基于图论最优二叉树算法的图像分割研究

为了提高分割图像的质量,采用图论二叉树算法。首先建立像素点之间对应图论节点边权值,通过最小生成树边权值确定最优分割阈值,将边长大于最优分割阈值的边断开;然后用两个区域之间的不相似关系函数确定最佳分割区域;接着对分割区域合并判断;最后给出算法流程。实验仿真显示本文算法分割图像效果好,不受外界特性影响,分割后图像区域内部均匀性最大。     

基于图论阈值算法的图像分割研究

为了提高阈值分割图像的质量,提出了采用图论阈值算法。首先,构造图论和图像的映射函数关系,每个顶点通过点来映射,每条边通过线来映射。用基于区域属性的图像边缘决策表,不同像素点或不同组像素点之间的灰度特征差作为权重系数,通过基于决策属性权重来构造像素联系图;然后,采用聚类法计算像素到目标类和背景类的相似程度,最小生成树策略解决伪割集问题;最后,给出图像阈值设定以及算法流程。实验仿真表明,本文算法的分割图像效果清晰,消除了图像分割中存在的过合并和欠合并现象,本文算法的信息熵为28.780 3bit,处理时间为1.454 3s。满足分割结果中对执行时间少、信息含量大等要求。     

一维对象复杂度的灰度图像分割算法

从图像复杂度的角度,提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类,统计其对应直方图与总像素个数,并计算对象复杂度;依据图像复杂度分割准则算法公式,遍历每一灰度级对应的图像复杂度值,选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明,与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比,本文算法速度快,稳定性和效率最好,是一种通用有效的图像分割算法。     

基于最小生成树和局部阈值的彩色图像分割方法

针对分水岭图像分割算法对于彩色图像的过度分割问题,本文提出一种基于最小生成树和局部阈值的解决方法。该方法主要利用图论中的最小生成树,对分水岭算法产生的过度分割区域进行合并。与其它的基于最小生成树的方法不同,该方法只有当构造出一棵完整的最小生成树时,才能计算出一个局部阈值,该局部阈值可确定原构造最小生成树过程的终止条件,进而可分割出彩色图像中的两个区域。重复上述过程,可分割出原彩色图像中的所有区域。实验证明,本文方法能够对彩色图像进行准确的分割,并且分割结果能很好地符合人眼的感知。     

基于网格的最小交叉熵算法在PET图像重建中的应用

基于内容的自适应三角形网格模型是描述图像的一种有效方法,本文将网格模型与最小交叉熵算法相结合,并加入先验解剖信息,用于PET图像重建.在本文提出的新算法中,先将投影数据用滤波反投影方法(FBP)生成参考图像,再对参考图像提取网格节点,用加入先验解剖信息的最小交叉熵算法对网格节点灰度值进行迭代计算,最后利用迭代后的网格节点灰度值对象素点进行插值得到重建后的图像.在仿真实验中,将该算法与最大似然方法(MLEM)等算法作比较,并分析了参数对重建结果的影响.     

基于最小类内绝对差和最大差的图像阈值分割

阈值分割是图像处理中一种简单有效的图像分割方法,应用极为广泛.阈值选取是阈值分割的关键.最小类内方差法(Otsu法)因其分割精确,适用范围广而成为广泛采用的一种图像阈值分割方法,它实质上是最小二乘法(基于L2范数).与此不同,本文提出了基于最小类内绝对差(基于L1范数)及最小类内最大差(基于L∞范数)的图像阈值分割算法,并导出了这两种方法的二维算法形式.文中给出了实验结果,并进行了分析与比较.结果表明,这两种方法在某些类型图像下,阈值分割效果明显优于最小类内方差法,而其二维算法的分割效果普遍优于相应的一维算法.     

二维最小误差分割在红外图像中的快速实现

最小误差分割算法的图像分割性能优异,但一维的最小误差分割算法容易受到噪声的干扰。利用图像的二维直方图,二维最小误差分割算法不仅能够利用图像的灰度信息,同时利用了相邻像素之间的邻域信息,取得更加理想的分割效果。但在实际使用的过程中,二维最小误差算法采用穷尽搜索的算法运算时间长,二维直线型最小误差分割算法无法反映全局最优解,降维形式的最小误差算法复杂度高。本文将结合粒子群优化算法(PSO)将二维最小误差分割算法应用在红外图像上,大大提升了算法的求解速度,能够在实现更低对比度的红外图像分割的同时满足工程中实时检测的要求。     

基于最小错误率和快速水平集的图像分割

提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。     

基于云模型、图论和互信息的遥感影像分割方法

针对传统的基于局部信息搜索的分割方法很少考虑图像的全局信息,而且容易忽略影像分割中的随机性和不确定性,本文提出了一种基于云模型、图论和互信息的影像分割方法.使用云模型来反映像素聚类成区域时的不确定性和随机性,将图论方法引入基于互信息的最优割集的生成从而得到全局最优分割,利用云模型区域概念所呈现出的多维特征,通过云综合异质性度量来改进边界权重的计算,从而实现对区域相异性的区分能力.从实验结果来看,本文提出的方法,能产生有意义的、完整的、内部同质的分割区域,在分割精度上基本能满足人眼的视觉要求.     

一种与图论Normalized Cut方法相结合的双阈值图像分割

提出了一种与图论方法相结合的双阈值分割方法,先采用双阈值划分图像区域,然后建立无向图,采用Normalized Cut方法划分图,完成图像分割.本文的方法综合考虑了像素间的灰度值和空间距离的相似性,并且运算量比传统的图论方法要小很多.实验结果表明,算法可以取得很好的分割效果.     

一种基于图划分的人造红外目标实时分割算法

提出一种基于图划分的实时红外目标分割方法．选用规格化划分值作为区分目标和背景的最佳阈值选取的准则．该准则联合考虑了象素的灰度信息及其空间位置信息,因而分割红外目标比常规方法更为准确可靠．文章对该算法的时间复杂性及空间复杂性进行了分析,为满足实时处理的需要,对算法进行了简化处理,并定义四种方向的领域权值矩阵,提出一种快速查表的方法有效地解决了算法的实时性问题．试验结果表明,该方法能够有效地完成红外目标的准确分割,分割性能优干传统的Otsu准则和一维熵方法,同时,采用快速实现算法大大提高了该算法实时处理能力,节省了存储空间,从而使该算法在实际中能得到有效应用．     

基于形态学分水岭的Normalized Cut图像分割方法

针对传统分水岭分割后所产生的过分割问题,提出了一种基于形态学分水岭算法和Normalized Cut算法相结合的图像分割方法。在传统分水岭分割的基础上,融合形态学算法进行初步分割,并将分割后各个子区域的形心和平均灰度值作为Normalized Cut算法的输入参数,完成图像分割。结果表明,组合算法既避免了过分割现象,也达到了Normalized Cut算法的分割精度,是一种有效的图像分割算法。     

一种改进的图割目标分割算法

为了减少图像目标在分割过程中受到噪声、复杂背景等因素的影响,将图像的多特征信息引入到图割算法中,提出了一种结合图像的多特征信息图割目标分割方法。该方法先选取像素点的多种图像特征组成特征向量,并对已做好标记的目标和背景种子点的特征向量分别进行FCM聚类,然后分别计算各像素点与这两类种子点的各聚类中心的最短欧式距离,并据此信息完成对能量函数的构造,最终运用最大流/最小割的方法得到图像分割的结果。其与传统图割算法相比,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

Image block classification using stochastic image segmentation

The authors propose a new image block classification method. The proposed algorithm incorporates image context into the classification via pixel-based segmentation. To obtain a segmented image they adopt the stochastic model-based unsupervised image segmentation algorithm. Since the block classifier considers the grey level distribution in the block, it can differentiate edges from textures. Also, since the segmentation is executed independently at each small block, a parallel processor can be applied to obtain a real-time block classification     

一种改进的图谱阈值分割算法

针对图像分割是典型的结构不良问题,将图谱划分理论作为一种新型的模式分析工具应用到图像分割并引起广大学者关注。考虑到现有的图谱阈值法中图权计算方法采用基于欧氏距离的幂指数函数导致其计算量过大的不足,首先采用基于欧氏距离的分式型柯西函数代替基于欧氏距离的幂指数函数提出图权计算的新方法,其次将其应用基于图谱划分测度的图像阈值分割算法中并得到一种改进的图谱阈值分割方法。实验结果表明,该方法的计算量小且对目标和背景相差比例较大的图像能获得满意的结果。     

基于局部平滑加权图割方法的SAR图像分割

针对合成孔径雷达(SAR)图像分割,提出了一种 局部平滑加权图割(LSWGC,local smoothing weighted graph cut)模型。首先,在加权图割(WGCut)的目标函数中加入局部平滑罚项,提高了基于谱 聚类的SAR 图像分割方法对斑点噪声的稳健性,抑制了SAR图像分割中孤立点的产生;其次,利用WGCut 与加权核 K均值(WKKM)的等价性,LSWGC以不同于参数核 图割(PKGC)方法的核化方式将核映射引入目标函数中,用图 割最优化算法求解标号函数,避免了基于谱聚类的SAR图像分割方法中图谱的求解问题,同 时改善了PKGC方法二类划分易丢失目标的不足。模拟和真实SAR图像的实验结果证实 了本文方案的有效性。     

Graph run-length matrices for histopathological image segmentation

The histopathological examination of tissue specimens is essential for cancer diagnosis and grading. However, this examination is subject to a considerable amount of observer variability as it mainly relies on visual interpretation of pathologists. To alleviate this problem, it is very important to develop computational quantitative tools, for which image segmentation constitutes the core step. In this paper, we introduce an effective and robust algorithm for the segmentation of histopathological tissue images. This algorithm incorporates the background knowledge of the tissue organization into segmentation. For this purpose, it quantifies spatial relations of cytological tissue components by constructing a graph and uses this graph to define new texture features for image segmentation. This new texture definition makes use of the idea of gray-level run-length matrices. However, it considers the runs of cytological components on a graph to form a matrix, instead of considering the runs of pixel intensities. Working with colon tissue images, our experiments demonstrate that the texture features extracted from "graph run-length matrices" lead to high segmentation accuracies, also providing a reasonable number of segmented regions. Compared with four other segmentation algorithms, the results show that the proposed algorithm is more effective in histopathological image segmentation.     

Automatic segmentation of color images with transitive closure

In this paper, a mask based automatic segmentation algorithm for color images which uses pixel similarity has been presented. Main concept of the algorithm relies on spatial mask for course segmentation and the Warshall's transitive closure (TC) computation algorithm for region merging. Although the proposed spatial mask approach reduces the computational burden required for segmentation or clustering techniques such as seeded region growing (SRG) or fuzzy c-means (FCM) in which user supplied parameters are essential, it has over segmentation drawback. Therefore, the transitive closure algorithm, which uses adjacency and similarity matrix associated to undirected graph of the over segmented image, has been employed to merge the regions. After comparing to existing methods, the obtained experimental results confirmed that the color images as well as gray level images could be segmented with considerable accuracy. Also computational complexity of image segmentation is significantly reduced. Furthermore, there is no need any user supplied parameter such as the number of clusters or seed points.     

基于超像素与图卷积神经网络的白细胞分割

白细胞分割是医学图像处理领域的一项富有挑战性的任务,针对目前白细胞分割存在的准确度不高、粘连情况不易分割等问题,将图像的分割转化为区域节点的分类问题,提出基于图卷积神经网络的白细胞分割算法.首先将训练图像经超像素分割得到若干超像素区域,把每个超像素区域作为图的一个节点,并充分利用超像素区域的彩色特征以及空间邻域关系构造稀疏加权图来训练图卷积网络,然后利用训练好的网络对测试图像进行白细胞核、质、背景的三域一次性分类.实验数据表明,本文算法对不同类白细胞均具有较好的分割效果.     

基于图着色的无线自组网极小连通支配集算法

基于连通支配集算法的虚拟主干网技术对于无线自组网的路由优化、能量保护和资源分配都具有重要的作用。通过引入极大独立集和极小支配集概念,基于图着色思想提出一种新的适合于无线自组网的极小连通支配集算法,从理论上证明了该算法的正确性和高效性,也通过仿真实验分析了该算法在多种情况下的实际性能,仿真结果表明新算法在簇头和主干节点数目方面具有较好的性能,特别在节点密集的网络环境中更加突出。