分水岭图像分割算法的研究

针对分水岭算法在对复杂粘连物体图片的分割过程中产生局部极值过多和分割后区域边缘不能准确定位的弊端,提出对要分割的图像做基于形态学的开闭重建运算;然后对图像的形态学梯度图像进行滤波重建,通过对梯度幅值图像进行修改,标记出要分割区域的最小值,过滤掉无关的较小值;最后运用分水岭算法对标记的图像进行分割,取得了较好的分割效果.     

基于梯度向量的交互式CT图像分割

首先采用旋转模板对图像进行平滑去噪处理，同时得到各像素点的梯度值方向，然后根据梯度值方向采用Are Weights方法计算各点的梯度值，这些方法的结合可以有效的降低噪声对灰度值计算的影响，得到了较好的梯度值图像。根据改进后的边缘检测方法，对边缘梯度信息进行最优化计算，选择最优的边缘点，最后将这些边缘点进行曲线拟合。实验结果显示该方法能有效地分割出胆囊图像。     

基于空频域联合闭值分割的轮廓检测方法

传统的边缘检测算子仅在空域上对梯度图像进行阈值分割来计算二值边缘图像,当应用在自然场景图像中时,检测结果中往往含有大量的干扰边缘。为了消除干扰边缘,提高传统边缘算子的轮廓检测性能,提出了基于空频域联合阈值分割的轮廓检测方法:首先对梯度图像进行频域阈值分割消除干扰边缘,然后进行空域阈值分割得到最终的二值边缘图。结合Canny算子,利用自然场景图像对该方法进行了性能评估,结果表明,该方法大大减少了干扰边缘,有效提高了Canny算子在复杂自然场景图像中的轮廓检测性能。     

边缘分割算法在机场识别中的应用

机场识别作为模式识别领域的问题之一,在军事上有着重要的应用前景。图像的边缘包含了大量的梯度信息,图像中的真实边界点处的梯度强度大于其左右领域的梯度强度值。本文结合机场识别自身的特点,通过对几种经典的边缘分割算法的比较,并对实验结果进行分析,论述了几种不同分割算法的优劣,为了进一步的识别工作做好了准备。     

基于边界的车道标识线识别和跟踪方法研究

在道路图像中，为了得到较理想的车道的标识边缘，该文采用基于LOG算子边缘增强的方法得到梯度图像，利用SUSAN算子对该梯度图像进行分割，实现了车道标识线边界的提取。在分割后的梯度图像中，利用Hough变换提取出车道标识线参数，完成了对道路图像中的车道标识线的识别，采用建立梯形的感兴趣区域的办法，实现了对车道标识线的实时跟踪。试验结果表明该方法具有较强的鲁棒性和较好的实时性。     

基于边缘信息的图像阈值化分割方法

针对现有几种利用边缘信息来进行图像闽值分割的方法存在的对噪声高度敏感，梯度阈值难以选取，且不具有自适应性的特点，提出一种抗噪声影响的形态学梯度算子和一种基于梯度直方图统计特征的梯度闽值自适应选取算法，得出了一套完整的基于边缘信息的图像闽值化分割算法。     

实例分割和边缘优化算法的研究与实现

摘 要：近年来,实例分割技术正受到越来越多的关注。Mask R-CNN 实例分割方法是实 例分割领域中的重要方法,但是用 Mask R-CNN 方法得到的结果中,每个分割出的实例的边缘 往往不够理想,无法与真正的边缘完全吻合。针对此问题,提出了一种用显著性目标提取方法 得到的结果与 Mask R-CNN 实例分割结果相结合的方法,从而得到更好的实例分割边缘。首先, 利用 Mask R-CNN 对图片进行识别,得到实例分割的结果。然后用 PoolNet 对待检测图片进行 处理,得到图片中的显著物体信息。最后用 PoolNet 的结果对实例分割的掩码图边缘进行优化, 从而得到边缘更好的实例分割结果。经过测试,该方法可以对绝大多数待检测目标较为显著的 图片在一些重要指标上得到比 Mask R-CNN 更好的分割结果。     

基于边缘信息的分开合并图象分割方法

图象分割是目标识别和图象理解的关键的第一步处理。分开合并方法是一种有效的、实用的图象分割方法。本文提出了基于边缘信息实现分开合并方法，它利用边缘信息解决了自适应确定最佳初始层和在分开、合并过程中度量图象块属性一致性的问题。基于边缘信息的分开合并方法改进了图象分割质量，缩短了处理时间，分割复杂图象的实验结果是令人满意的。     

基于LOG和Canny算子的边缘检测算法

针对传统Canny算子抑制噪声和检测低强度边缘能力不足的问题,提出一种将LOG算子和Canny算子相结合的边缘检测方法。采用LOG算子对图像进行噪声过滤,从以下3个方面改进Canny算子实现边缘检测：(1)设计高斯滤波核对过滤掉噪声的图像进行边缘增强,使低强度边缘更容易被检测;(2)在M×N邻域中计算梯度幅值和方向;(3)将梯度方向结合梯度幅值计算,使梯度幅值在边缘检测中更具依据性。对增加椒盐噪声的图像进行实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘。     

融合模糊聚类的蚁群图像增强算法

为提高边缘检测精准度,保证图片分割后效率和效果,本文提出一种基于融合模糊聚类的蚁群图像增强算法。该算法利用分量灰度值、灰度梯度值和领域特征值进行图像特征提取,得到特征灰度图;然后使用模糊聚类算法对区域蚂蚁进行聚类以提高收敛速度;再采用蚁群算法进行图像边缘检测,检测过程中,使用路径选择策略对蚁群进行有序搜索,提高搜索效率,又根据信息素更新策略进行最优路径信息交流,以达到边缘点提取与检索目的;最后将检索所得灰度边缘图与原图进行重合,得到图像增强效果。实验结果表明,该改进算法在检索时间方面相较于传统蚁群算法提高了20.7%;在精度方面提高了14.8%,图片分割效果更好,纹理更清晰。     

Fast level set image and video segmentation using new evolution indicator operators

We propose an effective level set evolution method for robust object segmentation in real images. We construct an effective region indicator and an multiscale edge indicator, and use these two indicators to adaptively guide the evolution of the level set function. The multiscale edge indicator is defined in the gradient domain of the multiscale feature-preserving filtered image. The region indicator is built on the similarity map between image pixels and user specified interest regions, where the similarity map is computed using Gaussian Mixture Models (GMM). Then we combine these two methods to develop a new mixing edge stop function, which makes the level set method more robust to initial active contour setting, and forces the level set to evolve adaptively based on the image content. Furthermore, we apply an acceleration approach to speed up our evolution process, which yields real time segmentation performance. Finally, we extend the proposed approach to video segmentation for achieving effective target tracking results. As the results show, our approach is effective for image and video segmentation and works well to accurately detect the complex object boundaries in real-time.     

基于MSP-ROA边缘检测和区域合并的图像组合分割方法

提出一种基于MSP-ROA边缘检测和区域合并的图像组合分割算法，算法中对边缘检测的结果做种子生长、标注和区域填充，并根据相似性准则对填充的初始分割结果进行相邻区域的合并处理，最终得到同质性和连通性都较好的图像分割结果。     

一种新的基于区域和边界的图象分割方法

用分水岭方法进行图象分割时,容易造成图象的过度分割,从而使得物体的轮廓线掩埋在杂乱的分水岭线中,为了克服这种过度分割问题,提出了一种保持边界的非线性扩散方法,该方法就是先对图象进行平滑,在去噪声的同时,即减少了梯度图象中区域最小值的数目,而分水岭分割后的图象区域数目与它相同;然后,根据初始分水岭分割的结果,使用区域灰度相似性和边界强度相结合的准则,进行由底向上的层次融合,从而较好地解决了过度分割的问题。实验结果表明,该方法可提供精确且封闭的区域轮廓线。     

基于改进的Sobel算子最大嫡图像分割研究

研究图像分割精度问题。针对传统的Sobel算子图像分割容易造成图像分割不清晰、对比度不明显、分割精度低等问题缺陷,提出一种改进的Sobel算子的二维最大墒数字图像分割方法。算法首先根据数字图像特征对图像进行初分割,然后应用Sobel算子检测出数字图像真正的边缘,将通过Sobel算法边缘检测获得的阂值应用到二维最大墒分割方法中。对数字图像目标和目标边缘分别使用不同的阂值进行分割,解决由于局部图像叠加而产生的分割不准确的问题。仿真实验表明,提出的算法对图像分割鲁棒性好,分割准确率高,是一种有效适用的算法。     

一种具有拓扑自适应性的图象两步分割方法

为了准确提取出感兴趣区域的边界，研究出一种具有拓扑自适应性的图象两步分割方法，即基于棱边检测算子的B样条活动围道分割方法，该方法首先是进行图象的底层分割，即用基于图象局部特性（像元邻域）操作的棱边检测算子来检测图象的棱边点，然后进行图象的高层分割，即用基于图象全局统计特性的B样条活动围道分割方法来求取对象的准确边界，另外，还提出了基于区域欧拉数的拓扑自适应处理方案，该两图像分割方法具有人为干预少，对初始条件不敏感，拓扑自适应性强等优点，试验结果证明了该方法的有效性。     

Segmentation of multiple salient closed contours from real images

Using a saliency measure based on the global property of contour closure, we have developed a segmentation method which identifies smooth closed contours bounding objects of unknown shape in real images. The saliency measure incorporates the Gestalt principles of proximity and good continuity that previous methods have also exploited. Unlike previous methods, we incorporate contour closure by finding the eigenvector with the largest positive real eigenvalue of a transition matrix for a Markov process where edges from the image serve as states. Element (i, j) of the transition matrix is the conditional probability that a contour which contains edge j will also contain edge i. We show how the saliency measure, defined for individual edges, can be used to derive a saliency relation, defined for pairs of edges, and further show that strongly-connected components of the graph representing the saliency relation correspond to smooth closed contours in the image. Finally, we report for the first time, results on large real images for which segmentation takes an average of about 10 seconds per object on a general-purpose workstation.     

An Improved Method for Edge Detection and Image Segmentation Using Fuzzy Cellular Automata

Image segmentation is one of the most important and challenging problems in image processing. The main purpose of image segmentation is to partition an image into a set of disjoint regions with uniform attributes. In this study, we propose an improved method for edge detection and image segmentation using fuzzy cellular automata. In the first stage, we introduce a new edge detection method based on fuzzy cellular automata, called the texture histogram, and empirically demonstrate the efficiency of the proposed method and its robustness in denoising images. In the second stage, we propose an edge detection algorithm by considering the mean values of the edges matrix. In this algorithm, we use four fuzzy rules instead of 32 fuzzy rules reported earlier in the literature. In the third and final stage, we use the local edge in the edge detection stage to more accurately accomplish image segmentation. We demonstrate that the proposed method produces better output images in comparison with the separate segmentation and edge detection methods studied in the literature. In addition, we show that the method proposed in this study is more flexible and efficient when noise is added to an image.     

基于改进自适应降雪模型的随机游走图像分割

为了提高图像分割的准确度,尽可能降低分割边缘噪声对图像分割的影响,提出了一种基于降雪模型的图像分割方法。对降雪模型及积雪表面效应做了详细分析,得出降雪模型运用于图像分割具有较强的适应性;接着在传统的随机游走图像分割算法中加入了自适应降雪模型的特性,生成新的算法;运用虚拟图像和真实图像进行算法性能实例仿真,结果表明,该算法的图像分割性能优于常见的NCut和传统随机游走图像分割算法,具有一定的研究价值。     

Adaptive image segmentation by combining photometric invariantregion and edge information

An adaptive image segmentation scheme is proposed employing the Delaunay triangulation for image splitting. The tessellation grid of the Delaunay triangulation is adapted to the semantics of the image data by combining region and edge information. To achieve robustness against imaging conditions (e.g. shading, shadows, illumination and highlights), photometric invariant similarity measures and edge computation are proposed. Experimental results on synthetic and real images show that the segmentation method is robust to edge orientation, partially weak object boundaries and noisy-but-homogeneous regions. Furthermore, the method is robust, to a large degree, to varying imaging conditions