基于分层多尺度形态学梯度修正的分水岭分割（英文）

形态学分水岭分割对图像中的噪声和非规则细节较为敏感,常常导致较严重的过分割。如果在分水岭分割之前采用线性滤波器进行平滑,可以在某种程度上消除噪声和非规则细节干扰造成的分水岭过分割,但是可能使分割出的目标轮廓产生位置偏移。为了能够在消除过分割的同时保持目标轮廓的位置不变,提出了一种基于分层多尺度形态学梯度修正的分水岭分割方法。首先对原始图像进行多尺度形态学滤波平滑;然后根据形态学梯度图像的三维地貌体积对其进行分层多尺度修正,自适应地确定修正所需的结构元素尺寸,对于低梯度层级采用较大尺寸结构元素进行形态学闭运算,消除因非规则细节产生过分割的非规则局部极小值,而对较高梯度层则采用较小尺寸的结构元素,保持区域轮廓的位置不变;最后在修正梯度图像基础上,运用标准分水岭变换实现图像分割。实验结果表明,该方法能够在消除过分割的同时,较准确的保持目标轮廓的位置。     

一种基于分水岭和区域合并的视频对象分割算法

为了从视频序列中分割出完整的、一致的运动视频对象,并且改善分水岭算法存在的过分分割问题,本文提出了一种基于时空分割融合的视频分割算法。时间分割采用图像差分算法,其关键的阈值选取通过直方图分析得到。空间分割时,先采用抗噪声能力更强的多尺度形态学算子求取图像梯度,然后进行分水岭变换,最后进行区域合并,它可以有效克服噪声的影响并有效地减少过分割。仿真结果表明,此算法对于改善过分割现象有明显效果,并且对分割程度具备可控能力,在适应不同场景需求方面存在一定的应用价值。     

应用聚类和分形实现复杂背景下的扩展目标分割

将K-均值聚类方法与分形理论相结合,提出了一种分两个阶段对扩展目标进行分割的方法.在预分割阶段,运用粗糙集理论求取初始聚类中心,在K-均值聚类分割和区域连通的基础上,检测图像边缘并进行边界跟踪,对于获得的目标和背景团块根据扩展目标特性确定目标潜在区域.在进一步分割阶段,给出图像分维数随尺度变化的函数,利用自适应阈值,根据分形理论的尺度不变性进一步抑制预分割结果中的自然背景,并运用形态学开运算消除背景粘连.实验表明该方法能有效并可靠地实现复杂背景下扩展目标的精确分割,分割出的扩展目标轮廓细节保持良好.     

改进分水岭算法在LED芯片识别中的应用研究

对LED芯片图片中的关键信息进行完整高效地提取是视觉检测系统的关键,提出一种改进的分水岭算法对LED芯片图像进行分割提取。使用形态学重构对预处理之后的图像进行操作,分别对背景和前景进行标记,最后对修正后的梯度图像进行分水岭变换。多次使用分割变换,改善了过分割的现象,对芯片特征的提取具有较好的效果。     

基于改进C-V模型的多运动目标分割

针对固定摄像机视频监控中多运动目标自动分割问题,本文提出了一种基于帧间差分和改进C-V模型的新方法。首先,通过自适应阈值获得滤波后的相邻帧差值图像。其次,通过连通域分析和设定阈值,消除差值图像中噪声的影响并标定出运动目标所在的区域,计算运动区域的运动窗口。最后,对所有运动窗口,采用改进的C-V模型作分割,得到封闭和完整的运动目标轮廓。针对C-V活动轮廓模型不能自适应地分割非匀质图像问题,提出利用全局梯度信息演化活动轮廓曲线,根据闭合活动轮廓曲线内外部的梯度信息重新定义图像分割能量函数。实验结果表明,该算法避免了对整个图像的分割,减少了运算量,能实现对刚体或非刚体的多运动目标的自动检测和轮廓分割。     

一种基于自适应形态学中椭圆结构元素的遥感图像水体分割方法（英文）

利用可见光和红外遥感图像统计水体区域面积是掌握水资源基本情况的有效手段,而水体分割是统计的前提。通常遥感图像中水体区域的边缘特征较为复杂,在利用传统形态学图像分割方法时,通常采用固定结构元素对图像进行形态学运算,导致图像边缘属性易发生改变,进而影响图像分割准确率。为了准确分割遥感图像中的地表水体,提出了一种利用形态学自适应椭圆结构元素的遥感图像水体分割方法。首先利用线性结构张量估计图像特征值和特征向量,根据该特征属性构造可自适应变化的椭圆结构元素;然后定义相应的自适应形态学基本运算,进而组合衍生出相应的闭运算,消除暗细节噪声对水体的影响且不会对水体边缘过度拉伸,因而能够更准确的保持水体边缘;最后在此基础上,运用灰度切片分割出水体区域。实验结果表明,所提出的方法具有较高的分割准确率,平均分割误差小于1.43%。     

基于二进小波多分辨率逼近的层析三维数字化图像边缘检测研究

采用Ｂ样条小波来提取层析图像的边缘轮廓,用高斯函数为平滑函数,用Ｍａｌｌａｔ快速算法进行小波分解,分解出的局部极值就是层析图像多尺度边缘。这两种算法在不同的尺度下有不同的提取边缘细节的能力和抑制噪声的能力。做到了抑制噪声和提取边缘细节之间有机的统一。结果证明这种方法比传统的基于微分算子的边缘提取方法更适合于层析图像边缘轮廓的提取     

基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

基于二进小波分辨率逼近的层析三维数字化图像边缘检测研究

采用Ｂ样条小波来提取层析图像的边缘轮廓,用高斯函数为平滑函数,用Ｍａｌｌａｔ快速算法进行小波分解,分解出的局部极值就是层析图像多尺度边缘。这两种算法在不同的尺度下有不同的提取边缘细节的能力和抑制噪声的能力。做到了抑制噪声和提取边缘细节之间有机的统一。结果证明这种方法比传统的基于微分算子的边缘提取方法更适合于层析图像边缘轮廓的提取。     

基于形态学算法分割铁谱图像研究

在铁谱图像分析与研究中,为实现对铁谱图像的准确性与自动快速分割,首先将二值化图像进行边缘干扰去除并用形态学重构滤除明暗区域,然后采用形态学膨胀与腐蚀消除目标区域内细小孔洞,最后基于形态学分水岭方法实现自动探测目标区域并分割粘连重叠磨粒,大大提高了铁谱图像分割精度,另外由于使用形态学方法处理图像,加快了图像处理的速度,使...     

Combining intensity, edge and shape information for 2D and 3D segmentation of cell nuclei in tissue sections

We present a region‐based segmentation method in which seeds representing both object and background pixels are created by combining morphological filtering of both the original image and the gradient magnitude of the image. The seeds are then used as starting points for watershed segmentation of the gradient magnitude image. The fully automatic seeding is done in a generous fashion, so that at least one seed will be set in each foreground object. If more than one seed is placed in a single object, the watershed segmentation will lead to an initial over‐segmentation, i.e. a boundary is created where there is no strong edge. Thus, the result of the initial segmentation is further refined by merging based on the gradient magnitude along the boundary separating neighbouring objects. This step also makes it easy to remove objects with poor contrast. As a final step, clusters of nuclei are separated, based on the shape of the cluster. The number of input parameters to the full segmentation procedure is only five. These parameters can be set manually using a test image and thereafter be used on a large number of images created under similar imaging conditions. This automated system was verified by comparison with manual counts from the same image fields. About 90% correct segmentation was achieved for two‐ as well as three‐dimensional images.     

Automatic segmentation of diatom images for classification

A general framework for automatic segmentation of diatom images is presented. This segmentation is a critical first step in contour-based methods for automatic identification of diatoms by computerized image analysis. We review existing results, adapt popular segmentation methods to this difficult problem, and finally develop a method that substantially improves existing results. This method is based on the watershed segmentation from mathematical morphology, and belongs to the class of hybrid segmentation techniques. The novelty of the method is the use of connected operators for the computation and selection of markers, a critical ingredient in the watershed method to avoid over-segmentation. All methods considered were used to extract binary contours from a large database of diatom images, and the quality of the contours was evaluated both visually and based on identification performance.     

一种基于脊线的层级分水岭新算法

针对传统V.S.分水岭算法存在的过分割现象,提出一种基于脊线的层级分水岭算法。通过对传统V.S.分水岭算法中浸没过程的适当改进,找到完整无冗余的区域脊线;再次修改浸没过程,仅对脊线进行多级迭代的分水岭再分割,即可完成区域分割。实验结果显示:该算法能处理传统V.S.分水岭算法的过分割现象,且计算速度较快。     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

Application of an improved watershed algorithm in welding image segmentation

In view of the present state of welding flaw X-ray test method and open question, a watershed segmentation method is proposed based on the dynamic combination rule. In consideration of image structure information, this paper presents an improved method based on the watershed algorithm, which has effectively restrained the over-segmentation occurrence by means of combination whilst segmentation in accordance with the dynamics combination rules. Experimental results show that the algorithm can quickly and accurately obtain the segmentation result of flaw image. Furthermore, it has higher ability in resisting noise.     

基于分水岭变换和图论的图像分割方法

提出了一种融合分水岭变换和图论的图像分割方法.利用图像的局部灰度信息进行分水岭变换后,将图像分割成多个小区域,再结合各小区域的灰度和空间信息从全局角度用Normalized Cut方法在区域之间进行分割,产生最终的分割结果.实验结果表明,该方法可以消除分水岭变换后所产生的过分割现象,是一种有效的图像自动分割方法.     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

LED芯片图像的势函数标记分水岭分割

全自动LED芯片测试分拣系统通过视觉图像处理精确定位LED芯片,其图像特征信息的提取建立在良好的图像分割基础上。为了精确提取图像特征,针对LED芯片图像的特点,改进了分水岭分割算法,采用直方图势函数提取标记,并在标记基础上对梯度图进行分水岭变换,实现了LED芯片图像的良好分割。实验结果表明,该方法有效地抑制了过分割现象,具有较好的抗噪性,对LED芯片图像感兴趣区域提取准确度高、鲁棒性强,分割效果较好。     

挖掘机器人铲斗目标图像的改进分水岭分割

挖掘机器人自主挖掘目标的实现过程中,利用视觉信息跟踪、识别挖掘机器人铲斗目标是关键技术之一.传统的阈值分割方法很难将铲斗从复杂环境中分割出来,提出了改进的分水岭铲斗图像目标分割方法,首先对铲斗目标图像进行模糊C-均值（C为预定的类别数目）聚类分割,再以初步分割后的图像为基础得到梯度图像,将梯度值与设定的阈值比较得到标记点,最后以标记点作为极小值点进行分水岭分割.实验表明分割效果得到了改善.     

基于区域生长的生物图像分割方法

针对基于区域的分水岭算法中通常存在的严重过分割现象,采用两点措施来改进:其一是在分水岭分割之前采用迭代阈值分割算法对图像进行分割,从而有效地抑制了由图片表面的灰度变化引起的过分割,使边缘定位更加准确;其二是在分水岭分割之后以基于面积,对比度和深度控制的区域合并准则,有效抑制过分割现象,同时满足感兴趣区的分割要求,实验表明该方法简单有效,能够得到符合人类视觉系统特性的分割结果。