基于DIS边缘检测和自适应边缘生长的图像分割方法

提出一种基于DIS(differenceinstrength)边缘检测和自适应边缘生长的图像分割方法.此方法是边缘检测、边缘生长、区域生长等分割技术的有机结合.通过DIS进行边缘检测,产生了比梯度算子、sobel算子等更完全的边缘信息.为了解决伪边缘及不连续点的问题,提出了自适应的边缘生长方法,较好地解决了该问题,连接了不连续边缘点,产生了边缘点集组成的闭合轮廓.通过进行区域生长,得到了最终的分割结果.实验表明,该分割方法都能获得很清晰可靠的分割效果,提供精确的目标轮廓线.     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

基于边缘检测终止条件的区域生长算法

提出了一种边缘检测和区域生长分割算法相结合的病灶区域提取的新方法.通过最大最小曲线流保留边缘算法对图像进行平滑去噪,利用区域生长算法对图像进行分割.采用Canny算子做为分割的终止条件.实验证明,该方法能够精确的提取出病灶区域.     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

一种基于边界和区域的MRI脑图像分割方法

应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.     

基于目标检测和区域生长的断层图像自动分割

为了实现对序列断层图像的自动分割,提出了基于目标检测和区域生长的自动分割方法.基于待分割目标在相邻层上的相关图和相关度的定义,相关图用于表达目标在相邻断层之间的延续关系.采用目标检测算法计算出当前层上已分割图像和相关图中目标的形状参数,包括目标质心和最小外包矩形等,根据相关度为在相邻层上应用区域生长算法提供有效种子点.实验结果表明,该方法能达到序列断层图像自动分割的目的,而且其效率比基于体素的三维区域生长分割方法提高了近50%.     

基于边缘检测和自动种子区域生长的图像分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,提出一种基于边缘提取和自动区域生长相结合的分割算法,即先利用Canny算子对图像进行边缘提取,得到边缘像素点集,再利用灰度直方图从点集中选取自动种子点,结合平均相似度,采用区域生长法进行图像分割。该算法能够实现阈值和种子的自动选取,在传统算法中很难实现。实验结果表明该算法有效。     

图像分割技术的发展

图像分割是图像处理中的一项关键技术，也是一经典难题，从发展至今仍没有找到一个通用的方法，也没有制定出判断分割算法好坏的通过标准，本文对图像分割方法中的域值分割方法，边缘检测方法和区域提取方法等作了一概述，并介绍了一些近年来出现的各种新方法和对分割评价标准的研究情况，最后，指出了图像分割技术今后的发展方向。     

肝脏CT图像三维分割研究

针对肝脏CT图像的特征,提出了一种将种子区域生长算法和改进Snake模型相结合的策略,实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片,在其肝脏区域内选择若干个种子点,利用种子区域生长算法得到初始边缘,再利用改进的Snake模型对初始边缘进行优化,然后,将此切片的边缘轮廓作为与其相邻切片上的初始边缘,重复该过程,直到分割完所有切片。实验表明该算法具有较高效率,分割结果精确,所产生的分割结果可以作为三维重建合适的数据集。     

带几何约束的彩色图像选择性分割

为了解决彩色图像分割任务中有选择性的定位感兴趣区域的具体需求,基于Lavdie-Chen的灰度图像单水平集选择性分割方法,提出带几何约束的彩色图像选择性分割方法。该试验方法将彩色图像作为一个整体,求其梯度及边缘检测函数,借助边缘检测函数、目标物体约束点确定的距离函数以及形成的多边形内外面积,共同决定曲线演化进程中的方向与速度。区域信息的加入克服了边缘函数依赖单一图像梯度的缺点;正则化优化算法的引入克服了凹陷处分割效果不理想的缺点;加法分裂算子算法可以快速求解模型的Euler-Lagrange方程。试验结果表明,本研究提出的彩色图像选择性分割方法具有有效性强和正确性高的特点。     

基于区域边界生长的图像分割方法

针对浮选泡沫图像气泡粘连、边界模糊等难以分割的特点,结合区域生长和边检测技术,提出一种基于种子区域边界生长的图像分割方法。首先按照图像特征提取种子区域及其边缘,并制定区域边界生长条件,同时按照图像特征制定了泡沫目标的边界规则库,作为区域边界继续生长的判断条件,即是否到达泡沫边界。此方法不以整幅图像为分割单元,而是以每个气泡对象作为处理单元对浮选图像继续分割,图像中气泡分割的结果更加准确。     

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性;其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度;将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生;最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。     

基于射线的泡沫图象分割算法

针对于矿物浮选过程泡沫图像目标气泡粘连、大小形状灰度不均及目标相似度高的问题,分水岭及阈值法难以分割此类图像,笔者提出一种射线分割方法。首先进行目标定位,从种子区域的几何中心位置对称发射出多条射线,并获得各条射线中像素的灰度值变化曲线图,根据各条射线的灰度变化曲线图的波谷位置得到泡沫的边缘。此方法能够去除噪声泡沫,并参照一个泡沫的清晰边缘部位对其模糊边缘进行修正,使其形成真正符合泡沫形状的光滑边界。     

基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

基于自适应阈值的活体细胞图像分割改进方法

针对非活体细胞去除问题,提出一种改进的活体细胞图像分割方法。该方法利用自适应阈值分割算法对原图像进行阈值分割,然后对图像中所有连通区域面积特征值进行判断,去除非活体细胞。由于图像初次分割后细胞边界存在不完全封闭的情况,提出了改进的图像边缘断点连接算法和改进的孔洞填充算法,使细胞边缘闭合,从而得到完整的细胞表面图像。实验结果表明,该方法能够准确的进行细胞分割,具有较好的鲁棒性。