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。     

自适应梯度重建分水岭分割算法

目的 针对灰度分水岭算法存在过分割且难以直接应用到彩色图像分割的问题,提出一种自适应梯度重建分水岭分割算法。方法 该方法首先利用PCA技术对彩色图像降维,然后计算降维后的梯度图像,并采用自适应重建算法修正梯度图像,最后对优化后的梯度图像应用分水岭变换实现对彩色图像的正确分割。结果 采用融合了颜色距离、均方差和区域信息的性能指标和分割区域数对分割效果进行评估,对不同类型的彩色图像进行分割实验,本文算法在正确分割图像的同时获得了较高的性能指标。与现有的分水岭分割算法相比,提出的方法能有效剔除图像中的伪极小值,减少图像中的极小值数目,从而解决了过分割问题,有效提升了分割效果。结论 本文算法具有较好的适用性和较高的鲁棒性。     

结合距离变换与边缘梯度的分水岭血细胞分割

目的 针对医学图像中细胞提取和粘连细胞分割问题,提出一种结合距离变换利用边缘梯度的分水岭血细胞显微图像分割方法。方法 首先,通过距离变换由细胞二值图生成距离地形图,取其局部极值点或点集作为前景标记,进行第1次距离分水岭变换;接着将第一步骤所得的分水岭脊线作为背景区域的标记,前景标记不变,视梯度幅度图为地形图,再一次进行梯度分水岭变换,得到细胞分割结果。两次分水岭变换前,均采用强制极小值的方法修改地形图,来控制地形图只在选取的标记处存在局部极小值。结果 该方法由距离图提取前景标记,将距离分水岭变换所得的脊线作为梯度分水岭变换的背景标记,能有效地分离粘连目标。相比于基于距离图分水岭变换,本文方法不过多依赖二值图像信息,保留了基于梯度图像的分水岭变换边缘定位准确的优点,又解决了其无法分割粘连目标和过分割的问题。结论 经多幅临床细胞图像分割实验验证,该方法可以实现图像中细胞的提取以及粘连细胞的自动分割,满足医学图像分割的要求。     

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。     

面向RGBD图像的标记分水岭分割

目的 针对分水岭分割算法中存在的过分割现象及现有基于RGB图像分割方法的局限,提出了一种基于RGB图像和深度图像(RGBD)的标记分水岭分割算法。方法 本文使用物体表面几何信息来辅助进行图像分割,定义了一种深度梯度算子和一种法向量梯度算子来衡量物体表面几何信息的变化。通过生成深度梯度图像和法向量梯度图像,与彩色梯度图像进行融合,实现标记图像的提取。在此基础上,使用极小值标定技术对彩色梯度图像进行修正,然后使用分水岭算法进行图像分割。结果 在纽约大学提供的NYU2数据集上进行实验,本文算法有效抑制了过分割现象,将分割区域从上千个降至数十个,且获得了与人工标定的分割结果更接近的分割效果,分割的准确率也比只使用彩色图像进行分割提高了10%以上。结论 本文算法普遍适用于RGBD图像的分割问题,该算法加入了物体表面几何信息的使用,提高了分割的准确率,且对颜色纹理相似的区域获得了较好的分割结果。     

基于相关特征约束的分水岭路面裂缝图像分割算法

针对路面裂缝图像的分割问题,提出一种相关特征约束的分水岭分割算法。该算法基于形态学分水岭思想,为了解决分水岭过分割问题,分析了裂缝图像狭长山谷的特点,选择从梯度图像的高频成分中提取与裂缝特征信息相关的局部极小值,从而约束伪极小值的出现,再对原始梯度图像强制标记,消除了过分割现象。同时解决了在消除过分割时边缘信息被滤除的问题,保留了细微有用的边缘。实验表明,该算法分割出的路面裂缝图像准确清晰,有效降低了过分割现象。     

梯度分层重构的彩色图像分水岭分割

目的 现实生活中的彩色图像往往因噪声、色彩不均匀、有较多弱边界等问题的存在导致难以准确分割,结合分水岭变换与形态学重构的优势,提出了一种基于同态滤波与形态学分层重构的分水岭分割算法。方法 首先提取彩色图像的梯度图,接着对该梯度图采用同态滤波修正梯度图。然后利用形态学开闭重构的方法,对滤波后的梯度图进行分层重构。根据梯度图像的累积分布函数及滤波后的梯度像素直方图的分布信息,给出了梯度分层数的计算公式,同时确定了形态学结构元素尺寸。最后对修正后的梯度图像应用标准分水岭变换实现了图像分割。结果 对不同类型的4幅彩色图像进行分割实验,采用区域一致性与差异性相结合的综合指标对分割结果进行无监督评价。这4幅图像的综合评价指标分别为0.6333、0.6656、0.6293、0.6484,均高于文献中两种现有分水岭算法的指标值：0.6295、0.6641、0.6230、0.6454与0.5861、0.5907、0.5704、0.5852,分割性能较好。结论 提出一种新的彩色图像分割算法,应用同态滤波保留了图像的弱边界,采用自适应形态学重构,抑制了分水岭变换中过分割。算法的分割结果更加接近人眼对图像的感知,无论从评价指标还是分割性能看,均表现出色。算法对噪声不敏感,鲁棒性较好,可广泛应用于计算机视觉、交通控制、生物医学等方面的目标分割。     

血液红细胞图像自适应标记分水岭分割算法

目的 显微细胞的精确分割是计算机辅助诊断的前提和关键,为精确分割含有粘连重叠红细胞及病变红细胞的彩色显微图像,基于HSI模型,提出了一种自适应标记分水岭分割算法。方法 首先结合红细胞无核特点提取反光细胞的中心,从图像的S与I分量的梯度图中提取图像前景低频成分的局部极值点,两部分相结合作为初始标记,标记细胞前景;然后根据标记特点去除伪标记点,以确保所有粘连细胞的重叠区域不被标记;接着采用主成分分析从S与I分量梯度图中提取梯度信息重构梯度图,最后结合背景标记,应用标记分水岭变换实现分割。结果 选取美国社会血液学数据库中含病变和粘连的红细胞图像进行分割实验,采用平均欠分割率、平均过分割率、平均准确率3个指标对分割结果进行评价。本文算法的欠分割率为2.23%,过分割率为1.67%,均明显低于文献中两种现有分水岭算法;分割精度高达96.10%,准确度高;平均运行时间6.06 s,可保证一定的时效性。结论 提出了一种对病变粘连红细胞彩色图像的分割算法,利用饱和度与亮度信息,自适应地标记出前景细胞,提高了分割精度;采用主成分分析法,更好地保留了重叠细胞的原有边界。算法具有较好的鲁棒性,可广泛用于包括血液红细胞在内的含有类圆形的重叠、粘连细胞的显微染色图像的分割。     

基于彩色模型的重构标记分水岭分割算法

分水岭算法是一种适用于图像分割的强有力的形态学工具,但传统的分水岭算法存在严重的过分割现象,并且实际图像容易受到反射亮光和阴影的影响。针对该问题提出一种新的彩色空间重构标记分水岭分割算法。该算法首先将RGB彩色图像转换到新的彩色空间中,抽取不受反射亮光和阴影影响的分量进行梯度计算;然后利用形态学开闭重构提取感兴趣目标构成二值标记图像,利用标记图像修改梯度图;最后在修改的梯度图上进行分水岭变换。新算法不仅可以抑制由于纹理细节和噪声引起的过分割,还可以有效地抑制由于反射亮光和阴影产生的过分割,同时由于该分割算法是在原始梯度图上而非滤波简化的图像上进行的,因此物体的边缘信息也得以最大程度的保留。理论分析和实验结果表明了该算法的有效性。     

基于人类视觉特性的梯度骨架标记提取算法

针对分水岭算法预处理阶段的标记提取问题,提出一种基于人类视觉特性的梯度骨架标记提取算法。通过标记梯度图像的谷点组成贯通整幅梯度图像的骨架,在不同彩色空间中根据背景亮度自动选取阈值,并从骨架中剔除大于该阈值的鞍点,使骨架离散为各自连通的小骨架群,将每个小骨架作为独立标记。实验结果表明,该算法能够解决传统算法参数选取困难的问题,在抑制分水岭算法过分割边缘的基础上获得更好的分割结果。     

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。     

改进分水岭医学图像分割方法的研究

针对分水岭分割算法极易出现过分割现象这一弊端,对传统分水岭算法进行了改进,提出了一种新的基于阈值标记法的分水岭医学图像分割方法。其中采用最大熵阈值法来提取图像内部标记,对内部标记进行分水岭变换得外部标记。用内、外标记修正原始梯度图并作分水岭变换,所得的图为最终的分割图。实验发现,该方法对于抑制过分割是有效的。     

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。     

基于改进分水岭的棉花图像分割方法

针对棉花图像中存在阳光直射和阴影遮挡等因素而导致图像分割精度低、效果差的问题,提出一种改进分水岭的图像分割算法。该方法对原始图像进行各向异性扩散去噪预处理;利用鲁棒中值估计对形态学多尺度梯度图像进行硬阈值法梯度修正;对修正后的图像采用分水岭算法进行分割,对过分割的区域采用基于L*a*b*彩色空间的颜色相似度方案进行区域合并,从而将棉花提取出来。实验结果表明,提出的算法对阳光直射及阴影遮挡等干扰条件下的棉花图像分割能取得较好的效果。     

融合T节点线索的图像物体分割

目的 图像分割是计算机视觉、数字图像处理等应用领域首要解决的关键问题。针对现有的单幅图像物体分割算法广泛存在的过分割和过合并现象,提出基于图像T型节点线索的图像物体分割算法。方法 首先,利用L0梯度最小化方法平滑目标图像,剔除细小纹理的干扰;其次,基于Graph-based分割算法对平滑后图像进行适度分割,得到粗糙分割结果;最后,借助于图像中广泛存在的T型节点线索对初始分割块进行区域合并得到最终优化分割结果。结果 将本文算法分别与Grabcut算法及Graph-based算法在不同场景类型下进行了实验与对比。实验结果显示,Grabcut算法需要人工定位边界且一次只能分割单个物体,Graph-based算法综合类内相似度和类间差异性,可以有效保持图像边界,但无法有效控制分割块数量,且分割结果对阈值参数过分依赖,极易导致过分割和过合并现象。本文方法在降低过分割和过合并现象、边界定位精确性和分割准确率方面获得明显改进,几组不同类型的图片分割准确率平均值达到91.16%,明显由于其他算法。处理图像尺寸800×600像素的图像平均耗时3.5 s,较之其他算法略有增加。结论 与各种算法对比结果表明,该算法可有效解决过分割和过合并问题,对比实验结果验证了该方法的有效性,能够取得具有一定语义的图像物体分割结果。