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．     

改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。     

基于模糊逻辑和区域合并的分水岭变换图像分割

通过分析分水岭变换对图像细微变化敏感而产生过分割现象的缺陷,提出一种基于模糊逻辑的分水岭变换区域合并算法。首先使用形态学滤波方法对图像进行平滑降噪处理,并进行分水岭变换。再根据相邻区域的边缘有效性与灰度相似性,通过模糊推理及去模糊化方法获得区域可合并度。最后根据可合并度进行区域合并,获得分割结果图像。实验结果的数据分析表明:该方法在保证了重要轮廓信息不丢失的前提下,克服过分割现象,大量减少无效区域,提高了分割结果对图像中物体轮廓的概括性,较好地达到分割图像的目的。     

基于分水岭和模糊 C 均值聚类的图像分割方法

针对分水岭算法对微弱边缘和噪声非常敏感、容易导致过分割现象的问题,提出综合运用分水岭算法和基于区域的模糊 C 均值聚类的图像分割方法.与单独使用分水岭方法相比,该方法不仅利用区域的灰度信息,而且考虑了区域间的空间信息.实验结果表明,本方法能有效地对图像进行分割,克服了分水岭算法的过分割问题.     

基于ＢＦ－ＷＳ的肝脏ＣＴ图像自动分割

由于血液的流动以及肝脏收缩与舒张,在腹部ＣＴ图像中存在一定量的噪声,会产生局部梯 度极大值区域、弱边界、伪影等不良现象,加之腹部内器官分布紧密且灰度值接近,使得肝脏分割尤 为困难．为此,首先采用改进的双边滤波算法,自适应的对腹部ＣＴ图像进行平滑滤波处理;其次, 将自适应双边滤波算法和标记控制的分水岭算法有机融合起来,采用基于中值的多阈值最大类间 方差算法提取肝脏标记,并运用分水岭分割算法进行精确分割;最后,分析对比不同的肝脏分割方 法,表明该方法能够更有效地去除噪声,保留目标边界,提高肝脏分割的准确率．     

基于形态学特征的颗粒图像分割和计数

针对黏连严重、分辨率和清晰度较低的颗粒图像分割和计数问题,提出了一种基于分水岭和形态学特征的新方法.首先使用分水岭算法分割图像,得到过分割的结果,接着通过本文定义的区域形态学特征,再根据加权马氏距离和区域连接图(Region Adjacency Graph)进行区域合并.采用实际图像进行的实验表明,该算法效果良好,对原始图像的灰度、对比度和噪声变化具有不变性,在准确率-查全率(Precision-recall)曲线的表现上优于现有方法.     

组合均值平移和区域合并的图像分割算法

医学图像类的多细胞图像分割过程中,经常因为细胞边界模糊而影响分割质量.针对复杂情况下的细胞图像分割问题,提出了一种组合分割方法,新方法将一种非参数聚类算法(均值平移)和区域合并相结合,先利用均值平移算法获得图像的过分割结果,再根据区域合并准则,合并过分割区域得到准确的分割结果.将此方法应用于活细胞的显微灰度图像,并与几何活动轮廓模型算法、阈值分割算法、均值平移算法及水线分割算法相比较,实验结果证明了此算法的有效性.此算法不仅可以将粘连的细胞分开,还可以获得接近细胞原始形状的边界,为进一步图像研究提供了良好的基础.     

一种轮胎X射线图像缺陷提取和分割方法

针对轮胎X射线图像对比度不高、图像噪声多和存在较大背景起伏的特点,提出一种基于平滑滤波和灰度校正的轮胎X射线图像缺陷提取和分割方法。首先采用平滑滤波的方法,消除带束层帘线影像和图像中的高频噪声;然后依据整幅图像的灰度均值和图像中每个像素的邻域内部灰度均值的比例关系,对像素的灰度进行校正;最后对校正后的图像进行二值化处理,完成对轮胎X图像的分割。实验结果表明,该方法能够有效地实现轮胎X射线图像缺陷的提取和分割。     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

基于分水岭算法的绿色荧光蛋白图像分割

基于分水岭算法,提出了一种绿色荧光蛋白图像的分割方法．为了克服分水岭算法易于产生过分割的现象,本文主要从前期预处理和后期区域合并两个方面着手,结合了中值滤波、分水岭变换、阈值区域合并技术,运用MATlab软件,对绿色荧光蛋白图像进行分割,取得了良好的效果．