一种改进的分水岭算法在彩色图像分割中的应用

针对分水岭变换算法在图像分割中容易产生过分割的问题,提出了一种基于分水岭变换和模糊C均值聚类算法相结合的彩色图像分割算法。该算法的优点是解决了分水岭变换算法的过分割问题,而且同时解决了模糊C均值聚类算法初始值难以确定的问题。实验结果表明,改进后的算法可以快速准确地分割出目标,因而能够很好地应用于自动分割系统中。     

基于FCM和标记分水岭的粘连岩石颗粒图像分割

模糊C均值算法可利用图像的多种特征值进行准确的图像分割,但不能分割粘连物体;传统的分水岭分割算法能够获得准确的物体边缘轮廓,但容易造成过分割.为了解决这个问题,提出基于FCM和标记分水岭的粘连图像分割.该方法首先对原始彩色图像中值滤波后进行基于LUV颜色空间的FCM聚类;对聚类后的图像用形态学方法去杂质、空洞填充后进行距离变换;然后根据距离变换图像找出局部最大值,得到种子图像;最后对距离变换图像进行基于标记的分水岭分割,得到最终的分割图像.该方法对粘连岩石颗粒图像进行分割,取得了较好的实验效果.     

克服分水岭算法过分割的方法

分水岭算法的不足在于它的过分割结果,即生成大量小的封闭区域,使目标物体淹没其中.文中给出了模糊关系与模糊C均值聚类算法相结合的方法,利用了模糊关系合并相似区域,有效地克服了分水岭算法的过度分割问题.经实验验证,该方法大大提高了图像分割质量.     

一种改进的分水岭分割算法

传统的分水岭分割算法受噪声和图像细节信息的影响,存在过分割、对噪声敏感等缺陷.针对这些缺陷,提出一种基于密度模糊聚类的分水岭分割算法.首先对图像进行分水岭分割,提取各子区域灰度均值,然后对灰度均值进行密度模糊聚类,进行区域合并.进行多组对比实验,结果表明此算法具有可行性和有效性.     

一种改进的分水岭分割算法

传统的分水岭分割算法受噪声和图像细节信息的影响,存在过分割、对噪声敏感等缺陷.针对这些缺陷,提出一种基于密度模糊聚类的分水岭分割算法.首先对图像进行分水岭分割,提取各子区域灰度均值,然后对灰度均值进行密度模糊聚类,进行区域合并.进行多组对比实验,结果表明此算法具有可行性和有效性.     

基于改进FCM和形态学的浮选泡沫形态特征提取

针对浮选过程中因气泡粘连及形状不规则导致泡沫形态特征难以提取的问题,提出一种基于改进模糊C均值(fuzzy C-means,FCM)聚类和数学形态学的浮选泡沫形态特征提取方法。引入聚类有效性指数及特征散度对模糊C均值聚类算法加以改进,并利用改进的聚类算法对泡沫图像进行聚类,得到泡沫大致区域。依据灰度分布和形状特征,采用面积重构开闭算法对图像进行除噪处理。基于形态重构方法思想,提出采用高低精度距离变换方法,同时,结合改进面积重构变换提取标志图像,进而利用分水岭算法对泡沫图像进行分割。通过测量分割区域和标定像素提取泡沫形态特征,并与浮选工艺参数做相关性分析。研究结果表明,该方法能够准确地分割粘连泡沫,且提取的泡沫形态特征能有效反映浮选工况。     

基于相似类合并FCM在图像分割中的应用

传统的基于模糊C均值聚类的图像分割算法分割结果中类内数据空间分布离散,无法准确分割出目标物体.针对这一问题,提出一种基于相似类合并模糊C均值聚类算法,并将其应用到图像分割中.首先,提出一种全局空间相似性度量标准和全局灰度相似性度量标准,并将其引入到一种新颖的节点间距离度量公式中来计算图像中任意一点与聚类中心点的差异.其次,算法选取彩色直方图作为区域描述算子,采用巴氏距离计算聚类过程中得到的任意两类间的相似性.最后,应用最大相似类合并策略得到最终的分割结果.实验结果表明,与传统模糊C均值聚类算法和空间约束核模糊C均值聚类算法相比,该算法获得更加精确的图像分割结果.     

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.     

基于标记和模糊聚类的分水岭声纳图像分割

针对传统分水岭算法在处理声纳图像时存在严重的过分割现象,提出一种结合分割前处理和后处理两类方法优点的算法.首先利用H-min变换技术提取区域极小值和新的标记,对标记后的图像进行分水岭图像分割;然后结合改进适应度函数的粒子群全局寻优算法,从初分割的小区域中搜索出较为准确的初始聚类中心,利用这个聚类中心和改进目标函数的模糊C均值聚类算法,再对分割后的小区域聚类,并控制迭代次数,以提高分割速度.实验结果表明:该方法能够有效消除过分割现象,提高声纳图像处理效果,有效分割率达89％,处理时间提高30％以上.     

空间加权模糊C均值聚类图像分割算法

为了提高模糊C均值聚类(FCM)算法用于图像分割时对噪声的鲁棒性,在FCM算法中引入了图像像素的邻域约束,提出一种空间加权模糊C均值聚类图像分割算法。首先根据邻域像素的模糊隶属度函数值,定义像素分类标记的局部先验概率,然后将该局部先验概率融入标准的FCM算法的目标函数中,从而提出一种空间加权模糊C均值聚类图像分割算法。仿真实验通过合成图像和真实图像验证了该算法的有效性和鲁棒性。     

基于标记的改进分水岭分割算法

针对传统分水岭分割算法中存在的过分割问题,提出了一种基于标记的改进分水岭分割算法。该方法首先对原图像进行形态学开闭预重建,去除图像中的暗纹理和噪声,在计算形态梯度之后采用开闭后重建,然后,对重建后的梯度图像利用最大熵阈值方法进行标记处理,依据标记对原始梯度图像进行修正,最后使用分水岭算法在修正后的梯度图像上进行分割。从实验结果来看,该方法能较好地抑制传统分水岭算法的过分割现象。     

基于边界剥离分水岭算法的重叠颗粒分离研究

针对采集的洗煤厂煤尘图像颗粒重叠严重的问题,运用传统图像二值化方法处理速度慢、不适用于低对比度指纹图像。分水岭分割算法对噪声敏感和易于产生过分割问题,为了提高图像分割的效率和鲁棒性,提出一种新的基于边界剥离距离变换分水岭算法的图像分割方法。该方法通过将图像分割为不相交的N个子窗口,并求出各个窗口对应像素的灰度均值,经改进动态阈值法进行二值化处理,得到的二值化图像经边界剥离距离变换获得灰度图像,最后利用分水岭算法对图像进行分割处理。数值实验结果表明,与传统分割方法比较,此方法处理效率高、鲁棒性好。不但成功地解决了分水岭存在的过分割问题,还大大提高了算法的搜索效率;可以快速准确地分割出目标,是一种有效的图像分割方法。     

基于分水岭算法的双向凝胶电泳图像分割

采用分水岭算法对电泳凝胶图像进行分割,针对其存在的过分割问题以及图像本身的特点,提出了根据拓扑曲率对过分割区域进行合并,以得到有意义的分割结果。用本算法对电泳图像进行了分割实验,结果表明,用本算法适用于电泳图像,并且效果良好。     

一种改进的分水岭分割算法

为了提取人脑CT图像中的脑部组织,提出了一种改进的分水岭算法,首先采用K-means聚类算法对图像进行初始分割,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;然后在聚类图像的梯度图上利用自动阈值法增强其对比度,进行分水岭分割。最后为了避免过分割现象,对分割后的图像进行了相似区域合并。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。     

综合区域和边界信息的图像自适应分割技术

针对分水岭图像分割算法中的过分割问题,提出了一种综合区域和边界信息的解决技术．该技术主要利用区域和边界的综合信息,对分水岭算法处理后的过分割区域进行聚合．在基于区域和边界信息的聚合过程中,借鉴人眼视觉模型的韦伯感知原理,针对区域的不同亮度环境,自适应地选取动态的聚合阈值;并根据强弱边界属性调节聚合阈值,以鼓励对象内区域聚合和避免对象之间的区域聚合．试验结果表明,这种技术对分水岭算法中的过分割有较好的改善．     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。