一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。     

结合水平集和分水岭的粘连岩石图像分割

针对矿场的矿岩中粘连岩石图像难以分割的问题,提出了一种结合水平集和分水岭的图像分割方法。首先用水平集算法提取岩石颗粒边缘轮廓,在凸包和边缘轮廓共同控制下迭代腐蚀获得标记区域,最后用分水岭算法实现粘连岩石颗粒分离。实验结果表明,该算法能有效减少欠分割和过分割状况,具有较好的分割效果。     

基于水平集的热红外运动人体目标分割算法

水平集活动轮廓模型是一种优秀的图像分割方法.针对红外人体检测系统中的图像分割难题,提出了一种基于水平集活动轮廓模型的新算法.该算法包含水平集运动检测模块、水平集亮度检测模块和融合模块.水平集运动检测模块融合了水平集和背景相减技术,通过演化水平集函数同时实现前景分割和背景估计,它用于检测序列中的运动区域,并将其演化结果输入到下一检测模块.水平集亮度检测模块融合了水平集和阈值分割技术.在给出双阈值时,可分割出亮度在双阈值所限定范围内图像区域,它用于检测序列图像序列中可能包含人体目标的全部区域.利用形态学开重建技术,融合模块在融合前两个模块检测结果后输出算法最终分割结果.此外,采用快速数值算法演化水平集检测模块以及优化设置整个算法流程,改善算法运行效率.实验结果表明,相对其他典型算法,该算法具有较高分割精度和运行效率,且对时序亮度变化和镜头运动鲁棒性更好.     

基于区域定位与轮廓分割的红外目标检测

红外图像受随机噪声干扰严重.传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响,不易准确辨识.为了准确识别红外目标,采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法.首先利用高斯混合模型定位红外目标区域的位置,然后利用基于空间信息的分水岭算法得到闭合区域,再利用基于脉冲耦合神经网络的分割算法剪切其虚影,最终检测到完整的运动目标.结果表明,该方法能够消除在传统方法中产生的虚影现象,得到精确的红外运动目标.通过比较,实验结果优于传统方法.     

距离保持水平集在汽车门锁图像分割中的应用研究

针对基于机器视觉的汽车门锁装配尺寸检测系统中摇臂距离的检测问题,研究了距离保持水平集的图像分割算法。该算法是将轮廓表示为一个符号函数,符号函数的零水平面与实际轮廓相对应,并在能量泛函中加入了内部能量泛函,表示两个函数之间的差异。实验表明,与一般的基于边缘检测的图像分割算法相比较,该算法能够很好的解决汽车门锁图像中摇臂外弧线分割问题,提高了汽车门锁检测系统的精度。同时,该算法也可应用到其他类似工业装配件局部图像分割中。     

基于模糊增强的医学图像分割分水岭算法研究

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将多尺度形态学边缘检测、模糊增强和控制标记符分水岭相结合的分割策略。该方法首先结合大结构元素和小结构元素各自的优点,用多尺度形态学边缘检测降弱过分割;其次用模糊增强算法使原始医学图像中粗细的边缘都能够得到增强;最后采用基于前景和背景标记的分水岭分割算法进行分割。仿真实验表明,该算法不仅可以有效的克服分水岭变换严重的过分割问题,得到有意义的区域分割,而且还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.     

基于运动信息和标记多尺度分水岭的运动目标检测算法

针对对称差分法检测目标时容易产生空洞以及当目标运动速度较慢或尺寸较小时易出现漏检等现象,提出了一种基于运动信息和标记多尺度分水岭的运动目标检测算法。首先将用高频强调滤波等处理的视频图像进行差分,再运用高阶统计运动检测算法检测出差分图像中运动目标的大概运动区域,经后处理得到运动目标的初始二值掩膜;并应用初始二值掩膜得到用于标记的前景与背景标识,用该标识修正当前帧的多尺度形态学梯度图像;最后进行分水岭分割,得到具有精确边界的运动目标。实验结果表明该方法能对运动目标进行准确检测,继承了变化检测和分水岭算法速度快的特点,克服了分水岭算法易产生过分割的缺点,且具有良好的鲁棒性。     

自然背景下人工目标的检测与分割

在分水岭分割算法的基础上 ,提出基于模糊逻辑理论的集水盆合并方法 ,对自然背景下人工目标的检测与分割以及自然背景的抑制与消除进行了探讨和研究。     

Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取

目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题，对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果。针对此问题，本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割方法，搭建Caffe深度学习框架训练Faster-RCNN网络模型；通过有监督学习的方式在IAILD数据集上训练模型，检测出目标建筑物并初步提取建筑物的轮廓，并将其与形状先验的Level-Set算法结合。对比实验结果表明，本文方法解决了Level-Set算法中图像分割结果初始轮廓受人为标记框选的影响较大的问题，能够更好地完成被遮挡建筑物的分割，对于目标建筑和背景灰度值相近也能达到更好的分割效果。     

基于形态学尺度空间和梯度修正的分水岭分割

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种基于形态学尺度空间和梯度修正的分水岭图像分割方法,该方法利用形态学混合开闭重建尺度空间和梯度修正技术,在平滑原始图像的同时保留了重要的区域轮廓而去除了易造成过分割的区域细节和噪声,克服了传统的形态学开闭尺度空间在平滑细节和噪声时,部分重要区域轮廓也被平滑及不满足尺度因果性的问题。对平滑后的图像采用梯度修正分水岭变换,保持了尺度和分割区域数目间的因果性,进一步消除了标准分水岭的过分割现象。仿真实验表明,该方法能有效地消除过分割现象,分割的区域数目满足尺度因果性,且具有较高的区域轮廓定位能力。     

基于CT图像的肺实质分割技术研究

基于CT图像的肺实质分割不仅仅是后续图像处理最基础和最重要的技术,而且是一个典型的亟待解决的问题。基于CT图像的精确的肺实质分割是数学分析、计算机辅助分析和治疗的前提。本文明确了肺实质分割的概念及本质,以及肺实质分割在临床治疗中的重大意义。重点介绍了阈值法、区域生长法、主动轮廓模型和遗传算法,分析了它们的本质以及优缺点,并且列举大量实例说明。最后指出了基于CT图像的肺实质分割方法的发展趋势与面临的挑战。     

基于模糊水平集的脑肿瘤MR图像分割方法

针对传统水平集(Level Set)方法对脑肿瘤MR图像进行分割时易在弱边缘处产生泄露的问题,提出一种新的基于模糊水平集的脑肿瘤MR图像分割方法。采用模糊聚类算法对图像进行预分割,得到脑肿瘤MR图像的感兴趣区域;将聚类分割结果作为水平集演化的初始轮廓;利用聚类结果计算水平集演化的初始化条件和控制参数。算法执行效率得到了提高,并且克服了水平集演化依赖于初始化条件和控制参数且需要较多人工干预的缺陷,增加了方法的鲁棒性。实验结果表明,该方法鲁棒性强,能够快速、准确地分割出MR图像中的脑肿瘤,具有重要的临床意义。     

多阈值和标记分水岭相融合的肺部CT图像分割方法

针对肺部CT图像因各组织灰度不均匀、结构复杂等因素造成双肺边界难以准确分割的问题,提出了一种多阈值和标记分水岭相融合的肺部分割方法。首先采用多阈值法对肺部CT图像进行粗分割,并去除图像中气管与主支气管;然后采用标记控制分水岭方法进行精分割,并利用形态学运算对肺实质边缘修补,最后采用临床肺CT图像在Matlab 2012平台上对算法性能进行仿真测试。结果表明,本文方法可以较好保留肺部CT图像的边界信息,提高了肺部CT图像分割精度,误分和错分概率大幅度下降,取得了十分理想的分割结果,为肺部疾病临床医学诊断提供了有价值的参考信息。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题，提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波，对红外目标图像中的噪声和微小的干扰区域进行滤除，接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度，而后用改进的分水岭算法对图像进行分割，最后针对过分割问题提出了一种新的区域融合方法．实验结果表明，该算法能较好地解决红外图像中的目标分割问题．     

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。     

活动轮廓模型综述

基于活动轮廓模型的目标分割、物体跟踪方法是近十几年来图像和视频领域研究的热点,它可以将待处理问题的先验知识与各种图像处理算法有效地融合在一起,比以往的计算机视觉理论有更强的实用性.本文结合图像分割方法从指导思想和所用的数学方法两方面对活动轮廓模型特别是几何活动轮廓模型中基于水平集方法的C-V方法做了一定综述.     

基于形态学梯度重建的分水岭分割

提出一种基于形态学梯度重建的分水岭图像分割方法。该方法存形态学梯度图像的基础上，利用形态学开闭重建运算对梯度图像进行重建，在保留重要区域轮廓的同时去除了细节和噪声。避免了标准分水岭仔在的过分割现象及传统形态学开闭运算先平滑原始图像．后进行分水岭变换而造成的区域轮廓位置偏移。仿真实验证明．无论从消除过分割还是区域轮廓定位等性能方面，该方法均具有较好的分割效果。整个分割过程无需进行分割后的区域合并处理，降低了分割的复杂性；且分割过程只需选择合活的结构元素大小，增强了算法的灵活性。     

一种基于纹理特征的遥感影像分水岭分割算法

针对分水岭分割的过分割问题,提出了一种基于纹理特征的高分辨率遥感影像分水岭分割算法。该算法对基于灰度共生矩阵不同特征值得到的纹理影像分别进行降水分水岭变换,进而将两个分割结果进行叠加,最后采用一种新颖的结合纹理特征的区域合并方法完成影像分割。实验表明,文中算法能够准确定位对象的边缘,有效克服过分割及欠分割现象,具有更高的分割精度与稳定性。     

基于改进分水岭算法的多目标车辆的跟踪研究

近年来,由于车辆数量的激增,道路事故也频频发生,这就要对事故易发路段进行监控,并对车辆进行跟踪。针对目标的跟踪,提出了利用改进的分水岭方法与数据关联方法相结合实现多目标车辆准确跟踪,在检测车辆时利用分水岭算法可以有效地进行图像分割并准确的检测出运行车辆;跟踪时利用运动目标轮廓采用链表法记录多运动目标之间的数据关联,并跟据质心特征进行跟踪。实验表明该方法能有效地对目标进行了检测并提高了跟踪的准确率。