基于自适应标记提取的分水岭彩图分割算法

针对分水岭算法过分割问题,提出一种基于自适应提取标记的改进算法。该算法结合极小值深度和汇水盆地尺度信息提取与物体相关的极小值标记,根据梯度图像中极值点的统计信息自适应设定标记提取的阈值。提取到的标记采用形态学极小值标定技术强制作为原始梯度图像的极小值,在修改过的梯度图像上进行分水岭分割。仿真结果表明,该算法能有效解决分水岭算法的过分割问题,具有更强的抗噪性能和边缘定位能力,且计算复杂度较小。     

基于改进的分水岭算法的路面裂缝检测

传统的分水岭算法在图像处理中具有保持微弱边缘信息良好的优点,但容易产生过分割问题。针对传统分水岭算法过分割的问题对分水岭合并算法进行了改进,结合沥青路面裂缝特点提出了梯度熵的概念,同时提出了自适应区域合并算法作为判断区域合并的准则,通过该方法在路面裂缝检测上的应用,实验结果表明,该方法与改进前分水岭算法相比,提取出的路面裂缝噪声少,细节保持得好,而且有效地解决了过分割问题。     

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。     

基于改进分水岭算法的VCH-F1图像分割

针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点,提出了一种能够有效消除局部极小值和噪声干扰的分割方法。首先比较并选取彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的;然后提出基于多阈值分割的方法消除无效梯度信息;最后介绍了算法的步骤及结果。实验结果证明,基于该方法处理梯度图像进行分水岭算法处理可以得到准确的分割结果。     

一种改进的桥梁图像分水岭分割算法

针对传统分水岭分割方法存在的过分割问题,提出了一种改进的桥梁图像分水岭分割算法。该算法首先对桥梁裂缝图像进行高低帽形态学滤波,并运用多尺度梯度算子提取梯度图像,在分水岭变换之前使用自适应的标记提取方法对区域极小值进行标定,然后对初步分水岭分割的过分割区域使用改进fisher距离的区域合并算法进行合并,取散度作为停止度量。实验表明,该算法减少了分水岭算法的过分割现象,提高了桥梁图像分割的精确性,具有很好的鲁棒性和适应性。     

一种基于标记的分水岭图像分割新算法

为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。利用本文提出的图像分割算法可以获得较为理想的图像分割结果。通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低分水岭算法的过分割问题。     

结合各向异性扩散和分水岭算法的图像分割

传统分水岭算法受到噪声干扰时容易出现过分割现象，为了抑制噪声的同时尽可能多地保留住图像边缘信息，提出了一种基于各向异性扩散的分水岭分割算法。首先对原始图像进行滤波操作，传统P-M算子通常人为设定固定边界阈值，容易丢失细节信息，应用梯度模的变化设定阈值并连结图像结构张量形成一个扩散函数，边缘处沿切线方向扩散易于保留边缘细节，平坦处具有各向同性易于平滑噪声，这样保证了良好的分水岭结构。其次对图像的梯度信息进行计算，为了使梯度信息得到补偿，采用数学形态学的开闭运算对图像梯度信息进行处理。然后运用形态学极小值标定方法标记处理后的图像局部极小值，最后用分水岭算法对图像进行分割。实验对无噪声图像和加噪声图像进行分割，结果表明该方法具有良好的分割效果，尤其对噪声图像有较好的鲁棒性。     

一种基于重构算子的分水岭变换算法

分水岭变换是数学形态学的主要分割工具,它通过对梯度图像进行分割,能够提供单像素宽的封闭的区域边缘.但是,直接对梯度图像进行分水岭变换存在严重的过分割问题,这个问题往往采用基于标记的分水岭变换加以改进,可是,有时又会带来欠分割问题.通常过分割和欠分割问题主要发生在灰度的非极大值或极小值的过渡区域.为了克服分水岭变换易造成过分割的问题,通过对分水岭变换产生的过分割以及标记点选取可能导致的欠分割原因进行分析,提出了一种基于重构的分水岭变换算法,该算法首先通过基于重构的变换序列滤波来平滑图像,以减少目标内部差异;然后针对梯度图像,利用重构闭来消除灰度过渡区域在梯度图像上所造成的极小;最后对其进行分水岭变换,可有效控制分水岭变换的过分割现象.     

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.     

修改标记符梯度图像的分水岭变换

针对传统分水岭算法中存在的过分割现象,提出了一种修改标记符梯度图像的分水岭分割方法。该算法首先利用阈值分割法对图像中感兴趣的目标和背景进行标记;然后根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正;最后,使用分水岭算法对修正的梯度图像进行分割。实验结果表明,该算法能有效地抑制过分割问题,并且使用标记符会为分割问题带来先验知识,这为人们解决模式识别等更高级的工作提供了一种有效方法。