改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明：与传统分水岭算法相比,该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。     

基于数学形态学和区域合并的医学CT图像分割*

针对传统分水岭算法分割腹部CT图像存在的过分割情况,提出了一种基于形态学优化和区域合并的分水岭分割算法。该方法先利用多尺度数学形态学方法检测出梯度图像,并用形态学重构去除细密纹理和噪声引起的局部极值,然后进行分水岭变换。为了产生有意义的分割,采用简单的区域灰度均值对变换后的图像进行有效的合并。实验结果表明,该方法能有效解决分水岭算法的过分割问题,得到较好的分割效果。     

融合多结构滤波和多尺度重建的分水岭算法

为了解决传统分水岭算法中存在的过分割问题,提出一种结合多结构形态学开闭滤波和多尺度形态学开闭重建的新方法。该方法用12种不同结构的结构元对原始图像进行开闭滤波,接着对梯度图像应用多尺度开闭重建,通过加权融合不同的重建梯度为最终的梯度。在重建后的梯度上应用扩展最小变换技术（H-minima）以提取标记,用所得的标记修正原始梯度,在修改后的梯度上进行分水岭分割。实验结果表明：该方法不仅能有效抑制分水岭算法中的过分割,而且通过调节分割过程中的参数,还能防止欠分割的发生,对于不同的需求均可得到理想的分割效果。     

基于形态学和梯度重构的车牌图像分割方法*

提出一种多尺度形态学检测边缘和梯度重构的快速车牌图像分割算法。该方法是基于多尺度的概念,进行梯度重构时采用不同尺寸的结构元素。运用开闭运算进行梯度重构,对重构后的各梯度图像进行阈值优化,对重构后梯度图像进行修改;利用分水岭算法检测目标,通过车牌的几何特性（宽高比、矩形面积等）从这些目标候选区域中剔除虚假牌照,找到真正的牌照。实验结果表明,该方法能取得较好的分割效果。     

基于梯度修正和区域合并的分水岭分割算法

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种改进的分水岭分割方法,该方法首先利用形态学算子得到梯度图像,然后利用形态学混合开闭重构算子进行梯度修正,去除了易造成过分割的区域细节和噪声,接着采用基于标记的分水岭算法进行分割,有效地克服了过分割现象.为了得到更好的分割效果,提出了基于区域一致性和边界曲率光滑性相结合的区域合并准则,对分割后的图像进行有效的合并,该方法能够很好的解决过分割现象,并且产生更有意义的分割效果.通过多组实验,并且和传统的分水岭算法进行对比,得到了满意的效果,结果表明了该方法的有效性.     

基于自适应标记提取的分水岭彩图分割算法

针对分水岭算法过分割问题,提出一种基于自适应提取标记的改进算法。该算法结合极小值深度和汇水盆地尺度信息提取与物体相关的极小值标记,根据梯度图像中极值点的统计信息自适应设定标记提取的阈值。提取到的标记采用形态学极小值标定技术强制作为原始梯度图像的极小值,在修改过的梯度图像上进行分水岭分割。仿真结果表明,该算法能有效解决分水岭算法的过分割问题,具有更强的抗噪性能和边缘定位能力,且计算复杂度较小。     

基于改进分水岭算法的图像分割

为了改善经典分水岭算法的过分割问题,该文将图像中的噪声视为过分割的直接因素,针对人脑核磁共振图像提出了一种基于预处理的改进算法。首先应用数学形态学的开闭运算对图像进行滤波,再求取其梯度,然后依据内外标记对梯度图像进行修正,最后在修正后的梯度图像上实施分水岭变换。实验结果表明,该方法和传统分水岭算法相比较,能有效地抑制过分割。     

基于标记的数学形态学滤波分水岭算法

经典的分水岭算法存在过分割问题,文中针对图像分割提出了一种基于预处理的改进算法。目的是为了抑制分割过程中的过分割现象,缓解过分割问题。首先对图像进行应用数学形态学去噪,滤波。再求取梯度图像,然后根据梯度图像局部极小值的综合信息自适应地提取内部标记,再进行距离分水岭变换提取外部标记。并以提取的标记为依据,对梯度图像进行修正,最后对修正后的梯度图像实施分水岭算法。实验结果表明:与传统分水岭算法相比,本算法能较好地缓解过分割问题。     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

修改标记符梯度图像的分水岭变换

针对传统分水岭算法中存在的过分割现象,提出了一种修改标记符梯度图像的分水岭分割方法。该算法首先利用阈值分割法对图像中感兴趣的目标和背景进行标记;然后根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正;最后,使用分水岭算法对修正的梯度图像进行分割。实验结果表明,该算法能有效地抑制过分割问题,并且使用标记符会为分割问题带来先验知识,这为人们解决模式识别等更高级的工作提供了一种有效方法。     

基于形态学多尺度修正的脑肿瘤分割

针对脑部核磁共振成像(MRI)图像中因噪声、肿瘤内部灰度不均匀、模糊及边界不连续等造成肿瘤难以准确分割的问题,提出了一种基于形态学多尺度修正的控制标记符分水岭分割方法。该方法在形态学梯度图像基础上,根据不同像素点所在特定邻域内的梯度值自适应确定结构元素的大小;然后,对图像进行形态学多尺度修正,保证修正过程中目标轮廓不发生较大偏移;最后,采用控制标记符的分水岭变换对图像进行分割。实验结果表明,该方法可对脑肿瘤进行较精确的分割。     

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑，实现了消除噪声、简化图像、保持物体重要轮廓信息的作用．最后，给出一种改进的快速区域合并算法优化分割结果．实验证明，采用文中分割方法可以获得很好的分割结果。     

一种改进的桥梁图像分水岭分割算法

针对传统分水岭分割方法存在的过分割问题,提出了一种改进的桥梁图像分水岭分割算法。该算法首先对桥梁裂缝图像进行高低帽形态学滤波,并运用多尺度梯度算子提取梯度图像,在分水岭变换之前使用自适应的标记提取方法对区域极小值进行标定,然后对初步分水岭分割的过分割区域使用改进fisher距离的区域合并算法进行合并,取散度作为停止度量。实验表明,该算法减少了分水岭算法的过分割现象,提高了桥梁图像分割的精确性,具有很好的鲁棒性和适应性。     

尺度不变特征转换算法的多源SAR影像匹配

鉴于直接利用SIFT算法进行SAR影响间的匹配不能得到很好的效果,考虑SIFT算法在应对噪声以及对镜像影像进行匹配的局限性,提出了针对SAR影像之间匹配的SIFT算法预处理。首先利用影像与影像之间的空间信息进行匹配,之后利用SIFT算法进行局部特征点匹配,通过采用RANSAC进行错配点的去除,实现SAR影像的高精度配准。实验结果表明,该文提出的预处理以及错配点的去除给利用SIFT算法进行SAR影像的匹配提供了可能。     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

基于形态学重建和梯度分层修正的分水岭脑肿瘤分割*

针对脑部核磁共振成像(Magnetic Resonance Imaging, MRI)图像中因噪声、灰度不均匀及边界模糊不连续等造成肿瘤难以准确分割的问题,提出一种基于形态学重建和梯度分层多尺度修正的分水岭分割方法。首先对原始图像进行形态学混合开闭重建以平滑去噪,同时保留目标轮廓信息;然后根据梯度图像的三维地貌体积对其进行分层多尺度修正,自适应地确定修正所需的结构元素尺寸,对低梯度层级采用较大尺寸结构元素进行闭运算修正,消除产生过分割的非规则局部极小值,而对较高梯度层级则采用较小尺寸的结构元素,保持区域轮廓的位置不变;最后在修正基础上,运用标准分水岭变换实现图像分割。实验结果表明,该方法与标准分割的相似度指数和Jaccard指数均较高,且过分割率和欠分割率均较低,具有较好的分割效果。     

一种新的图像分割算法

在形态学梯度边缘检测算子的基础上,综合多尺度和多结构元算法的特性,提出了一种新的图像分割方法。利用桥梁的明显特征预测桥梁目标的位置,获得感兴趣区域,通过多阈值法简化原图;采用多尺度形态滤波和区域标记得到目标的初始轮廓,构造5个不同方向的结构元素,对这些结构元素运用多尺度形态学方法来检测目标边缘。实验结果表明本算法能够比较准确地完成图像分割。     

内皮细胞图像自动分割与荧光强度测量方法

针对内皮细胞提出了一种自动分割与细胞区域荧光强度测量方法。通过形态学重建和背景减除消除图像的光照不均匀背景;利用直方图均衡化进行图像增强;增强图像经自动阈值分割与形态学滤波得到二值化粗分割结果;在粗分割结果上利用形态学细化和分水岭算法获取前景与背景的标记点;结合增强图像的梯度及标记点,利用标记点控制的分水岭算法完成分割;最终通过求取分割所得细胞区域内的平均荧光强度完成测量。在实际图像上的实验结果表明,相比于直接使用阈值分割方法,所提出的方法能更准确地完成图像分割及荧光强度的测量。