基于多级混合模型的图像分割方法

本文研究了典型的基于区域的图像分割方法主动形状模型(Active Shape Model,ASM)和基于边缘的图像分割snake算法,分析了算法适用条件和各自的优缺点.结合snake模型与主动形状模型,提出了一种基于多级混合模型的图像分割方法:首先使用ASM,获得的时目标图像位置和形态的最佳估计,并通过snake算法对匹配的结果进行二次调整,获取可以精确描述图像边缘信息的模型.试验表明了该方法的有效性.     

基于区域相似性的活动轮廓SAR图像分割

为了克服传统活动轮廓SAR分割模型高度依赖统计分布假定的缺点,结合基于成对相似性的图划分方法和几何活动轮廓模型的优点,提出了基于区域相似性的活动轮廓SAR分割模型.首先将原始图像过分割成同质子区域集;然后结合强度和纹理信息真实度量子区域的成对相似性,并以此定义能量泛函;最后利用基于过分割的规则化和快速曲线演化实现SAR图像的有效分割.真实SAR图像的实验结果表明,该模型能快速、准确地得到SAR图像的分割结果.     

先验形状约束的超声前列腺图像分割方法

提出一种结合超声前列腺图像的局部特征和前列腺的先验形状知识的分割方法。该方法在传统图像分割方法中引入了前列腺的先验形状约束,使得分割能够一定程度地避免由于超声图像中噪声、伪影、灰度分布不均匀等因素对前列腺分割所造成的影响。算法分为两个部分：先验形状模型的学习和先验形状约束的分割。在先验形状模型学习阶段,采用主成分分析方法对形状作特征提取,以高斯分布作为形变参数的估计;在先验形状约束分剖阶段,将基于局部高斯拟合特征的活动轮廓模型与形状模型相结合对前列腺图像分割。实验表明,所提出的方法在超声前列腺图像中取得了良好的分割效果,为临床诊断和治疗提供了定量分析的工具。     

基于像素聚类的超声图像分割

B型心脏超声图像分割是计算心功能参数前重要的一步。针对超声图像的低分辨率影响分割精度及基于模型的分割算法需要大样本训练集的问题,结合B型心脏超声图像的先验知识,提出了一种基于像素聚类进行图像分割的算法。首先,通过各向异性扩散处理图像;然后,使用一维K-均值对像素进行聚类;最后,根据聚类结果和先验知识将像素值修改为最佳类中心像素值。理论分析表明该算法可以使图像的峰值信噪比（PSNR）达到最大值。实验结果表明：所提算法比大津算法等更准确,PSNR较大津算法提高11.5%;即使在单张图像上也可以进行分割,且适应于分割任意形状的超声图像,有利于更准确地计算各种心功能参数。     

一种基于边缘提取的交互式图像分割算法

提出了基于边缘提取的交互式图像分割算法,该算法将图像映射为无向图,使用拉普拉斯零交叉点、边缘强度和动态轨迹长度构造能量模型,并为无向图中的边赋予能量代价.根据能量代价,引入角点信息,在交互得到的控制点间搜索最优路径,迭代此过程,实现分割.实验结果表明,该算法具有较高的精度和效率,能较好地克服噪声影响,适用于灰度及彩色图像.     

基于先验形状信息的水平集图像分割

针对现有水平集方法对于具有强噪声或弱边界的目标进行分割时存在的问题,提出了一种基于形状先验的图像分割方法.该模型采用变分水平集方法,融合了区域特征和边界轮廓特征,并通过相似性匹配选择最佳先验形状.该模型不仅对具有强噪声和弱边界的复杂图像具有较好的分割效果,而且有效地解决了曲线演化的初始轮廓的确定问题.与传统方法进行对比实验,结果表明,该方法具有较好的分割效果和较高的准确率.     

基于形状边缘方向直方图的图像检索算法研究

描述了一种基于边缘方向直方图(Edge Direction Histogram,EDH)的图像形状特征提取方法,算法提取的特征向量同时满足尺度、平移和旋转不变性.实验证明该方法对于具有单一背景、形状特征明显的图像具有较好的检索效果.     

基于边缘检测的图像分割技术浅析

图像分割是图像处理技术中的难点之一,多年来一直受到广大研究者的深入探讨。新的分割算法层出不穷,但是目前提出的算法,几乎都是针对具体的分割对象,而没有一种可以适用于所有情况的分割方法。边缘检测技术是图象处理中重要的一个关键步骤,本文将阐述基于边缘检测的图像分割技术背景,边缘检测的相关技术,同时对图像分割技术的发展进行展望。     

基于边缘检测的图像分割的超声诊断机器人控制系统设计

传统系统在嵌入信息后峰值信噪比较高,使图像分割结果与实际效果相差较大,导致控制系统超声诊断结果并不精准,针对该问题,提出基于边缘检测的图像分割的超声诊断机器人控制系统设计。在控制系统的硬件结构部分,以STM32F103C8T6单片机为核心的控制器,使用型号为3MC58的步进电机驱动器,通过角位移量控制脉冲个数,以实现更加准确的定位。在软件设计中,通过图像分割技术检测图像边缘特征,提高图像分割精度和准确度,帮助诊断机器人提高诊断功能。分析不同嵌入率下峰值信噪比,在确定该值后将传统系统与该系统的超声诊断功能对比分析,由实验结果可知,该系统在嵌入信息后峰值信噪比较高的情况下也能保证图像分割结果与实际效果一致,对0.8 bpp嵌入率图像的分割处理效果平均值为89%,超声诊断准确率平均值为88.6%,表明该系统的控制性能较好,能够为医学、航天航空及军事领域提供设备支持。     

一种基于边缘梯度的图像分割方法

利用Krisch边缘方向算子，实现了对彩色和服图片中的和服边缘检测，同时根据真实边界点处的梯度强度值大于其左右邻域的梯度强度值的特征，获得了边缘细化。在结合边界跟踪技术的基础上，有效地去除了和服中大量的与和服分割无关的花瓣图案，得到了和服的有效边缘。实用的边缘连接技术则成功地实现了和服图片中和服各部分的分割。实验结果表明该方法在和服分割上是一种实用的和成功的方法。     

基于径向边缘检测和Snake模型的舌像分割

舌像分割中嘴唇和舌体部分的纹理和颜色比较接近,直接采用Snake方法提取舌体轮廓很难得到理想的轮廓。本文提出一种结合径向边缘检测与Snake模型的分割方法,首先使用径向边缘检测得到初始轮廓,使用色彩对消消除嘴唇影响,最后用Snake获取舌体轮廓。实验表明该算法取得较好的分割效果。     

基于模拟退火的简化Snake弱边界医学图像分割

弱边界医学图像的分割一直是图像分割技术中的一个难点，为了有效地对弱边界医学图像进行分割，提出了一种简化的Snake图像分割算法，该算法对传统Snake模型进行了改进，即运用简化Snake的思想，特别是在内能表达式中添加了系数可变的面积项，并且引入了模拟退火算法与已改进的简化Snake模型相结合的方法，使得图像的分割效果有了较好的改进。另外，还讨论了模拟退火算法中邻域的选取、随机变量的产生机制以及接受准则等对搜索到理想的最优解所起的作用。该算法运用到医学图像分析中的实验证明，该算法对弱边界信息图像的分割能取得较好的效果，而且运算的时间复杂度低。     

基于边缘流的煤电厂炉膛火焰图像分割方法

针对炉膛火焰灰度变化不明显采用传统的分割算法无法达到满意分割效果的问题,采用了基于边缘流的分割方法对电厂炉膛火焰图像进行分割;首先选用高精度的灰度边缘流对图像进行分割,得到边缘流的矢量方向和边缘能量,然后再对图像闭合处理得到初始分割图像;最后,再利用颜色相似度对相邻区域进行处理,得到最终分割图像,该方法不仅避免了单纯边缘流算法提取边界不连续无法检出较弱边界的问题,而且也可以避免过分割问题;通过实验表明,基于边缘流的方法是对炉膛火焰图像进行分割的有效方法。     

基于边缘检测的图像分割方法及其在机器鱼中的应用

针对仿生机器鱼在目标识别、追踪任务中的需求,结合基于阈值的图像分割算法和基于Sobel算子的边缘检测技术,给出了一种基于目标图像阈值自适应调整策略的图像分割方法．克服了基于固定阈值的图像分割算法不能适应环境光照变化的缺点．该方法应用于仿生机器鱼的水下目标识别任务中,实验结果表明了该方法是有效的．     

基于边缘的结构相似度模糊图像质量评价

结构相似性理论是一种关于图像质量评价的新思想,它很好地模拟了人眼视觉特性的整体功能。本文首先介绍了传统图像质量评价方法的不足,分析了基于视觉特性的结构相似度理论。作为结构相似性理论的一个实现,结构相似度模型(SSIM)简单且评价性能优于峰值信噪比(PSNR)或均方误差(MSE),但SSIM模型不能较好地评价严重模糊的降质图像。基于此,在SSIM基础上,本文提出了一种新颖的、基于边缘的图像质量评价模型(ESSIM)。该模型充分考虑了图像的边缘信息和人类视觉系统的关系。实验结果表明,ESSIM是一种有效的图像质量评价方法,尤其在对模糊图像的质量评价上优于结构相似度的评价方法SSIM。     

模糊聚类和边缘检测结合的彩色图像分割算法

提出模糊聚类和边缘检测结合的彩色图像分割方法,以色彩图像直方图中自适应搜索到的峰值作为聚类中心,对图像进行模糊聚类。然后对模糊聚类后的图像进行边缘检测,检测出面积较大的区域的边缘,首先在区域内部进行融合,然后在区域边界和面积较小色彩相似的区域融合。实验表明,本方法不需预先确定聚类数目、聚类中心初始化,在区域融合后,可得到较好的分割效果。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

双尺度边缘结构相似度的图像质量评估

图像质量评价对于各种视频图像应用具有重要的意义。结构相似度准则SSIM在模糊图像及噪声污染的图像判定方面,存在偏差。该文提出了基于双尺度边缘结构特征的图像质量评价算法——MDESSIM,充分考虑了边缘信息在结构信息中的重要性,通过增加边缘结构的失真度量来综合评价图像质量。实验结果表明了MDESSIM算法的有效性。