基于形态学梯度重构和标记提取的分水岭图像分割

为了解决传统分水岭算法的过分割问题,提出一种使用形态学梯度重构和标记提取技术进行图像预处理的分水岭图像分割方法。该方法基于多尺度概念,进行梯度重构时采用了不同尺寸的结构元素,在对重构后的各梯度图像的区域极小值进行标记后,将各标记点的并集作为最终标记图像,用其修改梯度图像,然后进行分水岭变换,实现图像的区域分割。实验结果表明,该方法既能有效解决分水岭算法的过分割问题,又保留了各尺度下的重要目标,并且可以根据图像特点和具体的分割要求,调整分割过程中所选参数,得到满意的图像分割效果。     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

修改标记符梯度图像的分水岭变换

针对传统分水岭算法中存在的过分割现象,提出了一种修改标记符梯度图像的分水岭分割方法。该算法首先利用阈值分割法对图像中感兴趣的目标和背景进行标记;然后根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正;最后,使用分水岭算法对修正的梯度图像进行分割。实验结果表明,该算法能有效地抑制过分割问题,并且使用标记符会为分割问题带来先验知识,这为人们解决模式识别等更高级的工作提供了一种有效方法。     

一种基于标记的分水岭图像分割新算法

为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。利用本文提出的图像分割算法可以获得较为理想的图像分割结果。通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低分水岭算法的过分割问题。     

改进的利用门限的分水岭图像分割算法

分水岭变换的一些优秀的性质使它在许多不同的图像分割应用中非常常用:它简单并且具有直观性,可以并行实现,并且总是产生完整的图像轮廓.然而,它仍然有许多缺点(过度分割,对噪声敏感,难于检查出细结构物体或者低信噪比的结构).本文提出一种改进的使用门限的分水岭算法来在不同程度上克服分水岭的这些缺陷.我们把该算法应用在三类图片上,一种具有复杂结构,一种具有低对比度,一种有低的信噪比.本文展示了该算法的分割结果,展示了该算法在这几类图片上出色表现.     

双边滤波和标记分水岭的CT心脏图像分割

由于心脏舒张、收缩以及血液的流动,CT心脏图像易出现弱边界、伪影,传统分水岭算法易产生过分割,为此,提出一种双边滤波和标记分水岭相融合的CT心脏图像分割方法（BF-WS）。采用双边滤波算法对心脏图像进行平滑滤波,并采用形态学对图像进行重构,以消除图像噪声,保留边缘信息,采用改进Otsu算法提取CT心脏图像的内、外标记,并采用分水岭分割算法实现CT心脏图像分割,采用临床CT心脏图像在Matlab平台进行性能测试。结果表明,BF-WS提高了CT心脏图像分割准确率,与专家分割结果十分接近,较好地解决了传统分水岭算法过分割难题,可以为临床医学诊断提供重要依据。     

结合进化规划的图像分水岭分割技术

为了解决分水岭算法的过分割问题,提出用一种结合进化规划的控制标记符提取技术对图像进行预处理的分水岭图像分割方法。该方法基于进化规划的生灭过程,对传统分水岭分割中的图像目标区域进行重新标记,根据新标记的区域特点,重新设置图像目标区域的控制标记符。然后通过分水岭变换,实现图像的区域分割。实验结果表明,该方法既能有效解决分水岭算法的过分割问题,又保留了各种重要的目标区域,可以得到较满意的图像分割结果。     

基于改进标记的高分辨率遥感图像分水岭分割方法

扩展最小变换是标记分水岭变换中常见的标记提取方法,但实验证明,基于该方法的图像分割结果在地物边缘处仍会存在破碎多边形。本文采用一种新的标记提取方法,首先利用高斯低通滤波器对梯度图像进行平滑,然后在梯度图像的低频成分中利用扩展最小变换提取标记,最后利用二值标记图像对原始梯度图像进行梯度重建,分水岭变换在重建后的梯度上进行。实验证明,该方法可以有效地去除地物边缘处的破碎多边形。     

基于偏微分方程和分水岭算法的图像分割

提出一种基于偏微分方程构造、具有良好分水岭结构梯度幅值图像来改进分割性能的方法,首先,对原始图像进行边界检测,得到梯度幅值图像,利用1维梯度向量流偏微分方程对梯度幅值图像作用、扩散边界信息和去除噪音,使其具有良好的分水岭结构,然后检测梯度图像的局部最小值点,通过形态学膨胀运算自动合并相近的局部最小值点,使图像更有利于分水岭算法的分割,最后用分水岭算法分割处理后的图像,实验结果表明,该方法降低分水岭算法的过分割现象,为后续处理提供较为可靠的基础.     

基于改进分水岭算法的图像分割

为了改善经典分水岭算法的过分割问题,该文将图像中的噪声视为过分割的直接因素,针对人脑核磁共振图像提出了一种基于预处理的改进算法。首先应用数学形态学的开闭运算对图像进行滤波,再求取其梯度,然后依据内外标记对梯度图像进行修正,最后在修正后的梯度图像上实施分水岭变换。实验结果表明,该方法和传统分水岭算法相比较,能有效地抑制过分割。     

基于分水岭算法的作物病害叶片图像分割方法

为了提高作物病害叶片图像分割的准确性,采用了一种改进的基于标记的分水岭图像分割算法。首先,通过对二值图像进行距离变换和分水岭分割来获取背景标记,并通过提取数学形态学重建后的梯度图像中的区域极小值得到初步的前景标记,接着对前景标记进行进一步过滤,消除部分伪前景标记;然后,通过强制极小值方法将背景标记和前景标记叠加在梯度图像上;最后,对修改后的梯度图像进行分水岭变换。采用该方法对多幅黄瓜病害叶片进行图像分割,实验结果表明:该方法能够较好地将病斑部分分割出来,分割结果不受叶片纹理的干扰,平均分割正确率能够达到90%以上,具有一定的有效性和实用价值。     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

基于分水岭算法的MELK图像分割*

提出一种基于分水岭算法的MELK图像分割方法,以解决信息量较小的MELK图像分割问题。综合应用多种技术以避免分水岭算法的过分割问题。首先应用高斯低通滤波器对MELK图像进行增强;采用加权差分算子求取梯度图像;应用Ostu方法进行对梯度阈值化,并进行分水岭变换;最后,应用RAG区域合并方法完成MELK图像分割。实验结果表明,该分割方法能够有效地分割信息量较小的MELK图像。     

血液红细胞图像自适应标记分水岭分割算法

目的 显微细胞的精确分割是计算机辅助诊断的前提和关键,为精确分割含有粘连重叠红细胞及病变红细胞的彩色显微图像,基于HSI模型,提出了一种自适应标记分水岭分割算法。方法 首先结合红细胞无核特点提取反光细胞的中心,从图像的S与I分量的梯度图中提取图像前景低频成分的局部极值点,两部分相结合作为初始标记,标记细胞前景;然后根据标记特点去除伪标记点,以确保所有粘连细胞的重叠区域不被标记;接着采用主成分分析从S与I分量梯度图中提取梯度信息重构梯度图,最后结合背景标记,应用标记分水岭变换实现分割。结果 选取美国社会血液学数据库中含病变和粘连的红细胞图像进行分割实验,采用平均欠分割率、平均过分割率、平均准确率3个指标对分割结果进行评价。本文算法的欠分割率为2.23%,过分割率为1.67%,均明显低于文献中两种现有分水岭算法;分割精度高达96.10%,准确度高;平均运行时间6.06 s,可保证一定的时效性。结论 提出了一种对病变粘连红细胞彩色图像的分割算法,利用饱和度与亮度信息,自适应地标记出前景细胞,提高了分割精度;采用主成分分析法,更好地保留了重叠细胞的原有边界。算法具有较好的鲁棒性,可广泛用于包括血液红细胞在内的含有类圆形的重叠、粘连细胞的显微染色图像的分割。     

一种改进的分水岭图像分割算法

分水岭算法在医学图像分割中有着广泛的应用。针对传统分水岭分割算法对噪声敏感和严重的过分割问题．本文提出了一种基于数学形态学的改进的分水岭图像分割算法。通过前期的预处理和汇水盆地的选取，有效地抑制了过分割现象。实验表明，该算法能够对血细胞图像进行快速、准确的分割，边缘定位精确，并且能够较好的克服噪声对图像的影响。     

基于改进分水岭算法的VCH-F1图像分割

针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点,提出了一种能够有效消除局部极小值和噪声干扰的分割方法。首先比较并选取彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的;然后提出基于多阈值分割的方法消除无效梯度信息;最后介绍了算法的步骤及结果。实验结果证明,基于该方法处理梯度图像进行分水岭算法处理可以得到准确的分割结果。     

改进多尺度分水岭算法在医学图像分割中的应用研究

针对分水岭算法存在的过分割问题以及医学图像的特点,提出了一种能够有效增强梯度图像边缘点并且消除局部极小值的方法。 首先采用多尺度滤波法提取图像的边缘信息,然后提出了基于图像边缘滤波消除局部极小值的方法,最后介绍了算法的步骤及结果。实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,即使不进行区域合并也能达到很好的效果。     

分水岭算法与其他方法融合的粘连虫卵图像分割

在分水岭算法基础上融合多种方法,试图找出适合粘连虫卵图像的有效分割方法。通过对比实验发现,最小误差阈值法、极小值合并、分水岭等多种方法的融合能够准确地将粘连虫卵图像分离,取得很好的效果。     

阈值标记的分水岭彩色图像分割

目的 针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法 该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果 在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论 该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。     

一种顺序无关的改进分水岭图像分割算法

为了减少顺序无关分水岭算法中的脊线标记RIDGE的数量,引入像素的湖最小值作为附加地形特征来消除不确定性。同时为了解决分水岭算法的过分割问题,引入落差来控制分割区域的形成过程。实验结果表明,改进算法在增加有限计算复杂度的情况下,将RIDGE标记数量减少了约80%,改善了原顺序无关算法中不确定像素过多的问题,将分割结果区域的数量减少了5%~20%,并且算法保持了顺序无关的特性。