基于粗糙集理论的图像分割智能决策方法

尽管如今已有多种图像分割算法,但是没有任何一种分割方法能够适用于所有的图像.为了使图像跟踪系统能根据图像特征自适应选取分割算法,给出了一种基于粗糙集理论的图像分割智能决策方法.该方法首先选取若干具代表性的分割算法构成算法库,并用它们对各种样本图像进行分割;然后利用从样本图像中提取出来的各种数值特征,并根据图像分割质量评价标准评判出各样本图像的最优分割算法,用其构成决策信息表;最后应用粗糙集理论来对决策信息表进行离散化处理和属性约简,以生成图像分割算法选取的决策规则.该决策方法解决了图像跟踪系统中分割算法选取的一系列难题.实验证明,该决策方法能比较有效地根据系统所处理图像的特征选取出算法库中最优的分割算法,并可满足车载图像跟踪系统的实时性要求.     

一种滤波修正的K均值分割方法

许多传统的图像分割方法都需要输入用户难以理解的参数,而且这些参数对于结果的影响又比较大。基于聚类分析技术的方法对参数不敏感,简单而且高效,但因其专注于对单一特征空间的划分而无法同时保持区域均一性和空间紧致性。尽管已经出现了许多改进的方法,如采用进行空间约束的聚类方法和使用其它保持空间紧致性的方法进行结果修正等,不过不同空间划分之间的协调、新的参数复杂性和算法复杂性反而使得聚类分析技术失去其简单有效的优势。给出一种新的医学图像分割算法,通过结合K均值方法和各向异性滤波技术,保持图像空间紧致性并解决过分割和图像噪声问题,同时弱对象也能够被提取出来。对比实验以及应用表明,该算法具有良好的分割结果和性能。     

基于Labelme的参考图像的手工分割

图像分割算法虽然已经有了大量的研究,但没有适用于所有图像的通用分割算法。因此针对不同图像的实际情况,需要进行大量的实验来选择最优的分割算法。通过比较算法分割得到的结果图像与对应手工分割得到的参考图像之间的差异,可以得到一种图像分割算法的性能评价,因此本文提出一种参考图像的获取方法。通过结合算法和Label Me在线注释软件,该方法能够方便地完成图像中各种目标边界的定位并保存图像。     

Ncut在图像分割中的应用

Normalized cut (Ncut)是一种基于图论的方法,它融合了图像的不同特征实现图像的分割.介绍了Normalized cut的定义和算法的实现过程,总结了近年来该算法在求解特征方程方面的改进,着重讨论了Ncut算法在图像分割相关领域的应用,包括了医学图像分割、矢量场分割、视频分割等等.最后对该算法做了进一步总结,并展望了该算法的发展方向.     

基于精度依据准则的图像分割算法评价

在图像处理中,图像分割是一类重要的研究方向。图像分割算法的好坏,影响到分割结果的优劣,因此对分割算法的性能评估十分重要。本文提出了一种图像分割算法性能的评价方法——精度依据准则,该准则是对原始特征量值和实际特征量值做比较,通过对绝对值的大小来判断算法的好坏。通过实验比较,该方法具有不错的算法性能评估准确度。     

CT图像分割几种算法

图像分割在许多图像分析和图像识别过程中都是必需的步骤。目前,借助图像分割技术来进行医学影像处理正成为当今医学界的一个发展方向。本文正是在这一背景下对医学影像处理中的几种分割算法进行了研究,主要包括FastMarching分割算法、LiveWire分割算法、区域增长分割算法和阈值分割算法;同时,结合脑部CT片进行了实验研究,为这些算法在医学影像处理上的应用提供了一定的科学依据。     

医学图像分割及其发展现状

医学图像分割是各种医学图像应用的基础,当前的临床辅助诊断、图像引导的外科手术和放射治疗中,医学图像分割技术显示出越来越重要的临床价值.由于医学图像种类繁多,常规影像包括磁共振(MR)成像、计算机断层(CT)成像、正电子发射计算机断层显像(PET)、超声(US)成像等,其中MR成像还可以产生多种不同时间参数序列的图像模态.为此,医学图像分割技术已成为面向不同的影像模态、临床目标、特定解剖学部位的一种独特的应用科学体系.结合现有的国内外研究成果,该文详细地介绍和系统地对比了图像分割方法并进行了分类,最后还对6个国际知名医学成像期刊和会议进行了统计分析,阐述了医学图像分割技术的研究趋势.     

改进的Fast Marching方法在医学图像分割中的应用

Fast Marching方法应用于医学图像分割取得了较好的分割结果,但是Fast Marching方法对边缘比较模糊的图像不能准确完整地分割出来。提出了一种结合像素间信任连接算法和Fast Marching方法的医学图像分割方法,首先用高斯滤波器对图像进行滤波,然后对图像用基于像素间信任连接的算法提取待分割图像中目标区域,取得较大的同质区,最后用Fast Marching方法对图像进行分割。实验结果表明,该方法对边缘模糊和目标内部存在伪边缘的医学图像能取得较好的分割结果。     

基于图像区域的交互式文本图像阈值分割算法

针对现有局部阈值分割算法因参数过多带来的参数选择问题以及在分割结果中块与块之间不连续性问题,利用用户提供的先验知识或经验,提出了一种基于灰度图像区域的交互式文本图像阈值分割算法.该方法首先粗略地将图像进行分块;利用标准差作为衡量图像块含有信息量(背景信息与目标信息)多少这一度量,接着按标准差大小对所有图像块进行排序;然后由用户输入交互式信息将所有图像块分为3个集合:仅含背景或仅含目标的图像块、含有少量背景或者是含有少量目标的图像块以及背景和目标分布比较均衡的图像块;最后对各个集合中的图像块分别按相应准则进行分割.实验结果表明,对于均匀和非均匀光照条件下的文本图像,与全局分割算法、直接分块分割算法和Chou方法相比,该方法在分割效果上有显著提升,而且执行效率也较高.另外,对于部分非文本图像也同样有效.     

一种利用水平集的图像分割快速GPU并行算法

研究医学生物图像的快速分割问题。针对传统图像分割算法效率低、分割不准确的缺陷,提出一种利用水平集自动演化获得最优图像分割的方法。首先,定义水平集方程,并针对方程中不同分量进行分析,确定以图像灰度为依据的最优化算法;然后通过对差分方程的离散化,定义最优化算法的求解步骤,并使得该最优化计算方法能并行化处理。该方法可以有效地对医学图像进行分割,尤其适合并行化GPU处理,在确保图像分割质量的前提下,极大地提高了运算效率。     

常用数字图像分割算法研究

图像分割是图像处理中的一项关键技术,发展至今没有一个通用的方法和标准,是一个图像处理领域的经典难题。对数字图像处理中的图像分割作了简要介绍,对常用的数字图像分割算法进行了概括和阐述,并用VC＋＋工具进行了实现和展示,对从事该领域工作的人员有一定的启发作用。     

双态形状重构及其在前列腺超声图像分割中的应用

前列腺超声图像在临床中的准确分割对于后续诊断具有重要的影响,而当前已有研究结论无法精确分割各个部分。提出了一种基于点分布模型和流形学习的双态形状重构的方法,并对前列腺超声图像进行分割：通过随机森林指示隐态表达进行目标初定位;改进边界算子以改善粗分割准确性;使用显态表达与噪声部分相邻的部分灰度显著点来进行插值计算,从而恢复整体形状。该分割方式不仅减少了数据计算量,还增加了分割可靠性。实验表明,该方法的DSC指标为97.38%,mIoU指标为95.24%,精度强于当前热门分割神经网络。     

图像分割方法综述

图像分割是图像处理与计算机视觉的基本问题之一 ,是图像处理图像分析的关键步骤。对传统的图像分割方法和近年来出现的一些新方法进行了综述。具体介绍了基于区域的分割方法、基于边界的分割方法 ,基于区域和边界技术相结合的分割方法及基于特定理论的分割方法。     

图像分割在医学图像处理中的应用研究

图像分割是图像处理中的重要工作,医学图像的多样性和复杂性使其在图像分割中具有较大的难度。阈值法由于高效、简单而成为图像分割的重要方法,但对于复杂的医学图像,其效果并不很理想。Powell法是最好的直接搜索法,利用改进的Powell法可以更好地搜索目标。为此,提出了一种将Otsu法和Powell法相结合的图像分割方法,仿真实验表明,该方法可以快速有效地分割图像,鲁棒性强。     

图象数据读取方法及阈值分割技术

对ＢＭＰ文件格式进行分析,读取图象数据,并对这些数据进行处理,通过阈值分割技术得到图象边缘。     

一种生物在体荧光成像的自适应分割算法

生物在体荧光成像是新兴分子影像技术中性能高、费用低、前景好的一种成像模态。针对生物在体荧光图像的特点和应用需求,提出一种全新的自适应图像分割算法。通过对荧光图像的归一化处理、连通性操作、感兴趣区域区分实现自适应分割。实验结果表明,该算法能够在弱信号、低信噪比、多光源的情况下得到较理想的分割结果,是一种有效的荧光图像分割算法。     

图像分割方法及性能评价综述

图像分割是图像处理与计算机视觉的基本问题之一,是图像处理与分析的关键步骤;本文对近年来常用的图像分割方法进行综述,介绍了每种方法各自特点以及在分割处理时的优缺点,以便我们对图像进行分割处理时综合两种或两种以上的方法,最终得到比较理想的处理结果,这也是目前图像分割方向发展趋势;同时对图像分割质量评价方法做出了综述。     

图像分割技术研究与应用

图像分割是指将一副图像分解为若干互不交叠的有意义且具有相同属性的区域。图像分割是数字图像处理中的一项关键技术,其分割的准确性直接影响后续任务的有效性,因此具有十分重要的意义。现有的分割算法在不同程度上取得了一定的成功,但是图像分割的很多问题还远远没有解决,该方面的研究仍然面临很多挑战。文章分析了现有图像分割的各种算法的特点以及存在的问题,对基于图像分割的经典算法进行改进,实现了一种新的分割方法,并将其应用到机器视觉的相关产品当中,取得了良好的效果。     

一种基于类推思想的图像分割方法

论文结合图像类推思想提出了一种图像分割的新思路。图像类推技术是一种基于学习的思想。论文利用图像自身的特性构造训练集合的源图像对,并学习他们之间的关系,达到图像分割的目的。实验证明基于类推思想的图像分割可以得到满意的分割效果。     

改进的一种图论分割方法在舌像分割中的应用

由于人舌体的特殊性质,从舌像中直接分割舌体时常存在过分割和过合并现象。针对舌像特点提出了一种结合图论分割和多分辨率分割的图像分割算法,用一种图论分割算法让舌像在两种分辨率下分别进行分割,根据两种分割的结果把它们进行交或者并处理,从而有效地分割出舌体。实验结果表明这种方法能够有效避免直接使用图论分割时出现分割过度或者欠分割的情况。