基于区域灰度极小值的网孔织物图像分割算法

针对网孔织物图像的对比度低和噪声点多而导致分割结果中存在网孔连在一起和残缺等问题,提出一种基于区域灰度极小值的分割算法以期提高网孔的分割精度。首先利用高斯金字塔缩放和直方图均衡化算法处理图像以增强图像的纹理轮廓和明暗对比度。然后采用一种基于区域灰度极小值的分割算法以解决仅仅依靠灰度值大小而无法正确分割网孔的问题。最后采用一种多图像融合算法以解决基于局部灰度极小值的分割算法中阈值选择困难的问题。选择多种不同光照程度的网孔织物图像进行实验,实验结果表明所提算法的分割效果良好,能够有效地解决分割结果中网孔连在一起和残缺等问题,且网孔织物的分割错误率为0.24%。     

基于邻域空间特征的低对比度小目标分割算法

低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,从中分割出微小目标是非常困难的。本文提出一种新的低对比度图像提取小目标的分割算法,通过引进局部均匀度,结合局部熵获得空间分布状态,对低对比度图像进行分割,该算法充分利用了目标图像的灰度和空间属性。实验结果表明,该方法能有效地实现低对比度小目标图像的分割。相对于其他算法,分割精度更高,且抗噪性强,可以有效地降低过分分割问题。     

基于OTSU算法的图像分割有效性研究

基于阈值分割的二维OTSU算法的基础上,提出了关于二维OTSU算法的快速实现。该算法既利用了图像的像素点灰度信息,同时又利用了像素点的邻域空间相关信息。对于低对比度、低信噪比的目标,二维最大类间方差算法具有较高的分割效果。实验结果表明,二维最大类间方差算法的快速实现方法使图像分割的有效性得到很大提高,极大地扩大了二维OTSU算法的适用范围。     

结合方差和方向的指纹图像分割算法

指纹图像分割指从图像背景中分离出有用的指纹区域的过程。良好的指纹分割能够有效提高特征提取精度和减少后续处理时间,在指纹图像预处理中具有重要作用。结合指纹图像灰度方差和方向信息,提出一种指纹图像分割算法。将指纹图像分块,计算每块灰度方差和点方向图,根据图像块方差和点方向一致性设定两种分割阈值实现基于方差和方向的指纹图像分割。实验结果表明该算法兼具方差法和方向法的优点,简单快速,是一种有效的指纹图像分割方法。     

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法,该方法不仅利用了图像元点的灰度分布信息,而且充分考虑了像元点之间的空间相关信息,理论分析和实验表明,对于低对比度,低信噪比的地面目标,该方法具有良好的分割效果,在该算法的基础上,又提出也一种快速递推二维最在类间方差法,减少了计算量,节约存储空间,具有较强的实用价值。     

基于图像分割和平台直方图均衡的红外图像增强算法

针对原始红外图像模糊、对比度低的特点,提出了一种基于图像分割的平台直方图均衡算法。首先采取实时阈值提取方法选取阈值,将图像目标灰度与背景灰度分开;然后利用对数、指数结合的非线性变换抑制背景区域,扩展目标区域的动态范围;最后利用改进的双平台直方图均衡算法处理非线性变换后的灰度图像。实验结果表明:该方法有效地增强了原始红外图像,提高图像对比度的同时很好地保留了图像的细节和边缘信息,且避免了过亮现象,视觉效果得到改善。     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

自适应权重的偏微分分割模型在变电设备红外图像中的应用

针对变电设备运维中的红外检测图像无法被准确分割的问题,本文应用了一种改进的自适应权重偏微分图像分割方法.通过分析红外图像信噪比低、边缘模糊、对比度低以及最常出现的灰度不均匀问题,在明确传统分割方法不足的基础上,对基于偏微分方程的分割模型开展改进.本文所提出的自适应权重的LGIF分割模型利用目标设备和背景灰度不均匀程度不...     

一种基于三维最大类间方差的图像分割算法

本文提出了一种基于三维最大类间方差的图像分割算法.该方法不仅利用了图像像元点的灰度分布信息,而且充分考虑了像元点之间的灰度相关信息,构造出三维观测空间,根据各信息间的竞争性、冗余性和互补性,进行有效的融合,得到比(一维)最大类间方差法更真实、准确的处理效果.理论分析和实验表明,对于低对比度、低信噪比的目标,该方法具有良好的分割性能.在该算法的基础上,又提出了一种快速递推三维最大类间方差法,减少了计算量,节约存储空间,具有较强的实用价值.     

基于级联Dense-UNet和图割的肝脏肿瘤自动分割

腹部CT图像肝脏肿瘤分割是进行肝脏疾病诊断、手术规划和放射治疗的重要前提。针对肝脏肿瘤灰度异质、纹理丰富、边界模糊等因素引起的分割困难,该文提出基于级联Dense-Unet和图割的自动精确鲁棒分割方法。首先运用级联的Dense-UNet获取肝脏肿瘤初始分割结果及感兴趣区域,然后利用图像像素级和区域级特征,分别构建可有效区分肿瘤与非肿瘤的灰度模型和概率模型,并将其融入图割能量函数,进一步精确分割感兴趣区域中的肿瘤组织。最后分别采用LiTS和3Dircadb公共数据库作为训练集与测试集进行实验,并与现有多种自动分割方法进行了比较。结果表明,提出方法可有效分割CT图像中灰度、形状、大小、位置各异的肝脏肿瘤,能提取更精确的肿瘤边界,尤其对于对比度低、边界模糊的肿瘤具有明显优势。     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

结合区域生长和SUSAN的图像分割方法

针对区域生长算法对噪声敏感问题,提出了一种结合区域生长算法和SUSAN算子进行图像分割的方法。在基于区域平均灰度差的图像分割算法的基础上,运用SUSAN算子作为区域生长的终止准则。试验表明,该方法对噪声不敏感,且提高了分割准确度,能对目标进行有效的分割。     

基于区域特征合并的分水岭图像分割

传统分水岭变换图像分割方法容易造成过度分割,不利于后期的图像分析与处理。采用一种分水岭变换结合区域特征合并的方法,首先将原始图像进行形态学变换,获取梯度图像;再进行分水岭变换,并将运算后的结果进行基于区域纹理、灰度一致性及区域平滑性等特征的区域合并;最终获取分割结果。实验结果表明,与传统分水岭变换方法相比,该方法能够有效降低因噪声、明暗纹理产生的过分割现象,方法可行、有效。     

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差（Otsu）图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。