基于分水岭算法的红外图像分割方法

本文采用分水岭算法对红外图像进行分割,针对其存在的过分割问题以及红外图像的特点,提出了分割区域边界平均灰度及其面积对过分割区域进行合并,以得到有意义的分割结果。本算法利用空中红外目标图像进行了实验,实验表明,本算法适用于红外目标图像,并且效果良好。     

改进的分水岭图像分割算法

针对传统的分水岭图像分割算法对噪声过于敏感和容易出现分割现象的特征,提出了新式的粒子群分水岭算法。以下主要探讨了改进的分水岭图像分割算法的具体步骤。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

基于改进分水岭算法的医学图像分割的研究

本文针对医学图象的特点，改进了医学图像的分水岭算法，并用于医学图像的分割处理。这种分割通常应用分水岭算法，但是它有过分割的严重问题。本文闸述了在分水岭算法的基础上做的一些改进，其内容是：在分水岭算法之前，引入浮点，活动图像作为分水岭算法的输入，在分水岭算法之后，在面积控制的基础上，同时根据面积控制和对比度控制的准则，将某些被分割的小区并入邻近较大的区域。这种改进的方法使过分割现象得到了很好的抑制，而且医学图像中的病变小区被分割出来了，效果很好。     

改进的分水岭算法在超声肿瘤图像分割中的应用

在高强度超声聚焦(HIFU)治疗中,图像自动导航是整个治疗过程的关键步骤.针对超声肿瘤图像分割提出了两种算法,分别为梯度阈值法和区域合并法.其中梯度阈值法针对分水岭过分割的缺陷,选取小于设定的梯度阈值的点作为分水岭变换的种子点,从而很好地抑制了过分割现象;区域合并法首先通过分水岭变换将图像过分割成许多具有区域均质性的超像素,然后基于最小描述(MDL)原则进行合并,将拥有相似纹理特征的小区域聚类在一起,达到抑制过分割的目的.实验结果表明这两种算法有效地解决了分水岭变换过分割的问题,同时能够很好地应用到超声肿瘤图像分割中.     

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。     

基于区域生长法的医学图像分割研究

针对基于区域的分水岭分割算法中通常存在的严重过分割现象，通过两点措施来改进：其一，以梯度图像的浮点活动图像取代梯度图像进行分水岭变换，使边缘定位更准确；其二，以基于面积和对比度控制的合并小区域准则，有效抑制过分割现象，同时满足感兴趣区的分割要求。实验表明该算法简单有效，能够得到符合人类视觉系统特性的分割结果，边缘定位精确度较高。     

改进的分水岭算法在医学图像分割中的应用

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略.该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割.仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,并且能够适应医学图像分类与信息提取的需求.     

改进的分水岭算法用于X光医学图像分割

为了提高医学图像分割质量,提出了一种基于X光医学图像的改进分水岭算法。算法在应用分水岭算法前首先对感兴趣图像进行预处理,包括对感兴趣区域进行最小阈值法,分离背景区,对前景区运用腐蚀和膨胀运算得到候选区;在分水岭变换过程中,通过像素聚类合并准则,将与主像素聚类有相同特性的次像素聚类加入到分割结果中,最终得到合并区域。试验证明,这种改进的分水岭算法使过分割现象得到减少,有效地分割和提取医学图像中的病变区域。     

基于形态学梯度的红外图像分割算法

提出了一种新的红外图像分割方法。该方法利用形态学方法来处理红外图像。首先进行形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着提出了一种计算红外图像梯度的多尺度算法提取图像形态学梯度,而后分析了图像分形特征估计方法与形态学梯度的关系,提出了一种新的红外图像分形特征估计算法,在此基础上对图像进行分割。实验结果表明,该算法能较好地解决红外图像的分割问题。     

基于改进分水岭算法的立体视频对象分割

提出了一种结合视差和边缘信息进行立体视频对象的分割方法。针对传统分水岭算法过分割的问题,提出了改进的算法。采用基于自适应权值的立体匹配方法获得可靠的视差图,并利用改进分水岭算法进行视差图分割,获得初始的视频对象区域,随后对初始视频对象进行边缘检测,通过提取其轮廓获得准确的对象,最后提出基于区域的对象跟踪方法,完成后续帧视频对象的分割。实验结果表明,本文提出的方法可以获得良好的分割结果。     

基于局部直方图的红外目标分割算法

在远程红外探测系统中,背景为缓慢变化的天空,而目标则表现为局部奇异点。目标灰度分布范围大,局部较亮,边缘与背景对比度低。根据这一特性,提出了一种基于局部直方图的目标分割算法。文中分析了多个目标的直方图分布特性,根据其灰度分布规律和像素个数判决条件实现了目标的有效分割。该算法适用于空域背景下的飞行目标分割。经过仿真验证表明,本文所提出的算法能快速有效地分割出红外飞行目标,有很强的实用性。     

基于改进纹理特征的红外目标跟踪算法

针对红外图像背景复杂、杂波干扰严重、相似目标混淆导致的目标跟踪丢失问题,本文提出了一种改进的低维度纹理特征OCS-LBP(Oriented Center Symmetric Local Binary Patterns,即方向中心对称的局部二值模式)。首先,利用此特征可以高效地获取目标图像中每个像素块的梯度方向和幅值信息,提高了跟踪过程的鲁棒性;其次,利用核相关滤波算法结合提取的OCS-LBP特征对目标图像区域进行模型训练;最后,根据训练好的模型检测下一帧图像中目标的具体位置。本文在10组红外视频序列上进行了测试,实验结果表明,本文算法的精确度和成功率相比于第二名算法分别获得了2.9%和9.9%的提升,同时在实验设备上算法的平均跟踪速度相比于第二名算法提升了14.15 frame/s。从实验结果可以看出本文提出的算法在红外目标跟踪上表现出较好的鲁棒性、准确性和实时性,具有一定的研究和实用价值。     

基于KLFCV数据分布形式的多尺度MRF红外目标分割

提出了一种建立在红外多波段图像基础上的目标分割新方法.首先,对8～14 μm成像波段通过滤光片细分为4个小的波段范围.用多波段图像代替单一波段图像,提高图像信息量;然后,根据多波段图像特点,通过对文献KLFCV模糊聚类模型进行分析,给出一种新的数据分布形式,用它作为多尺度Markov随机场(MRF)模型的数据似然分布;最后.利用EM算法给出相应参数估计.人工模拟数据和实际场景图像的分割试验结果表明,本文方法在目标分割完整性和噪声抑制性上和相关文献相比均有不同程度提高.     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于区域定位与轮廓分割的红外目标检测

红外图像受随机噪声干扰严重.传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响,不易准确辨识.为了准确识别红外目标,采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法.首先利用高斯混合模型定位红外目标区域的位置,然后利用基于空间信息的分水岭算法得到闭合区域,再利用基于脉冲耦合神经网络的分割算法剪切其虚影,最终检测到完整的运动目标.结果表明,该方法能够消除在传统方法中产生的虚影现象,得到精确的红外运动目标.通过比较,实验结果优于传统方法.     

基于改进脉冲耦合神经网络的电路板红外图像分割

电路板红外图像发热芯片区域准确分割是电路板故障诊断的关键步骤,但灰度不均匀、目标区域多、辐射噪声大使电路板红外图像的准确分割变得较为困难。针对这一问题,本文提出一种改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)红外图像分割模型。首先,调整传统PCNN的模型结构,将图像梯度信息作为输入信号增加到模型输入域;其次,基于最大似然估计原理,推导出链接系数β的动态调整方法;最后,在脉冲发生域引入边缘约束算法,防止邻域神经元误捕获,增强目标区域的可分割性。实验结果表明,改进模型能够有效降低背景及辐射噪声影响,准确分割出不同类型电路板红外图像目标芯片区域,在视觉效果、区域一致性和对比度方面均优于已知的Ostu、K-means和传统PCNN模型,分割性能得到明显增强。     

基于改进的标记分水岭方法的棒材识别

针对图像中棒材识别问题,提出了一种新的标记分水岭的棒材分割识别方法,该方法 结合距离变换 与梯度重构对标记点进行限定,使用分水岭变换完成棒材识别。首先利用棒材图像低频部分 进行阈值的自 动提取,对区域对应的距离图中的局部极值点进行筛选。提取棒材图像中低频成份对应的局 部极值区域, 结合局部极值点得到前景标记。然后基于前景标记进行距离分水岭变换,将分水岭变换得到 的脊线作为背 景标记。最后对梯度重构以后的棒材图像基于标记进行梯度分水岭变换,得到棒材分割识别 结果。本文方 法一方面结合距离图进行标记点筛选及补充得到准确的棒材数目,有效解决了分水岭算法目 标识别的过分 割问题。另一方面保留了梯度图像分水岭变换后边缘定位准确的优点,得到完整的棒材轮廓 。实验结果表 明,该方法满足图像识别的实时性、鲁棒性、准确性要求,可将其应用于类圆目标识别及相 关领域。     

基于改进LCM的红外小目标检测算法

如何在复杂背景和低信杂比条件下准确检测到小目标对于精确制导武器的发展和红外预警等具有重要意义。为了在复杂背景条件下提高图像信杂比并有效地检测出小目标,提出一种基于中心域与邻域灰度对比度的红外小目标检测方法。通过计算输入图像的对比度图和显著度图,提高了目标对比度同时抑制背景杂波;在此基础上自适应设定阈值分离出小目标。实验结果表明:与传统LCM（Local Contrast Measure）方法相比,所提出的方法能够取得更高的检测率和较低的虚警率,尤其是对于复杂背景下的弱小目标检测,相对于对比算法,优势更明显。     

基于分水岭的超像素分割方法

超像素算法作为一种预处理工具已在计算机视觉中得到了广泛应用,尤其在实时视觉系统中,超像素算法的高效性尤为重要。文中是基于分水岭算法而提出的高效超像素分割算法,即空间约束的分水岭算法(SCoW),SCoW算法是通过一组均匀标集来进行分水岭分割。该算法通过引入边缘预处理来确保均匀性和紧凑性之间的平衡,从而对齐超像素的图像边缘,且无任何复杂计算。文中提出的算法比传统算法所产生的超像素图像质量好且运行效率高。