凝胶图像重叠蛋白质点分割算法研究

针对双向凝胶图像中的重叠蛋白质点检测,提出一种角点检测与多边形近似相结合的重叠蛋白质点分割方法。首先利用Harris角点检测法得到重叠蛋白质点的角点,然后利用角点对蛋白质点进行多边形近似并判断多边形顶点的凹凸性获得凹角点,最后通过凹点选取与匹配原则从凹角点中选取凹点并构造分离线完成对重叠蛋白质点的分割。实验结果表明该方法能准确快速地实现重叠蛋白质点的分割,尤其适用于重度重叠的蛋白质点。     

基于形态特征的图像分割方法

提出了一种基于形态特征的图像分割方法,主要采用形态特征对目标分类,结合目标数学形态分析犤1犦和局部区域二值化将目标准确地分割出来。该方法主要应用于目标图像背景复杂、目标灰度变化不均、传统方法分割不理想的情况。实验证明该方法具有很强的抗干扰能力,算法简单、速度快在实际应用中分割结果令人满意。     

CAD曲面等值分割方法

CAD曲面分割在工程领域中具有广泛的应用.已有分割方法主要根据单一的面点属性进行分割,不具通用性.为此,提出以自定义条件为核心的面等值分割方法.用户预先根据分割问题及相关面点属性设计一组条件,以此为依据计算界点,并沿界边生长方向依次搜索界点,进而以有序界点样条插值的方式生成界边.通过构造曲面及其子面片的界边,将曲面分割为一组等值面.为保证分割的一般性,提出初始界点和参数域采样单元界点精确计算方法.最后,针对可加工性、法向量和曲率3种面点属性分别设计分割条件并进行实例测试,在可加工区域分割测试中文中方法的平均界点误差比现有方法平均降低96.98％.实验结果表明,所提方法适用于不同的分割问题,且具有较高的分割精度.     

一种优化树状模型的肝脏自动分割方法

针对CT图像的复杂性与肝脏形态的多样性,提出一种优化的肝脏自动分割方法。通过基于部件共享池的混合树状模型(TSPM)捕获肝脏边界的拓扑形态变化,利用凹凸点算法根据肝脏形变自动筛选TSPM中的关键点,避免冗余点对肝脏边界的错误定位,并将不同颜色空间应用于肝脏图像分割中提高分割精度。实验结果表明,与现有分割方法相比,优化方法可获得更准确的肝脏分割结果。     

基于Graph Cut与区域生长的连续CT图像分割算法

Graph Cut方法用于医学图像分割具有精度高,分割准确等优点,但处理每一幅图片都需要用户选定对象和背景,耗时较长.区域生长方法适于对面积不大的区域进行分割,分割速度快,但需要人工选取种子点,且在对比度低的情况下分割效果不理想.针对医学CT连续断层图像间相关性强特点,提出一种把Graph Cut方法和区域生长方法相结合的图像分割算法GCRGIS.首先使用Graph Cut法对连续断层图像的首幅图像进行分割,以分割出的图像轮廓作为后幅断层图像待生长区域的边缘,将边缘进行腐蚀后再进行区域生长,分割出目标图像.实验结果表明,该方法处理连续CT图像时仅需对首幅图像进行人工交互,在后续图像的分割中避免了每幅图像都要人工交互的繁琐,分割效果好,速度快.     

量子遗传算法在指纹图像分割中的应用

提出了一种基于量子遗传算法(QGA)的指纹图像分割改进方法.这种方法利用量子遗传算法种群多样性好,收敛速度快的特点,将基于量子遗传算法的阈值分割方法与方向图法相结合对指纹图像进行分割.实验结果表明,QGA在指纹图像阈值分割中的速度和精度优于改进的自适应遗传算法和其它一些传统算法,是一种有效的图像分割方法.     

参数曲面分割求交算法之改进

本文认为,在传统的参数曲面分割求交算法中,由于近似多边形存在厚度,因此不能用简单的方法计算近似多边形的交线。文章提出了一种改进的算法,该算法以整体的观点考察多边形的面、边、点之间的关系,把两多边形之间的求交放到全体多边形中去考虑,从而避免了两参数曲面的交线出现裂缝、丢失或增多的现象。实践证明,这种改进算法是可靠的。     

基于轮廓分割的形状匹配新方法

提出了基于轮廓分割的形状描述方法,用来进行形状匹配.首先,使用离散曲线演化将形状轮廓简化成具有N个顶点的多边形,并通过去除其中的凹点得到多边形凸点的集合;然后,对由凸点形成的轮廓片段提取角度和曲率特征,得到形状描述子;最后通过匈牙利算法进行轮廓片段之间的距离矩阵的最小代价和计算,从而得到两个形状之间的相似度.基于MPEG-7图像库上的实验证明了本文方法能很好地反映形状的特征,具有较好的匹配效果.     

借助梯形分割的点面包含分析

在诸多研究领域中,判断点是否在多边形内是一个非常基本的问题。在分析了解决这一问题的传统方法基础上,提出了一种基于梯形分割的点面包含算法。该算法将多边形分割成若干个梯形网格单元,将判断点是否位于多边形内的问题转化为判断点是否位于梯形网格单元中这一问题。算法已用于GIS平台软件相应的包含分析模块,试验结果证明该算法稳定可靠、适用于任意复杂多边形而无需对奇异情况进行单独处理。     

基于无向图的图像整体骨架表示模型及其算法

在图像处理、模式识别领域,往往需要求解图像的骨架来获得图像的骨架来获得图像特征的最有效的数字信息。该文提出了一种基于无向图的图像整体骨架表示模型,并基于这一模型设计实现了图像的骨架化算法。它通过专门的分割算法,对图像进行分割并用无向图表示,然后对无向图中各项点采用多边形近似方法进行骨架化。算法充分利用了图像的全局和局部信息,具有速度快、效果好等优点,并得到了实际应用。文章最后给出了一些应用实例。