基于改进分水岭及区域合并的图像分割方法

改进了基于地形学距离的分水岭算法,提出了一种结合了图像灰度、边缘信息与信息熵的图像分割方法。首先利用改进的分水岭算法将图像分成多个小区域,根据各个区域之间的临接关系,建立RAG;其次,利用提出的区域相似度合并区域;最后根据最大熵准则停止合并过程,获取最终的分割结果。实验结果表明,与改进前的分水岭算法相比,该方法边缘定位更加准确。与k-mean和基于边缘的分割方法相比,能够较好地分割出图像的细节,同时分割结果也更加符合人的视觉特性。     

改进的利用门限的分水岭图像分割算法

分水岭变换的一些优秀的性质使它在许多不同的图像分割应用中非常常用:它简单并且具有直观性,可以并行实现,并且总是产生完整的图像轮廓.然而,它仍然有许多缺点(过度分割,对噪声敏感,难于检查出细结构物体或者低信噪比的结构).本文提出一种改进的使用门限的分水岭算法来在不同程度上克服分水岭的这些缺陷.我们把该算法应用在三类图片上,一种具有复杂结构,一种具有低对比度,一种有低的信噪比.本文展示了该算法的分割结果,展示了该算法在这几类图片上出色表现.     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

基于分水岭算法的空间目标图像分割方法

自然背景复杂的纹理特征,使得自然背景下人造目标的分割变得困难.为了从空间背景下精确分割出人造目标,基于分水岭算法,结合形态学重建和分形理论,提出了一种改进的图像分割方法.首先利用形态学开闭重建运算对原始图像的形态学梯度图像进行重建,其次在原始图像中利用人造目标和空间背景的分形特性差异对目标进行标记,最后对重建后的图像采用分水岭算法进行分割,将包含标记的区域提取出来并进行合并,从而将人造目标提取出来.仿真结果表明了方法的有效性.     

基于改进标记的高分辨率遥感图像分水岭分割方法

扩展最小变换是标记分水岭变换中常见的标记提取方法,但实验证明,基于该方法的图像分割结果在地物边缘处仍会存在破碎多边形。本文采用一种新的标记提取方法,首先利用高斯低通滤波器对梯度图像进行平滑,然后在梯度图像的低频成分中利用扩展最小变换提取标记,最后利用二值标记图像对原始梯度图像进行梯度重建,分水岭变换在重建后的梯度上进行。实验证明,该方法可以有效地去除地物边缘处的破碎多边形。     

基于改进的自适应分水岭图像分割方法研究

研究图像分割中由于对噪声的抑制能力弱以及对大多数图像易产生过分割现象,从而导致图像分割过程中局部分割线产生偏移现象,进而使得图像分割变得困难.为解决上述问题,提出了改进的自适应分水岭图像分割方法.首先,对输入的图像进行自适应降噪滤波,以减弱因噪声干扰导致的区域极小值;然后,运用形态梯度算子对滤波去噪后的图像进行平滑处理,以减弱噪声对分水岭分割的影响;最后,对图像进行目标标记,用来屏蔽消除其它无用的极小值,仅允许标记过的极小值生长为分割区域并得到最终的分割线,达到最终分割出感兴趣物体的目的,仿真结果表明,与传统分水岭分割方法比较,缓解了分水岭算法过分割问题,增强分割算法的鲁棒性,优于一般的分水岭算法.     

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。     

结合分水岭算法的水平集医学图像分割方法

由于医学图像中的复杂目标通常难以被完全分割,提出标记分水岭与改进型Li模型的组合图像分割算法。改进型Li模型构造了符号压力函数来取代传统的停止函数,解决了曲线单向演化的问题。标记分水岭具有较强的抑制噪声的能力,对医学图像的弱边缘具有较强的捕获能力。所以首先运用标记分水岭算法对图像进行预分割,快速准确定位目标区域边缘信息。再引入改进型Li模型算法,通过符号压力函数来指引曲线演化方向,控制演化速度大小,实现对复杂目标的完全分割。实验结果表明:全局信息和边缘信息都能被获得,该组合算法对医学图像中的复杂目标的分割效果较满意。     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

基于分水岭算法的医学图像分割

本文采用分水岭算法对医学图像进行分割,针对医学图像的特点以及该算法存在的过分割问题,首先将原图像转换为形态梯度图像,并对形态梯度图像定义一组形态开闭滤波器进行处理,以获得较好的参考图像;然后采用基于连接像素的分水岭算法进行分割。为了获得整体目标,还定义了一个基于分割区域边界平均灰度及其面积的检验准则,并将其作为区域合并的根据。该方法应用于医学图像分割的结果表明,形态滤波器组的引入很好地防止了过分割,基于分割区域边界平均灰度及其面积的准则对分割区域进行合并是行之有效的。     

一种改进的快速医学图像分割方法*

为了确定医学图像的最佳灰度直方图熵,提出了一种基于改进演化算法的快速分割方法,能够自适应调整交叉和变异概率,既保证了种群的多样性,又克服了传统演化算法局部最优、收敛过快的缺点。搜索到的最佳阈值不仅比传统演化算法稳定性好,还有效地缩短了搜索时间,快速地实现了医学图像分割,而且分割后的图像可读性强。实验结果表明,该方法速度快、分割效果好。     

改进分水岭算法的彩色图像分割技术

针对传统的分水岭变换可能产生严重的过渡分割,提出的分水岭变换算法在梯度图中去除了无相关点,用梯度临界值控制分割函数式。实验结果显示该算法对具有不同特征的图像均可有效地改进分割的精确性。     

一种新的肝肿瘤CT图像分割方法

传统的分割方法难以实现医学图像准确地分割,提出了基于最大信息熵原理的医学图像分割方法。该方法集成了阈值分割、边界跟踪和数学形态学,提高了分割的精度和速度。分析和实验结果表明,采用该方法对肝肿瘤CT图像进行分割时,能自动准确地提取出医生感兴趣的区域。     

改进多尺度分水岭算法在医学图像分割中的应用研究

针对分水岭算法存在的过分割问题以及医学图像的特点,提出了一种能够有效增强梯度图像边缘点并且消除局部极小值的方法。 首先采用多尺度滤波法提取图像的边缘信息,然后提出了基于图像边缘滤波消除局部极小值的方法,最后介绍了算法的步骤及结果。实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,即使不进行区域合并也能达到很好的效果。     

基于分水岭算法的灵武长枣图像分割方法研究

传统分水岭算法常常会因阈值选择不当而导致图像分割出现各种各样的问题,尤其是过分割问题。在传统分水岭算法的基础上,以灵武长枣图像为研究对象,运用遗传算法对随机选取的阈值进行优化选择;对自然光照环境下的20幅灵武长枣图像,采用改进后的分水岭算法对其进行分割。首先在传统分水岭算法的基础上,利用遗传算法对阈值进行寻优,得到最优的图像分割阈值,再利用最大类间方差法和数学形态学等方法对图像进行后处理,最终得到分割图像,将分割图像与人工分割得到的图像进行比较,分割的正确率能达到89.99%,且分割效果远远优于传统分水岭算法。实验表明,该方法能够得到最优分割阈值并且能够满足机器识别对图像分割的要求。     

一种顺序无关的改进分水岭图像分割算法

为了减少顺序无关分水岭算法中的脊线标记RIDGE的数量,引入像素的湖最小值作为附加地形特征来消除不确定性。同时为了解决分水岭算法的过分割问题,引入落差来控制分割区域的形成过程。实验结果表明,改进算法在增加有限计算复杂度的情况下,将RIDGE标记数量减少了约80%,改善了原顺序无关算法中不确定像素过多的问题,将分割结果区域的数量减少了5%~20%,并且算法保持了顺序无关的特性。     

萤火虫算法优化最大熵的图像分割方法

为了提高图像的分割效果,提出一种萤火虫算法优化最大熵的图像分割方法。获得最大熵法的阈值优化目标函数,采用萤火虫算法对目标函数进行求解,找到图像的最佳分割阈值,根据最佳阈值对图像进行分割,通过仿真实验对分割效果进行测试。结果表明,该方法可以迅速、准确找到最佳阈值,提高图像分割的准确度和抗噪性能,可以较好地满足图像分割实时性要求。     

基于融合自适应形态滤波的分水岭分割新算法*

针对分水岭分割易产生过分割问题,提出一种基于融合自适应形态滤波的分水岭分割算法。该算法对图像进行多结构多尺度自适应形态滤波处理,从而抑制图像的暗噪声和暗纹理细节。为了增强目标和背景的对比度,进行高低帽变换,再应用浸没模型的分水岭算法进行图像分割。实验结果表明,与一般的分割算法相比,该算法能有效地抑制各种噪声对分割的影响,具有较强的抗过分割性能,快速有效地实现图像的分割。     

基于形态学梯度的分水岭彩色图像分割

图像分割是从图像处理到图像分析的关键步骤之一。在改进了基于地形学距离的分水岭算法的基础上,提出了一种结合图像信息熵、形态学梯度与区域合并的图像分割方法。该算法首先利用信息熵在RGB颜色空间中对彩色图像求其形态学梯度,然后对彩色梯度图进行分水岭分割,最后对分水岭产生的过分割现象进行区域合并。通过Matlab对图像进行实验,结果证明该算法不仅能够减少分水岭算法的过分割现象,而且还提高了图像分割的精确性,同时在图像分割时具有很好的鲁棒性和适应性。