基于模糊核聚类的双水平集医学图像分割

在实际的医学图像中,除目标和背景区域外,还存在两个以上的目标区域,传统的Chan-Vese模型一般只适用于两相图像分割,不能很好地分割多相图像。提出了一种基于模糊核聚类的改进型双水平集的医学图像分割,利用KFCM聚类算法降低图像噪声和双水平集模型的敏感性,对双水平集模型进行改进,对聚类后图像再分割。该方法具有较好的抑制图像噪声能力,充分利用图像边缘信息,无需初始化水平集函数,减少计算量和算法迭代次数,并能有效地实现多相目标区域的分割。     

基于空间信息的模糊C-均值噪声图像分割算法

针对传统模糊C-均值(Fuzzy C-means, FCM)聚类算法对噪声鲁棒性差的问题,提出一种基于空间信息的模糊C-均值噪声图像分割算法。将区域级信息加入FCM目标函数中,并用核度量方法代替传统欧氏距离,计算区域级空间信息与聚类中心的距离,提高算法对噪声的鲁棒性;用原始图像与区域级空间信息的绝对差的倒数和其本身约束原始图像和区域信息项,实现约束项参数的自适应选择;利用连通分量滤波,消除聚类结果中出现的过分割现象,提高分割精度。含噪合成图像和彩色图像实验表明,所提算法在模糊分割系数、模糊分割熵、分割精确度、平均交互比和归一化互信息等方面均优于其他几种聚类算法。     

一种改进的分水岭分割的研究

用分水岭方法进行图像分割时,容易造成图像的过度分割.为了克服这种缺点,本文提出了改进的图像分水岭分割的方法.该方法先用改进的中值滤波对图像进行预处理,在去除噪声的同时很好的保持物体轮廓和细节;以传统标记提取为基础,以标记点为区域极小值对图像进行分水岭分割.实验结果显示,该方法能很好地抑制过度分割,使分割得到了较好的效果.     

基于改进的GSA彩色图像分割方法研究

提出了一种基于改进的GSA(Gravitational Search Algorithm)无监督彩色图像分割方法。在GSA的基础上,采用了改进的欧氏距离,引入了像素分离过程,并给出了像素分离条件的最小速度。首先像素点的移动采用改进的欧氏距离进行GSA搜索;然后进行区域生长,合并相同性质的像素;最后达到一定速率的部分像素点从聚类中分离出来。实验结果表明,与传统C均值聚类算法和GSA算法相比,该方法在复杂场景图像中具有更好的分割效果。     

一种融合局部像素信息和改进NLFCM的SAR图像分割方法

针对传统局部信息模糊C均值聚类算法权重系数仅由像素间欧式距离决定，无法准确衡量和充分利用像素间的相似性，对SAR图像分割不准确的问题，提出了一种全新的局部信息相似性描述方法，并结合图像的非局部信息，对像素到聚类中心的距离和像素隶属度计算方法进行改进，并提出了一种同时包含图像局部和非局部信息的改进SAR图像分割方法。实验表明，与其他模糊聚类方法相比，该方法在抑制SAR图像相干斑噪声的同时，能较好地保护SAR图像目标的边缘和细节，具有很好的SAR图像分割效果。     

基于超像素和模糊聚类的医学超声图像分割算法

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用,并直接影响到后续的分析、处理工作.针对医学超声图像对比度低和噪声强的特点,提出了一种将超像素和模糊聚类技术相结合的图像分割方法.该方法利用简单线性迭代聚类算法产生多个超像素子区域,通过比较各个子区域间特征向量的相似性,利用模糊C均值(FCM)聚类技术对这些过分割区域进行合并,实现超声图像目标区域的有效分割.和传统的基于单像素的FCM聚类算法相比,该方法具有较强的鲁棒性,有效提高了目标区域的分割精度和分割效率,取得了较好的分割效果.     

改进Otsu法的目标图像分割

在现代战争中,快速而有效地对攻击目标进行识别和跟踪对获取战争主动权起着很重要的作用,而要达到这个目的,就需要从目标图像中准确地分割出目标.在分析Otsu的基础上,结合两类之间间距和类内距离对图像分割效果的影响,提出一种改进的最大类间方差法,并应用于目标图像的分割.实验结果分析显示该方法可达到较好的图像分割效果,较之Otsu方法更佳.     

基于改进的变分水平集和区域生长的图像分割方法的研究

针对水平集和区域生长方法都存在对噪声和初始边界敏感以及容易从弱边缘处泄露等不稳定的问题,提出了结合待分割目标灰度统计信息和图像梯度信息的水平集演化函数对水平集方法进行改进,并利用区域生长方法解决水平集方法对初始边界敏感的问题.分别用传统区域生长方法、阈值方法、GAC模型、C-V模型、Snake模型以及本文方法进行从腹部CT图像分割肝脏区域的实验比较,实验结果表明:本文方法不仅可以减少图像分割的时间,而且显著地提高了分割质量.     

改进的分水岭算法用于X光医学图像分割

为了提高医学图像分割质量,提出了一种基于X光医学图像的改进分水岭算法。算法在应用分水岭算法前首先对感兴趣图像进行预处理,包括对感兴趣区域进行最小阈值法,分离背景区,对前景区运用腐蚀和膨胀运算得到候选区;在分水岭变换过程中,通过像素聚类合并准则,将与主像素聚类有相同特性的次像素聚类加入到分割结果中,最终得到合并区域。试验证明,这种改进的分水岭算法使过分割现象得到减少,有效地分割和提取医学图像中的病变区域。     

基于聚类预分割和高低精度距离重构的彩色浮选泡沫图像分割

该文针对矿物浮选过程泡沫图像质量不理想、气泡大小形状灰度不均的问题,提出一种基于聚类预分割和高低精度距离重构的泡沫图像分割方法.首先,利用κ-均值聚类进行前景泡沫与背景矿浆彩色图像分割,依据灰度分布和形状分布特征对提取到的泡沫图像进行滤波;然后,基于形态重构提出结合高低精度距离变换对距离图像进行重构,同时利用面积重构顶改进变换为分水岭变换提取准确的特征标识;最后利用分水岭算法得到分水线,从而完成浮选泡沫的分割.由分割后的泡沫图像可统计分析出气泡个数与尺寸等物理特征参数从而为浮选控制提供依据.仿真结果表明了方法的有效性.     

Textured image segmentation by context enhanced clustering

An unsupervised textured image segmentation technique based on multidimensional feature vector clustering is described, where the features are the parameters of an autoregressive model, The benefits of incorporating spatial contextual information are demonstrated on both true cluster number estimation and actual image segmentation. A simple within-cluster distance is used for cluster validity analysis, where feature vectors are modified through local spatial dependency. This greatly reduces the dispersion in the raw feature data fed to the clustering process, and improves the true cluster number estimation. At the segmentation stage, three schemes incorporating contextual information at feature vector and label levels are proposed to enhance the segmentation accuracy. One is a development of a technique due to Mardia and Hainsworth (1988). The proposed approaches are tested on a four-class textured image     

融合对称特性的混合标签传递半监督直觉模糊聚类图像分割

现有的直觉模糊聚类算法应用于图像分割时,往往只考虑图像的像素信息,忽略了图像的几何特征和区域信息,使得分割效果不太理想。为了提高直觉模糊聚类算法的分割性能,提出一种融合对称特性的混合标签传递半监督直觉模糊聚类算法。该算法首先对图像进行对称轴检测获取图像的对称特性,接着利用图像的对称特性进行对称像素的标签传递并改进像素对聚类中心的直觉模糊距离测度,然后设计一种混合标签传递半监督策略,对所有像素进行隶属度的估计并将其作为监督隶属度进行引入,随后构建融合对称特性的混合标签传递半监督直觉模糊聚类目标函数,通过聚类获得最终的分割结果。两个彩色图像库上的实验结果表明,该算法能够将目标从复杂背景中完整的分割出来,分割性能优于对比算法。      

基于深度学习的酒标分割研究

红酒图像中的酒标区域含有重要的红酒品类信息,而对酒标区域的定位与分割可以有效去除背景区域对图像匹配算法的干扰。传统图像分割算法大多基于局部图像特征和人工设计规则,对噪声较为敏感,并且难以应对大规模数据的处理。针对传统算法的不足,本文首先构造了一个大规模酒标分割数据集,然后提出了一种基于深度学习的酒标分割方法。我们构造了一个基于残差网络的语义分割模型,并且在模型中加入跨层连接,实现低层特征和高层特征的有效融合,使得分割的边缘细节更加清晰和准确。另外,我们采用了带孔卷积金字塔池化结构整合多尺度信息,在增大模型感受野的同时使得模型适应不同尺度的酒标区域。在我们构造的酒标数据集上的实验结果表明,本文提出的酒标分割网络能够进行实时的酒标图像分割,并且达到了相当高的分割准确率。      

基于种子点的粘连巨噬细胞图像的分割方法

粘连细胞的分割是医学细胞图像处理中的关键,随着形态学在图像分割中的应用,分水岭分割成为粘连细胞分割中最有效的方法之一。然而,由于巨噬细胞图像中的噪声和形态的不规则性,传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取"种子点",并将其中距离小于某一阈值的两两"种子点"合并得到新的"种子点",在新"种子点"重新分布的距离图基础上使用分水岭分割。实验结果表明:该算法虽然要比传统分水岭算法多花费些时间,但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后,对细胞进行标记并提取细胞的特征参数,如周长、面积、圆度因子、灰度均值等。     

一种自适应FCM彩色图像分割算法*1

针对FCM彩色图像分割算法需要给定聚类数且受初始值影响较大的缺点,提出一种自适应FCM彩色图像分割算法。该方法首先引入主分量变换,通过直方图分析,在RGB彩色空间上自动确定聚类数目,其次引入2D直方图,分析对角线投影1D直方图,并采用最大最小距离法选取初始聚类中心。利用该算法分别对人工合成的和真实的彩色图像进行分割实验,实验结果表明：本文算法能够有效且自适应地分割彩色图像。     

基于光流场分割和Canny边缘提取 融合算法的运动目标检测

在摄像机运动的情况下,提出了一种基于光流场分割和Canny边缘算子融合技术的运动目标检测方法.这种方法可分为三步:第一步利用运动的内极线约束和C-均值聚类算法完成目标区域的分割,并获得分割图;第二步在分割图中利用Canny边缘算子获得细化的目标区域边缘图;第三步根据光流场中的流速值完成分割图和边缘图的融合,并检测出完整的运动目标.实验表明,这种方法可以有效地从复杂自然场景的图像序列中检测出完整的运动目标.     

自适应特征加权的Gibbs随机场影像分割方法

针对现有分割算法很少同时兼顾不同特征分量区分能力的差异和相邻像素间的相关性的问题,提出了一种结合Gibbs随机场的特征加权遥感影像分割方法.该方法首先依据训练样本计算各特征分量的区分能力,确定不同地物类别相应的特征分量的权重;然后利用加权最小距离分类法对影像进行初始分割,并利用Gibbs随机场来描述像素的空间相关性;最后综合Gibbs随机场描述的标记场和加权最小距离分类法描述的特征场来获取影像的最终分割结果.实验结果表明,Gibbs随机场能够有效地描述空间相关性,根据区分能力确定的权重强化了区分能力强的特征分量.     

一种基于混合判定模型的复合概念抽取方法

从大规模领域语料库中抽取领域概念,现有方法不能有效识别复合概念.本文提出一种基于混合判定模型的复合概念抽取方法,首先对文本进行分词处理,为每个词条添加词条标签,并对词条集进行噪音词消除和同义词合并处理,然后统计词条的加权词频,根据词条标签值计算位置亲和度和位置匹配度,判定和筛选可组合成复合概念的原子词条,最后通过设置不同复合深度值,实现多重复合概念抽取.采用不同规模语料库进行抽取实验,实验结果表明本文方法具有更高的召回率和准确率.     

一种新的结合稀疏编码的红外图像聚类分割算法

聚类作为一种重要的图像分割方法得到了大量研究,提出了一种新的结合稀疏编码的红外图像聚类分割算法,扩展了传统的基于K-means聚类的图像分割方法。结合稀疏编码的聚类算法能有效融合图像的局部信息,而且易于利用像素之间的内在相关性,但是对于分割会出现过分割和像素难以归类的问题。为此,在字典的学习过程中,将原子的聚类算法引入其中,有助于缩减字典中原子所属类别的数目防止出现过分割;同时将稀疏编码系数同原子对聚类中心的隶属程度相结合来判断像素所属的类别。这种处理方式能更好地实现利用像素的内在相关性进行聚类分割,并在其中自然引入了局部空间信息,达到更好分离目标区域和背景区域的目的。实验结果表明,结合稀疏编码的K-means聚类分割算法能更好的实现复杂背景下红外图像重要区域的准确分割提取。     

无人飞行器自主降落区识别方法研究

为实现无人飞行器的自主降落,针对降落平坦区域包含特征较少、且分布没规律、形状各异等特点,本文设计了一种基于点云几何特征的快速点云分块和平坦区识别方法。该方法通过无人飞行器上的相机获取二维图像,并使用多视角立体三维重建技术获得场景三维点云,提出了以空间距离作为平滑项、以点在Z方向上的高度作为相似项的三维点云滤波算法对三维点云滤波,设计了基于点云法线和曲率的聚类分块对点云进行区域划分,然后改进RANSAC算法拟合点云平面,筛选出无人飞行器飞经场景的平坦区,并最终确定出无人飞行器的最佳降落区。最后,用本文所设计方法对戈壁人工沟壑、戈壁自然沟壑和小区花园等实拍场景图像进行降落区识别,实测结果显示识别出的区域地形起伏均小于0.125m@m~2,满足无人飞行器降落要求。