多挑战.本文将基于FCM的图像分割算法归纳为三类：基于空间邻域信息的FCM算法、基于直方图信息的快速FCM算法及基于维度加权的FCM算法.首先系统分析和阐述了各类FCM算法的研究现状,然后通过实验分析各类算法的性能,最后总结了FCM算法在图像分割中存在的问题以及将来的研究方向.