分水岭分割中的粘性形态学梯度修正

分水岭变换是一种有效的图像分割方法，但存在过分割现象，尽管应用预平滑处理可以减轻或消除过分割，但却容易使分割后的区域轮廓发生位置偏移，为此，文中首先对图像进行形态学梯度变换，然后运用粘性形态学运算对梯度图像进行地貌修正，在消除产生过分割的非规则局部极小值的同时，保持区域轮廓的位置不变，最后在梯度修正图像的基础上，运用标准分水岭变换实现图像分割。仿真实验表明，该方法不仅能有效地消除过分割，而且具有较强的区域轮廓定位能力。     

基于超像素和最近邻图合并的彩色图像分割

针对传统的分水岭算法在分割图像时存在过分割的问题,提出了一种基于多尺度形态学梯度重建与最近邻图合并准则的分水岭图像分割方法.该方法首先使用基于标记符控制的多尺度形态学梯度重建进行图像预处理,消除冗余的区域极值和噪声;然后通过构建最近邻图合并准则进一步对分水岭变换产生的超像素区域进行合并,提高了对目标特征的描述能力,使得算法在分割前景目标的同时也能获得背景目标的特征信息.实验结果表明,该方法能够较好地将相似的区域进行合并,与传统分水岭分割方法相比,可以有效弱化过分割问题,大幅提升目标的分割精度.     

边缘走向自适应的多尺度分水岭分割算法

针对图像分割存在过分割、欠分割以及分割边界具有不确定性等问题,提出一种边缘走向自适应的多尺度分水岭遥感图像分割算法.此算法根据梯度变化的最大方向来确定单个波段的梯度值,通过各像元邻域内波段间的相关性合成多个波段的梯度,对梯度图像进行形态学重建之后,采用多尺度标记算法进行标记分水岭分割.选取QuickBird,SPOT,Landsat TM 3种不同空间分辨率的遥感影像对此算法进行试验分析;同时,将该算法与eCognition软件中多尺度分割方法、多波段组合的传统分水岭分割方法、形态学分水岭分割方法进行比较.结果表明:该算法分割结果的边界和真实的地物边界非常接近,分割结果精度优于eCognition软件中多尺度分割方法、多波段组合的传统分水岭分割方法和形态学分水岭分割方法.     

基于分水岭变换的高分辨率遥感图像分割

提出一种基于高分辨率遥感图像的分水岭分割方法。首先,利用Canny算法进行边缘检测,得到边缘梯度图。其次,利用数学形态学对梯度图像进行后处理。然后,根据自动标记分水岭变换方法实现高分辨率遥感图像分割。最后,利用基于信息熵评价方法,对遥感图像的分割结果进行非监督评价。结果表明:所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割效果。     

基于改进的分水岭算法的图像分割

考虑到分水岭算法存在过分割问题,本文提出一种有效解决方法。在图像预处理过程中首先对图像进行中值滤波来消除部分噪声;然后采用形态学求梯度的方法得到原始图像的梯度图并对梯度图像进行开闭重建,在保留区域重要轮廓的同时去除了噪声和图像细节。在此基础上对重建后的梯度图像进行基于标记约束的分水岭分割。实验结果表明该方法能够较好地抑制过分割,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,降低了分割的复杂性。     

改进的分水岭分割算法在图像分割中的应用

针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割流程大致为：先求形态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割,可以很好地抑制过分割现象,感兴趣的区域也得以保留．实验表明该算法简单有效,能够得到理想的分割结果．     

多分辨率下自适应阈值判定的分水岭车辆图像分割算法

针对分水岭算法产生过分割现象,提出一种基于自适应阈值判定分水岭算法的图像分割方法,首先对图像进行多分辨率小波分解,再在某一尺度下计算梯度图像,并对该梯度图像进行自适应阈值判别,最后使用分水岭算法进行图像分割。实验结果表明该方法能取得较好的分割效果,有效的降低了过分割现象。     

新型自适应稳健双边滤波图像分割

从稳健回归分析的角度,推导得到高效的稳健双边滤波(BF)模型.针对由纹理、噪声等导致的图像局部梯度变化差异性,提出一种自适应的局部平滑尺度方法.运用该双边滤波模型处理原图像和纹理特征图,提取出灰度梯度和纹理梯度.采用形态学方法进行梯度融合,并使用分水岭变换实现图像分割.在Berkeley图像数据集和遥感图像上的实验结果表明:所提出的新型自适应稳健双边滤波方法可以得到视觉一致的分割效果;与传统方法相比,提高了对象边界识别率并降低了过分割效应;可以作为图像分析预处理过程的有效工具.     

基于颜色模型极小值运算的细胞图像分割算法

为了能够快速准确地检测人类细胞形态及增殖分化等情况,提出一种高效自适应细胞图像的分割方法。首先提取图像六角锥体模型中特征明显的饱和度分量图像,并使用形态学重构、H-minima技术和图像增强技术对饱和度分量图像进行梯度修正;修正图像的梯度后,使用分水岭算法对图像进行分割;根据原图像灰度的一致性对分割结果进行区域合并,得到背景、细胞和细胞核3部分,最后使用形态学方法处理合并结果中的虚假噪点并平整区域边缘。实验结果表明,细胞与细胞核分割的准确度分别为0.978 8和0.967 7;Dice系数分别为0.938 8和0.937,实现了对医学显微细胞图像的精准分割。     

一种改进分水岭乳腺肿块图像分割方法

针对分水岭算法对噪声敏感、易产生过分割现象的问题,在图像的滤波和区域合并方法上做了改进.该算法首先对肿块图像做初步预处理,设计高斯差分滤波器,实现平滑滤波,增强图像的信噪比,并计算图像的梯度幅值;然后,依据传统分水岭变换算法进行粗分割,计算各个子区域的灰度均值并排序,依次合并灰度均值相似的区域,直到将整个肿块区域完整分割出来;最后,保留合并后灰度均值最大的肿块区域,去除灰度值较小的区域,得到最后的分割结果.实验结果表明:该算法相较于三层地形分割方法、自适应区域生长算法和二次分水岭算法,能够得到更准确的肿块边缘轮廓,误分率减少到23.07%,运行速度高.     

基于形态滤波和分水岭算法的硅片缺陷提取

针对硅片表面缺陷的特点,对其缺陷的提取技术进行了研究,采用了多结构元素的广义形态闭-开和形态开-闭滤波器,结合改进分水岭算法进行缺陷提取.滤波器对输入图像及滤波后图像的梯度图像进行平滑,实现消除噪声、简化图像、保持细节的作用.为了克服分水岭的过度分割问题,提出了改进的分水岭算法,利用区域强度准则和边界强度准则对过分割区域进行合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取与选择奠定了基础.     

基于标记提取分水岭算法的医学图像分割

针对医学图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法．此算法埘分水岭算法进行厂两点改进：一是在预处理阶段,先对原始图像做腐蚀滤波和膨胀滤波处理,将原始吲像与腐蚀图像相加后减去膨胀图像得到合并图像,再对合并图像做开、闭运算,从而达到滤除原始图像中的噪声和非感知信息、保留原始图像结构信息的目的;二是在分割阶段,对开、闭运算后的图像进行分水岭分割,该分割由形态梯度计算、标记提取和分水岭分割二部分组成．改进后的算法因为无需进行分割后的区域合并处理,降低了分割的复杂性,同时能较好地抑制慨部医学图像中的过分割问题,并把图像中的病变区域有效分割出来．     

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。为了克服过分剖的缺陷,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。     

一种基于分水岭变换的图像分割方案

针对传统分水岭分割算法对噪声敏感和易于产生过分割问题，提出了一种基于开闭二次重建和非线性处理的分水岭图像分割方案.该方案根据噪声与信号在尺度与幅度分布上的差异，结合形态学开闭运算的特点，对原始图像进行形态开闭预重建，在计算形态梯度之后采用开闭后重建，对梯度进行给定的阈值变换，引入给定尺度等级的非线性分类，在像素连通关系的基础上，研究了一种改进的分水岭标记算法进行分割，并给出了具体实现流程,.仿真实验结果说明，该方案能够抑制传统算法中的过分割，且边缘定位准确.     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

Hough变换和区域分离-合并相结合的分割算法

针对传统区域分离-合并算法中过分割的问题,提出一种基于边缘提取和区域分离-合并相结合的分割算法。即利用Canny算子对图像进行边缘提取,得到边缘像素集。然后将像素集作为边缘线,采用区域分离-合并算法进行图像分割。由于Canny算子所提取的像素集是不完整的,所以需要用Hough变换对其进一步完善,得到连续的边缘线。该算法能够提高区域分离-合并算法的精确度,较好地解决其过分割的问题。实验结果表明,该算法有效。