于形态学梯度重建的分水岭分割

提出一种基于形态学梯度重建的分水岭图像分割方法.该方法在形态学梯度图像的基础上,利用形态学开闭重建运算对梯度图像进行重建,在保留重要区域轮廓的同时去除了细节和噪声.避免了标准分水岭存在的过分割现象及传统形态学开闭运算先平滑原始图像,后进行分水岭变换而造成的区域轮廓位置偏移.仿真实验证明,无论从消除过分割还是区域轮廓定位等性能方面,该方法均具有较好的分割效果.整个分割过程无需进行分割后的区域合并处理,降低了分割的复杂性;且分割过程只需选择合适的结构元素大小,增强了算法的灵活性.     

基于形态学尺度空间和梯度修正的分水岭分割

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种基于形态学尺度空间和梯度修正的分水岭图像分割方法,该方法利用形态学混合开闭重建尺度空间和梯度修正技术,在平滑原始图像的同时保留了重要的区域轮廓而去除了易造成过分割的区域细节和噪声,克服了传统的形态学开闭尺度空间在平滑细节和噪声时,部分重要区域轮廓也被平滑及不满足尺度因果性的问题。对平滑后的图像采用梯度修正分水岭变换,保持了尺度和分割区域数目间的因果性,进一步消除了标准分水岭的过分割现象。仿真实验表明,该方法能有效地消除过分割现象,分割的区域数目满足尺度因果性,且具有较高的区域轮廓定位能力。     

基于梯度重建与形态学分水岭算法的图像分割

由于分水岭算法存在着过分割的问题,文章提出了一个有效解决该问题的方法。首先,在图像预处理过程中先对图像进行形态学滤波,消除部分噪声;其次,采用形态学求梯度的方法得到原始图像的梯度图并对其进行开闭重建,在保留区域重要轮廓的同时去除噪声和图像细节;第三,对重建后的梯度图像进行基于标记约束的分水岭分割。试验结果表明：该方法能够很好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,从而降低了分割的复杂性。     

基于形态预处理和标记提取的分水岭分割算法

为了解决传统分水岭算法的过分割问题,提出了一种基于内外标记的改进分水岭图像分割方法.该方法在形态增强图像的基础上,进行形态学开闭重构运算,在不影响图像中原有景物结构及边缘结构的同时,去除图像中的暗纹理和噪声.从重建后的增强图像中对感兴趣的目标和背景进行标记提取.依据标记利用形态学极小值标定技术对形态梯度图像进行修正,最后使用分水岭算法对修正后的梯度图像进行分割.该方法能够有效地抑制过分割现象,复杂度较低,并可通过调整图像分割过程的参数,得到理想的图像分割效果.     

基于区域特征合并的分水岭图像分割

传统分水岭变换图像分割方法容易造成过度分割,不利于后期的图像分析与处理。采用一种分水岭变换结合区域特征合并的方法,首先将原始图像进行形态学变换,获取梯度图像;再进行分水岭变换,并将运算后的结果进行基于区域纹理、灰度一致性及区域平滑性等特征的区域合并;最终获取分割结果。实验结果表明,与传统分水岭变换方法相比,该方法能够有效降低因噪声、明暗纹理产生的过分割现象,方法可行、有效。     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,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.     

一种基于形态学的脑肿瘤分割

由于脑部结构复杂,存在精密纹理并且由于成像技术的限制,传统分水岭算法分割脑肿瘤很容易产生过分割问题。本文提出一种改进的分水岭算法解决此过分割现象。在应用分水岭算法之前对图像进行一些预处理:首先,应用形态学开闭重建重构原图像,滤除噪声和复杂细小的纹理;其次,对重建后的图像做多尺度形态学梯度,并对修改了标识符的梯度图像进行分水岭算法分割。实验结果表明:结构元素半径大小取17~22,肿瘤能够完全地分割出来。与传统的分水岭分割算法相比,本文所采用的算法很好地抑制了过分割问题,可以很容易地分割出肿瘤。     

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．     

基于面积约束和自适应梯度修正的分水岭图像分割

图像中的噪声或非规则细节干扰易导致形态学 分水岭产生较严重的过分割,为了在消除过分割的同时尽可能 保持图像目标边界的准确定位,提出了一种基于面积约束和自适应梯度修正的分水岭图像分 割方法。首先对图像进行梯 度变换,采用区域面积约束滤除狭小高梯度尖峰对应的噪声和非规则细节;然后建立梯度级 与结构元素大小之间的函数 关系,并以相对应的结构元素对梯度图像进行粘性形态学(VM)闭运算,消除低梯度噪声及非 规则细节,实现梯度图像的自适 应修正,由于VM闭运算对梯度图像进行修正时,对目标仅作轻度或不作修正,因 而能够最大限度的保持目标轮 廓的准确定位,而对噪声和非规则细节则采用较大尺寸的结构元素进行较大幅度修正,从而 消除产生过分割的因素;最 后对修正图像进行分水岭分割。实验结果表明,本文方法能够在消除过分割的同时,保持目 标轮廓的准确定位。     

结合梯度重建和非线性处理的语义图像分割

语义图像分割是进一步图像分析与理解的重要基础,本文面向语义分割,针对传统分水岭分割算法对噪声敏感、易于产生过分割等问题,研究了一种结合梯度重建和非线性处理的图像分割方案.首先提出了基于形态学的开闭二次重建获得形态梯度图像的方法,然后对其进行阈值变换,以抑制噪声引起的明暗细节,之后进行给定尺度等级的非线性划分,以降低目标和背景内部细密纹理的影响,而后,采用了一种改进的分水岭浸没标记算法进行分割.实验结果表明,与传统算法和Matlab工具箱中算法相比,本文算法获得了更为理想的分割结果.     

基于数学形态学的医学CT图像分割方法研究

提出一种基于形态学分水岭算法的医学CT图像分割方法。针对传统分水岭算法易产生过分割现象的问题,分析产生过分割现象的原因并提出解决方案:首先利用形态学重构算法滤波,然后合并极小值,对梯度图像进行修正,最后对修正的梯度图像进行分水岭变换。仿真结果表明该方法能够抑制过分割现象,得到理想的分割结果。     

基于自适应预处理的图像分割方法

为了防止分水岭算法过分割问题,该文提出了一种基于自适应预处理的图像分割算法。该方法在分水岭算法的基础上,首先结合像素点亮度特征和空间分布特性应用自适应方法对梯度图像进行预处理。通过考察各像素点邻域中像素分类后的分布情况,来判断考察点是处于区域中心还是处于边界,并据此对考察点的梯度值进行调节。然后在预处理后的梯度图像上选定标记,将预处理后的梯度图像中大于200个像素的连通区域标定为标记。最后用分水岭分割方法对带标记的参考图像进行分割。试验结果表明,该分割方法具有良好的分割效果。     

改进分水岭算法在医学图像分割中的应用

医学图像存在病变区域和背景区域,病变区域是分割的重点,亦印感兴趣区域.针对传统的分水岭变换由于对噪声和细密纹理的敏感会产生严重的过分割现象,提出两点改进:首先对原始图像运用高频强调滤波作图像增强预处理,补偿图像轮廓、突出图像的边缘信息以使图像显得更加清晰;其次是采用修改了标记符的梯度图像进行分水岭分割,整个分割过程无须进行再进行后续的合并处理,降低了分割的复杂性.仿真实验结果表明,这种改进的方法不但使过分割现象得到了很好的抑制,而且医学图像中的病变区域被有效分割出来,同时该方法还支持任意形状,且与JPEG2000标准兼容,分割效果很好.     

基于模糊增强的医学图像分割分水岭算法研究

医学图像存在病变区域和背景区域,病变区域是分割的重点。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,提出了一种将多尺度形态学边缘检测、模糊增强和控制标记符分水岭相结合的分割策略。该方法首先结合大结构元素和小结构元素各自的优点,用多尺度形态学边缘检测降弱过分割;其次用模糊增强算法使原始医学图像中粗细的边缘都能够得到增强;最后采用基于前景和背景标记的分水岭分割算法进行分割。仿真实验表明,该算法不仅可以有效的克服分水岭变换严重的过分割问题,得到有意义的区域分割,而且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,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

结合自适应TV模型和分水岭变换的图像分割算法

针对传统分水岭算法对噪声敏感,易出现过分割的现象,提出一种自适应全变分模型和标记分水岭算法相结合的图像分割算法。采用自适应全变分模型对原始图像进行滤波处理,平滑去噪的同时保留图像的边缘信息;求解其多尺度形态学梯度图像,并用基于最大熵的扩展极小值技术获得的前景和背景标记并对其多尺度梯度图像修改;对修改后的梯度图像进行分水岭变换,实现准确的分割。对比常用和相似的图像分割算法,实验结果表明,该算法在抗噪性、运行时间和分割交并比上有一定的优势。尤其是在噪声强、灰度值接近的医学图像上能够获得合理有意义的分割区域,效果良好。     

一种基于定时段区域补偿的视频对象分割算法

在传统时空联合算法的基础上,提出了一种基于定时段区域补偿的视频对象分割后处理算法。首先,通过对帧差图像进行噪声抑制和膨胀连接获得变化检测模板;然后,对原始图像进行开闭重构简化,求取形态学梯度,通过对形态学梯度图像进行非线性变换和梯度等级划分并最终由分水岭算法获得对象的精确边界,通过比例运算提取出视频对象的初始二值化模板;最后,通过定时段区域补偿获得最终的完整视频对象模板。实验结果证明了该算法的正确性和有效性。     

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。     

基于形态学分水岭的Normalized Cut图像分割方法

针对传统分水岭分割后所产生的过分割问题,提出了一种基于形态学分水岭算法和Normalized Cut算法相结合的图像分割方法。在传统分水岭分割的基础上,融合形态学算法进行初步分割,并将分割后各个子区域的形心和平均灰度值作为Normalized Cut算法的输入参数,完成图像分割。结果表明,组合算法既避免了过分割现象,也达到了Normalized Cut算法的分割精度,是一种有效的图像分割算法。     

一种适合医学图像分割的改进分水岭算法

对分水岭算法提出两点改进:先对原始图像的高帽和低帽形态作滤波预处理,滤除原始图像中的噪声和非感知信息,保留原始图像的结构信息;再采用修改了标记符的梯度图像进行分水岭分割,整个分割过程无须进行分割后的区域合并处理,降低了分割的复杂性.这种改进的方法不仅很好地抑制过分割现象,还能使医学图像中的病变区域被有效分割出来,该方法还支持任意形状,与新的静态图像压缩标准JPEG2000兼容,效果很好.     

基于视觉传达的复杂光照图像虚拟重建设计研究

为了提升复杂光照图像虚拟重建后的效果，基于视觉传达对复杂光照图像虚拟重建进行设计研究。利用分水岭变换方法分割图像，通过分析图像的形状异质性，计算出光滑度差异值，将目标轮廓精准地从图像中分割出来，形成独立的图像个体，基于此，通过立体匹配对目标图像进行区域校准，利用视觉传达技术根据分割图像的位置和色彩，计算图像视觉表达灵敏度，进行虚拟重建，实现对复杂光照图像的修复。在实验论证中，对所提方法的重建效果进行了测试，结果表明，所提方法处理过的图像具有较高信噪比，能够较好地还原原始图像，对原始图像的还原率平均达到了94.41%,明显高于对比方法，说明总体重建效果较好。