一种基于二值图像的形状分割算法研究

提出一种基于二值图像的形状分割方法.该方法首先对图像边界进行处理,提取边界凹角点,然后对图像的形状骨架的分支进行分析,结合这两者的信息进行分割.通过修剪骨架分支的长度来消除噪声干扰,同时控制图像的分割子区域的大小及个数,有效提高了算法的效率和分割精度.与其他算法相比,本算法能根据后续处理需要将剪纸图像分割为若干子区域,为提高后续处理的效率和结果优化提供了可靠的基础,分割结果更适合后续的剪纸图像变形处理.     

改进图割的显著性区域检测算法

为快速准确地提取图像中的显著性区域,提出一种改进图割的显著性区域检测算法。采用改进的图割算法对图像进行预分割,将图像分成若干子区域,在此基础上利用区域间对比度计算各区域的显著性值,得到图像的显著图,利用迭代阈值分割算法对图像显著图进行分割处理,通过图像去噪完整有效地提取出显著性区域。实验结果表明,该算法能够准确地提取出图像中的显著性区域,与传统方法相比,使用该算法提取出的显著性区域更完整、准确,提高了效率。     

基于ROI提取的多目标图像水平集分割

针对包含多个目标或目标灰度与背景灰度接近的图像分割问题,借鉴人类视觉系统的关注机制和多分辨性,提出一种多尺度框架下基于感兴趣区域提取的图像水平集分割方法。对原图像小波变换的低频分量图应用显著性特征提取出感兴趣区域,将图像域分成多个感兴趣子区域和一个背景子区域,在各目标子区域中,采用C-V模型方法进行曲线演化,并对各子区域分割结果进行合成。仿真结果标明,该算法能有效分割多目标图像。     

基于分水岭算法的虹膜区域分割

在论文中使用了分水岭分割算法与区域合并相结合的方法,有效地对虹膜图像进行分割,并减少过度分割现象.首先对原图像做平滑处理,使用sobel梯度算子得到原图像的梯度图,然后使用分水岭算法对梯度图进行区域分割,最后将分割图像的过度分割部分进行区域合并.实验证明这种方法可以应用于分割带有噪声的图像,也能够减少过度分割现象.仿真结果表明,把这种方法用于虹膜区域分割中,可以得到精确的、封闭的虹膜边缘.     

一种融合聚类与区域生长的彩色图像分割方法

论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征,首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色与纹理特征,然后采用符合人类视觉特征的生长规则,进行基于子块的区域生长。该方法充分利用了聚类算法和区域生长算法的各自优点,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行了分割实验,实验结果证明了算法的有效性。     

基于局部自适应阈值的细胞图像分割方法*

为了实现对细胞图像的有效分割,提出了一种自适应的图像分割算法。该算法首先将整幅图像分为若干子块;然后计算每个子图像的梯度直方图,对每幅子图像进行Otsu分割;最后还考虑图像中噪声的影响,采用形态学噪声滤波器去噪。实验结果表明,该算法对细胞图像细节有很好的区分和分割,适用于背景与目标对比不是很明显并具有一定噪声的图像。     

基于分水岭算法的虹膜区域分割

在论文中使用了分水岭分割算法与区域合并相结合的方法,有效地对虹膜图像进行分割,并减少过度分割现象。首先对原图像做平滑处理,使用sobel梯度算子得到原图像的梯度图,然后使用分水岭算法对梯度图进行区域分割,最后将分割图像的过度分割部分进行区域合并。实验证明这种方法可以应用于分割带有噪声的图像,也能够减少过度分割现象。仿真结果表明,把这种方法用于虹膜区域分割中,可以得到精确的、封闭的虹膜边缘。     

图小波变换在图像分割中的应用研究

在图像处理领域中,图像分割占有举足轻重的地位。传统的基于小波变换的图像分割算法,仅在规则域内能够有效地检测出图像的边缘信息。为了在不规则域内能够有效地检测出图像的边缘信息,提出一种基于图小波变换的图像分割算法。首先,将图像转换成图,在图域进行研究;然后,利用图小波变换进行图像分割。实验结果表明,与传统边缘算法相比,该算法用于图像分割,不仅能够有效地检测出图像边缘信息,而且对噪声具有较好的鲁棒性。     

CT系列图像的三维层次化子块生长分割

准确地从CT系列图像提取感兴趣的组织是手术规划的基础,针对肝脏轮廓分割存在分割不全的问题,提出了基于三维区域生长算法的腹部CT图像分割方法。算法首先由用户选择若干个生长点,然后充分利用CT系列图像层间的相似性,提出基于子块的改进区域生长算法,实现三维的层次化子块区域生长,以更准确提取肝脏区域,其中生长准则由系统分析用户选择的生长点的邻域子块属性获得,以减少用户的干预。实验结果表明,算法能在较少的干预下快速分割出来CT系列图像中的肝脏轮廓。     

利用Kolmogorov-Smirnov统计的区域化图像分割

目的 为了在未知或无法建立图像模型的情况下,实现统计图像分割,提出一种结合Voronoi几何划分、K-S(Kolmogorov-Smirnov)统计以及M-H(Metropolis-Hastings)算法的图像分割方法.方法 首先利用Voronoi划分将图像域划分成不同的子区域,而每个子区域为待分割同质区域的一个组成部分,并利用K-S统计定义类属异质性势能函数,然后应用非约束吉布斯表达式构建概率分布函数,最后采用M-H算法进行采样,从而实现图像分割.结果 采用本文算法,分别对模拟图像、合成图像、真实光学和SAR图像进行分割实验,针对模拟图像和合成图像,分割结果精度均达到98%以上,取得较好的分割结果.结论 提出基于区域的图像分割算法,由于该算法中图像分割模型的建立无需原先假设同质区域内像素光谱测度的概率分布,因此提出算法具有广泛的适用性.为未知或无法建立图像模型的统计图像分割提供了一种新思路.     

结合边界的小波域马尔科夫模型的图像分割算法

针对基于马尔科夫随机场(MRF)的分割算法常存在边界块效应,且对整幅图像进行建模运行效率低等问题,提出了结合边界的小波域马尔科夫模型的图像分割算法,把影像的特征场建立在一系列小波域提取的边界上,并建立相应的边界标号场MRF模型,借助贝叶斯框架和SMAP准则实现分割。利用Matlab GUI实现了分割系统,通过医学图像检验,结果表明:相比于小波域分层随机场模型(WMSRF),该算法在有效区分不同区域的同时很好地保留了边界信息,提高了运行效率。     

复杂背景下的阈值插值方法

图像分割是进行图像处理的关键步骤。目前很多图像分割的技术都需要人工干预，而且是针对单纯的图像背景才能达到目标。为了解决有复杂背景的图像的分割问题，采用自适应阈值(阈值插值)的方法，并对其加以改进，用迭代阈值判断子图像的直方图是否是双峰分布，同时确定直方图有双峰的子图像的阈值；用双线性插值的方法确定直方图非双峰分布的予图像的阈值，使这种算法在实际中可行。实验证明这种方法适用于复杂背景的图像分割，且通用性比较好。     

基于覆盖分割和活动轮廓模型的图像边缘提取算法

针对传统算法对边界模糊的图像分割效果不理想,分割结果多毛刺的问题,提出了一种由粗到细的图像边缘提取方法,主要由像素覆盖分割方法和Chan-Vese模型组成。将改进的覆盖分割方法和活动轮廓模型相结合,首先使用原始覆盖分割算法对图像进行分割,利用多方向模糊形态学边缘检测算法提取不同物体之间的边界;然后采用改进的像素覆盖分割方法给边界像素重新分配覆盖值;最后,运用活动轮廓算法进行细化的图像边界提取;分别进行了分割结果的定性比较,抗噪性测试以及提取的边缘对比实验。实验结果表明,该方法对具有模糊边界的图像,提取边缘结果优于其他可比文献中提出的方法。     

综合边界和纹理信息的合成孔径雷达图像目标分割

目的 针对传统Grab Cut算法需要人工交互操作,无法实现合成孔径雷达（SAR）图像的自动分割,且方式单一（仅利用边界或纹理信息中的一种）的问题,提出一种综合利用边界和纹理信息的改进Grab Cut算法,实现对SAR图像目标的自动分割。方法 首先将其他格式的彩色或灰度SAR图像转化为24 bit的位图,采用图形理论对整幅SAR图像建模,根据最大流算法找到描述图的能量函数最小的割集,从而分割出目标区域;然后采用中值滤波抑制相干噪声;最后通过邻域生长算法滤除图像斑点和小目标的干扰,从而达到目标边界的连接,实现自动对SAR图像中的目标进行分割。结果 在64位Window 7环境下采用MATLAB R2014处理平台,对楼房、车库、大树、汽车群等4幅分辨率不同的SAR图像进行目标分割实验,特征目标被自动分割出来,耗时分别为1.69 s、1.58 s、1.84 s和3.09 s,相比Mean-shift和Otsu算法,平均计算效率分别提升150%和3%,并且图像中的背景杂波、目标阴影和干扰小目标均被有效去除。结论 综合利用边界和纹理信息能够有效抑制相干噪声,去除图像斑点和小目标的干扰,从而达到目标边界的连接,实现对SAR图像目标的自动分割。实验结果表明,本文算法可以满足工程化应用要求,自适应性强,分割精度高,且具有较好的鲁棒性。     

利用小变换和特征加权进行纹理分割

为了提高纹理图象分割的边缘准确性和区域一致性以及降低分割错误率,提出了一种基于小波变换的利用特征加权来进行纹理分割的方法。该方法包括特征提取、预分割和后分割3个阶段,其中,特征提取在金字塔结构小小以变换的基础上进行;预分割利用均人矣类算法来对原始图象进行初步的分割;后分割则根据预分割的结果对特征进行加权,然后利用最小距离分类器来实现图象的最后分割。与传统的方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善。     

A novel white blood cell segmentation scheme based on feature space clustering

This paper presents a novel white blood cell (WBC) segmentation scheme based on two feature space clustering techniques: scale-space filtering and watershed clustering. In this scheme, nucleus and cytoplasm, the two components of WBC, are extracted, respectively, using different methods. First, a sub image containing WBC is separated from the original cell image. Then, scale-space filtering is used to extract nucleus region from sub image. Later, a watershed clustering in 3-D HSV histogram is processed to extract cytoplasm region. Finally, morphological operations are performed to obtain the entire connective WBC region. Through feature space clustering techniques, this scheme successfully avoids the variety and complexity in image space, and can effectively extract WBC regions from various cell images of peripheral blood smear. Experiments demonstrate that the proposed scheme performs much better than former methods.     

An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging

To address the incomplete problem in pulmonary parenchyma segmentation based on the traditional methods, a novel automated segmentation method based on an eight-neighbor region growing algorithm with left-right scanning and four-corner rotating and scanning is proposed in this paper. The proposed method consists of four main stages: image binarization, rough segmentation of lung, image denoising and lung contour refining. First, the binarization of images is done and the regions of interest are extracted. After that, the rough segmentation of lung is performed through a general region growing method. Then the improved eight-neighbor region growing is used to remove noise for the upper, middle, and bottom region of lung. Finally, corrosion and expansion operations are utilized to smooth the lung boundary. The proposed method was validated on chest positron emission tomography-computed tomography (PET-CT) data of 30 cases from a hospital in Shanxi, China. Experimental results show that our method can achieve an average volume overlap ratio of 96.21 ± 0.39% with the manual segmentation results. Compared with the existing methods, the proposed algorithm segments the lung in PET-CT images more efficiently and accurately.     

Autonomous sub-image matching for two-dimensional electrophoresis gels using MaxRST algorithm

Matching two-dimensional electrophoresis (2-DE) gel images typically generates a bottleneck in the automated protein analysis, and image distortion and experimental variation, which reduce the matching accuracy. However, conventional matching schemes only compare two complete images, and landmark selection and registration procedures are rather time-consuming. This work presents a novel and robust Maximum Relation Spanning Tree (MaxRST) algorithm, in which an autonomous sub-image matching method does not require registering or manual selection of landmarks. The 2D gel images are represented graphically. Image features are then quantitatively extracted regardless of image size. Similarity between a sub-image and large image is then determined based on Gaussian similarity measurement inspired by fuzzy method, thereby increasing the accuracy of fractional matching. The proposed autonomous matching algorithm achieves an accuracy of up to 97.29% when matching 627 2-DE gel test images. In addition to accommodating image rotation, reversals, shape deformation and intensity changes, the proposed algorithm effectively addresses the sub-image mapping problem and was analyzed thoroughly using a large dataset containing 4629 images. The contributions of this work are twofold. First, this work presents a novel MaxRST strategy and autonomous matching method that does not require manual landmark selection. Second, the proposed method, which extends 2-DE gel matching to query sub-image and a database containing large sets of images, can be adopted for mapping and locating, and to compare small gel images with large gel images with robustness and efficiency.     

融合颜色与纹理的复杂场景下的服装图像分割算法

针对复杂场景下拍摄到的服装图像的分割问题,提出一种基于先验知识的融合颜色和纹理特征的无监督分割算法。首先利用块截断编码思想将传统的三维颜色空间截断成为六维空间,得到更为精细的颜色特征,并结合改进的局部二值模式纹理特征实现对图像的特征描述;然后根据目标区域和背景区域在图像中出现的统计规律,提出了一种基于先验知识的两分法来对图像进行分割。由于对图像做了分块处理,因此在子图像块的基础上进行的图像分割将更加高效。实验表明,设计的算法能快速有效地将目标区域从各类不同的复杂场景中分割出来,且整个过程无须人工设定任何参数,对后续的图像理解和图像检索具有重要意义。