基于边缘检测的多文本页图像分割方法

图像分割是图像处理中最困难的问题之一.针对光学字符识别(optical character recognition,OCR)系统的要求,提出了一种基于边缘检测的多文本页图像分割方法.先检测出由图像中边缘点构成的边缘直线,然后寻找出图像中每个文本页的4条边缘直线所构成的边界矩形,从而可将每个文本页准确分割出来.实验表明,该方法具有较快的速度和很高的正确率,是一种有效的方法.     

一种新颖的基于边缘检测的图像分割方法

针对家庭数字照片的特点以及应用范围，提出了带有衰减因子的Robert微分算子与动态的自适应阈值相结合的边缘检测方法，并利用了边缘检测后边缘点的方向信息，作为Hough变换的方向角，可以较快提取出边缘线段，从而通过边缘跟踪获得无噪声点的相似区域，这为进一步提取图像的颜色特征或形状特征提供了良好的基础。     

一种基于零交叉的图像边缘检测的改进方法

理论上，边缘像素应该是二阶梯度图像产生零交叉时的位置对应的像素，但对于斜坡边缘这一类灰度变化非常缓慢的情形，单纯的零交叉方法并不能得到合适的边缘。为解决这类问题，在高斯拉普拉斯边缘检测算子的基础上，结合了梯度图像二值化，边界跟踪和细化技术，从而得到了具有较高定位精度的单像素宽的边缘图像。     

一种基于纹理的图像分割方法

提出了一种基于多进制小波变换的纹理特征提取方法，通过对小波系数的标准差作为纹理测度以生成特征向量，利用模糊c-均值聚类算法进行纹理分割，获得了较好实验结果。     

基于边缘检测的图像分割技术浅析

图像分割是图像处理技术中的难点之一,多年来一直受到广大研究者的深入探讨。新的分割算法层出不穷,但是目前提出的算法,几乎都是针对具体的分割对象,而没有一种可以适用于所有情况的分割方法。边缘检测技术是图象处理中重要的一个关键步骤,本文将阐述基于边缘检测的图像分割技术背景,边缘检测的相关技术,同时对图像分割技术的发展进行展望。     

一种基于边缘检测的局部阀值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法，该方法将整睛灰度图像分成小块，在每个小块中利用梯度算子对小块中的边界点进行检测，寻找出小块内的所有边界点，然后沿着这些边界点的梯度方向找出最临近的点，以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割，该算法计算复杂度较低，避开了灰度直方图阈值分割方法中“谷底”难以确定的问题，同时照顾到了图像的局部灰度特性。     

基于边缘检测算法的图像分割技术研究

基于边缘检测算法的图像分割技术是图像分析基础算法之一,在讨论边缘检测算法基本原理的基础上,在Matlab中实现了边缘检测算法,并对Sobel算子、Prewitt算子和Roberts算子在边缘检测中的效果进行了对比分析。     

一种基于边缘提取的交互式图像分割算法

提出了基于边缘提取的交互式图像分割算法,该算法将图像映射为无向图,使用拉普拉斯零交叉点、边缘强度和动态轨迹长度构造能量模型,并为无向图中的边赋予能量代价.根据能量代价,引入角点信息,在交互得到的控制点间搜索最优路径,迭代此过程,实现分割.实验结果表明,该算法具有较高的精度和效率,能较好地克服噪声影响,适用于灰度及彩色图像.     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

基于数学形态学的边缘检测和图像分割方法

本文提出利用数学形态学对图像进行边缘检测和图像分割，与传统的方法相比较，该方法不仅可滤除图像中的噪声，而且通过改变结构元的大小、方位、形态能够将不同的目标图像提取出来。     

显微细胞图像的自动分割

由于细胞组织本身的复杂特性以及显微镜的影响,细胞图像的分割成为图像分割中的一大难题,考虑到边缘检测可以准确的为分割提供边缘点,提出了基于区域一致性测度的边缘检测算法,针对细胞图像的特点,实现其初始轮廓的自动获取,运用活动轮廓模型对初始轮廓进行优化,从而达到在大样本条件下直接对彩色细胞图像自动分割的目的。     

图像阈值分割方法的比较与分析

本文在介绍了三种具有代表性的图像阈值分割法的基础上,通过对它们的性能进行分析比较,给出了 这三种阈值分割法的适用范围。最后,针对三种分割法的不足,提出了一种基于边缘检测与局部直方 图的图像分割算法。     

一种基于分水线和先验知识的集成电路图像分割方法

在Watershed的分割图像基础上,使用贝叶斯理论的图像分割方法。首先对原始图像进行Watershed变换,然后在变换后的标注图像上进行能量的计算,通过选择最小能量的目标依次找出最理想的目标区域。设计一个先验密度来惩罚图像当中Watershed变换后相似的区域,图像分割进而变成对目标子集的最大后验估计。这样就可以逐步找出最理想目标区域和背景区域。实验结果证明,该方法有较好的分割结果。     

微电子封装中基板图像的分割*

在分析了基板图像特征的基础上,提出了一种快速的基板图像分割方法。通过在图像中添加虚拟栅格,直接获得子图像轮廓跟踪的起点,从而简化了分割的步骤、减少了处理对象的数量、提高了分割的速度。实验结果表明,与一般的图像分割方法相比,该方法具有占用内存少、计算速度快的特点。     

一种改进的期望最大图像分割方法

期望最大算法是进行极大似然估计的一种有效方法,它主要用于观测数据不完全或者似然函数不是解析时的参数估计。文中提出了一种期望最大化和贝叶斯信息准则相结合的图像分割方法。首先,运用K均值方法初始化图像分布;然后,运用期望最大算法估计输入图像参数数据,图像中类的数目由贝叶斯消息准则自动确定;最后,运用最大似然标准将像素归类于最相近的类中。实验中将此方法用于对葡萄叶部病害彩色图像的分割,其结果表明此方法有效。     

一种基于区域分割的图像融合方法

提出了一种基于区域分割的图像融合方法.首先,通过对原图像进行小波分解得到其近似子图和细节子图,对细节子图运用分水岭分割法获得每一层的分割子图用于引导融合过程.然后在分割区域中对原图像小波系数的活动水平及匹配度进行度量,并在组合细节子图系数和近似子图系数的过程中分别采用最大值法则和加权平均法则.最后,通过逆小波变换得到最...     

活动轮廓模型在医学图像分割中的应用及发展

图像分割是医学三维重建、医学可视化等的基础,对疾病的诊断和治疗有着重要的临床意义,目前,用于医学图像分割的算法很多,而活动轮廓模型（Active Contour Model）的提出则是这个领域的一个重大突破。介绍活动轮廓模型从参数活动轮廓模型到几何活动轮廓模型的发展过程及发展现状,提出活动轮廓模型的研究和发展方向。     

基于边缘分割的多光谱图像融合方法

对于高分辨率的全色图像与低分辨率的多光谱图像,通常采用传统的IHS方法进行融合。这种融合方法能很好地提高低分辨率图像的清晰度,但却容易扭曲原始的光谱特性,产生光谱退化现象。针对这一问题,本文采用高分辨率与多光谱图像的边缘分割信息对I分量进行调制,使新生成的I分量保持原始的光谱特性。通过融合实验结果表明,这种方法比传统的IHS方法有效地改善了融合图像光谱失真的现象。     

一种改进的自然图像分割方法*

提出了一种改进的Mean Shift自然图像分割方法。首先从数据分析的角度出发,由数据本身估计用于聚类的颜色带宽。然后根据上层的视觉任务调整颜色带宽,调整后的颜色带宽可以看作是分割分辨率。根据调整后的颜色带宽,估计每个像素的密度值,并采用直接搜索的方法搜索局部密度极大值点。在局部模式检测之后。通过一个全局标准控制的局部模式融合,就可以将图像分割成最终的结果。在不同的光照条件和复杂的背景下,这个全局标准能达到稳定分割结果和控制最终区域数目的目的。     

活动轮廓模型在医学图像分割中的应用及发展

图像分割是医学三维重建、医学可视化等的基础,对疾病的诊断和治疗有着重要的临床意义,目前,用于医学图像分割的算法很多,而活动轮廓模型(Active Contour Model)的提出则是这个领域的一个重大突破。介绍活动轮廓模型从参数活动轮廓模型到几何活动轮廓模型的发展过程及发展现状,提出活动轮廓模型的研究和发展方向。