基于粒子群的图像分割

图像分割是图像处理的关键问题之一,为了能够快速有效地选取最优阈值进行图像分割,引入了粒子群算法（PSO）对阈值分割进行优化,提出基于PSO的最大熵图像分割,基于PSO的最大类间方差图像分割以及基于PSO的最小误差图像分割,并进行了分析和研究,可以得出该三种方法可以准确、快速地获取最优阈值进行图像分割。     

医学图像分割技术中变形模型方法的研究综述*

医学图像分割是医学图像处理中的一个经典难题。医学图像分割技术的发展不仅影响到医学图像处理中其他相关技术的发展,如可视化、三维重建等,而且在生物医学图像的分析中也占有极其重要的地位。近年来,由于一些新兴学科在医学图像处理中的应用,医学图像分割技术取得了显著的进展。对近年来兴起的基于变形模型的医学图像分割技术进行研究,综述了其发展历程和基本原理,分析和比较了基于变形模型的图像分割的各种技术的优缺点,展望了该技术领域以后一段时间内的发展趋势。     

基于数学形态学的医学图像分割方法研究

文章介绍了医学图像处理中的医学图像分割的有关概念和数学形态学进行图像分析的基本步骤,重点论述了几种医学图像分割方法和基于数学形态学的分水岭分割算法,并给出了该算法的优点。     

头部CT图像多阈值分割的优化实现

阈值分割是医学图像预处理方法的一种,合适的分割方法能减少后续图像处理的数据。单独使用传统的阈值分割方法往往效率很低。提出一种基于遗传算法的图像多阈值分割方法。通过设计最大类间方差法与遗传算法相结合的算法,对头部CT图像进行分割,并与遍历算法作比较。实验结果表明,此方法不仅保留遍历算法的精度,并且快速得到最优阈值,明显提高了分割的效率。     

基于遗传算法的最大熵双阈值图像分割

图像分割是图像处理的一个基本问题,阈值法是图像分割的常用方法.通过建立最大熵双阈值数学模型和设计遗传算法,对双阈值图像分割进行了有效的解决.进一步提出了遗传算法的改进,能准确找出图像分割的双阈值,对分析和理解图像具有重要用处.     

基于加权香农熵的图像阈值法

熵阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用。针对最大熵阈值法是基于图像灰度分布的均匀性假设,导致它对有些图像分割无效的问题,首先提出了加权信息熵的图像分割新方法,其次对加权信息熵的灰度级权因子选取方式进行了探讨,最后给出了基于类内熵和类间熵相结合的图像分割效果评价新方法。实验结果表明,提出的方法是可行的。     

医学图像分割算法研究

医学图像分割是医学领域不可或缺的组成部分,对于诊断和治疗具有重要意义。在MATLAB软件环境中设计了医学图像分割算法。从医学影像库中选取2张不同诊断图像,采用图像处理算法进行分割,并对处理结果进行研究和探讨。分割算法以阈值分割法和边缘检测法为主要研究对象,其中阈值分割法以大津（Otsu）算法分割为主,边缘检测法采用索贝尔（Sobel）算子、高斯拉普拉斯算子（Laplacian of Gaussian,LoG）算子、Canny算子3种算子进行对比分析。选出一种更普适的分割算法,有效提高医学图像的分割精度和效率。     

二维Otsu阈值分割算法的改进

自动图像阈值分割技术已经被广泛的应用在图像处理和计算机视觉领域中的目标检测,跟踪和识别上。其中Otsu阈值分割算法是一种被广泛使用的分割技术,对于那些直方图呈双峰分布的图像可以得到优秀的分割效果。然而如果直方图是单峰或是有异常数据出现时,传统的Otsu阈值分割算法则会发生错误。为改善传统Otsu法在处理图像时的计算受噪声干扰严重、实时性差、复杂度高等缺点,本文提出了一种改进的基于中值的Otsu阈值分割算法。最后进行的多次测试和实验说明这种改进的方法与传统的Otsu阈值分割算法相比较会得到更加满意的结果。     

基于谱聚类的多闭值图像分割方法

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常用的基于图像像素级的权值矩阵描述图像像素的关系,因而算法需要的存储空间及实现的复杂性与其它基于图的图像分割方法相比大大减少。实验表明,该方法分割图像的时间少,且能够单阈值和多阈值分割图像,与现有的阈值分割方法相比,其具有更为优越的分割性能。     

论图像分割技术在医学图像处理中的应用

随着科学技术的发展,医学图像更加精细且清晰,医学图像处理在医疗领域中的应用也越来越广泛.图像分割技术是专门用于图像处理的一门技术,通过将医学图像进行基于计算机算法的分割处理可以实现重点区域重点分析,最终完成对患者的辅助诊断.主要研究现有流行的图像分割技术,并结合显微镜成图的老鼠胎盘图像,分析图像分割技术在医学图像处理中的应用.