克服Watershed算法过度分割的方法

Watershed算法是一种形态学的图像分割算法，但由于其对噪声十分敏感，分割结果往往存在过度分割的现象。该文提出一种基于小波分析的Watershed算法，充分利用小波的多分辨率特性有效地解决了Watershed算法的过度分割问题，并大大提高了分割计算速度。     

流域变换算法中过度分割的平滑解决方法

流域变换是数学形态学中用于图像分割的经典方法,应用十分广泛,但其过度分割问题一直未得到很好的解决。本文首先介绍了流域变换算法的思想,以及引起过渡分割的原因;然后,提出一种解决过度分割问题的快速方法--平滑算子,并通过理论手段证明了该方法的有效性。实验结果表明,该方法是解决流域分割中过渡分割问题的有效方法法。     

交互式流域算法在医学图像分割中的应用

本文首先介绍了流域算法的基本思想、基本原理以及流域变换过程中所存在的问题,回顾了为加快流域变换的计算而进行的大量研究工作,然后利用区域信息、结合交互式流域变换分割医学图像,实验结果表明该方法能有效地解决流域变换中的过度分割问题。     

交互式流域算法在医学图像分割中的应用

图像分割是图像处理中的主要问题,而医学图像领域是图像分割的一个重要的应用领域,医学图像具有复杂性,因而医学图像分割一直是图像处理中的一个研究热点和难点,对于一般的图像分割方法很难得到满意的结果.首先介绍了流域算法的基本思想、基本步骤以及流域变换过程中所存在的过度分割问题,然后利用区域中的面积信息和平均灰度信息、结合交互式流域变换,用户有效地选择感兴趣区域分割医学图像,实验结果表明采用该方法分割区域个数明显减少,能有效地解决流域变换中的过度分割问题.     

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。     

基于分水岭算法的虹膜区域分割

在论文中使用了分水岭分割算法与区域合并相结合的方法,有效地对虹膜图像进行分割,并减少过度分割现象。首先对原图像做平滑处理,使用sobel梯度算子得到原图像的梯度图,然后使用分水岭算法对梯度图进行区域分割,最后将分割图像的过度分割部分进行区域合并。实验证明这种方法可以应用于分割带有噪声的图像,也能够减少过度分割现象。仿真结果表明,把这种方法用于虹膜区域分割中,可以得到精确的、封闭的虹膜边缘。     

基于分水岭算法的虹膜区域分割

在论文中使用了分水岭分割算法与区域合并相结合的方法,有效地对虹膜图像进行分割,并减少过度分割现象.首先对原图像做平滑处理,使用sobel梯度算子得到原图像的梯度图,然后使用分水岭算法对梯度图进行区域分割,最后将分割图像的过度分割部分进行区域合并.实验证明这种方法可以应用于分割带有噪声的图像,也能够减少过度分割现象.仿真结果表明,把这种方法用于虹膜区域分割中,可以得到精确的、封闭的虹膜边缘.     

一种基于规则的脑组织磁共振图像分割新方法

本文将小波算法、分水岭算法及基于区域的模糊C均值算法相结合，提出了一种基于规则的二次分割方法实现对脑组织磁共振图像的分割。首先，采用一种基于小波的滤波嚣去除图像中的噪声；然后采用分水岭算法实现对图像的初始分割。为克服分水岭算法的过度分割问题，本文提出了基于区域的模糊C均值（RFCM）聚类算法实现对过度分割区域的合并。尽管分水岭算法存在过度分割现象，仍有一些区域分割得并不完全，尤其是在脑脊液与灰质，或灰质与白质的过渡区域。为此，本文提出一种局部区域连续性与全局信息相结合的基于规则的多阈值分割方法，对分水岭算法初始分割不完全的区域再次分割。通过对大量模拟数据和真实数据分割的实验证明了此方法的准确性和可靠性。     

基于空间相关性的图像分割算法研究

提出一种充分利用图像的空间相关性来达到高效快速地进行图像分割的新方法。利用均值漂移算法对图像进行分割形成过度分割的区域,并使这些区域保持理想的边缘和空间相关部分,用图结构表示的区域相邻图来代替分割的区域。和K-均值算法的思想一样,迭代循环置信传播算法以其具有收敛速度快的特点被用于最小化开销函数、整合过度分割的区域和获得最终的分割结果。基于分割区域而不是图像像素的图像聚类分割方法可降低噪声敏感性,同时提高图像分割质量。与FCM和MRF算法相比较,该算法在复杂场景图像中显示了更好的分割性能。     

一种基于小波和分水岭变换的图像分割方法

提出了一种新的基于小波变换和分水岭变换的多尺度图像分割方法.新方法不仅减少了计算时间,且对于含有噪声的图像具有较好的鲁棒性,有效解决了Watershed算法的过度分割问题.     

基于小波变换的多分辨率图像分割

基于多分辨率分析的图像分割技术是当前图像处理的重要内容。该文介绍了基于小波变换的多分辨率图像分析和分水岭分割算法的综合分割方法。小波变换的多分辨率应用可以有效地减少分水岭算法图像过分割现象;给出了低分辨率下的分割图像到高分辨率图像层上的映射策略,完成了图像从粗糙到精细分割,从而保证了分割准确性,降低了分割的复杂性和计算量。分析了形态学滤波器降低图像噪声和保护图像中对象边界的处理方法,进一步减少了图像过分割的现象,提高了图像分割效果。经实验证明该方法的有效性。     

Eikonal-based region growing for efficient clustering

We describe an Eikonal-based algorithm for computing dense oversegmentation of an image, often called superpixels. This oversegmentation respects local image boundaries while limiting undersegmentation. The proposed algorithm relies on a region growing scheme, where the potential map used is not fixed and evolves during the diffusion. Refinement steps are also proposed to enhance at low cost the first oversegmentation. Quantitative comparisons on the Berkeley dataset show good performance on traditional metrics over current state-of-the art superpixel methods.     

Watershed segmentation using prior shape and appearance knowledge

Watershed transformation is a common technique for image segmentation. However, its use for automatic medical image segmentation has been limited particularly due to oversegmentation and sensitivity to noise. Employing prior shape knowledge has demonstrated robust improvements to medical image segmentation algorithms. We propose a novel method for enhancing watershed segmentation by utilizing prior shape and appearance knowledge. Our method iteratively aligns a shape histogram with the result of an improved k-means clustering algorithm of the watershed segments. Quantitative validation of magnetic resonance imaging segmentation results supports the robust nature of our method.     

Off-line general handwritten word recognition using an approximateBEAM matching algorithm

A recognition system for general isolated off-line handwritten words using an approximate segment-string matching algorithm is described. The fundamental paradigm employed is a character-based segment-then-recognize/match strategy. An additional user supplied contextual information in the form of a lexicon guides a graph search to estimate the most likely word image identity. This system is designed to operate robustly in the presence of document noise, poor handwriting, and lexicon errors. A pre-processing step is initially applied to the image to remove noise artifacts and normalize the handwriting. An oversegmentation approach is used to improve the likelihood of capturing the individual characters embedded in the word. A directed graph is constructed that contains many possible interpretations of the word image, many implausible. The most likely graph path and associated confidence is computed for each lexicon word to produce a final lexicon ranking. Experiments highlighting the characteristics of this algorithm are given     

融合T节点线索的图像物体分割

目的 图像分割是计算机视觉、数字图像处理等应用领域首要解决的关键问题。针对现有的单幅图像物体分割算法广泛存在的过分割和过合并现象,提出基于图像T型节点线索的图像物体分割算法。方法 首先,利用L0梯度最小化方法平滑目标图像,剔除细小纹理的干扰;其次,基于Graph-based分割算法对平滑后图像进行适度分割,得到粗糙分割结果;最后,借助于图像中广泛存在的T型节点线索对初始分割块进行区域合并得到最终优化分割结果。结果 将本文算法分别与Grabcut算法及Graph-based算法在不同场景类型下进行了实验与对比。实验结果显示,Grabcut算法需要人工定位边界且一次只能分割单个物体,Graph-based算法综合类内相似度和类间差异性,可以有效保持图像边界,但无法有效控制分割块数量,且分割结果对阈值参数过分依赖,极易导致过分割和过合并现象。本文方法在降低过分割和过合并现象、边界定位精确性和分割准确率方面获得明显改进,几组不同类型的图片分割准确率平均值达到91.16%,明显由于其他算法。处理图像尺寸800×600像素的图像平均耗时3.5 s,较之其他算法略有增加。结论 与各种算法对比结果表明,该算法可有效解决过分割和过合并问题,对比实验结果验证了该方法的有效性,能够取得具有一定语义的图像物体分割结果。     

TurboPixels: Fast Superpixels Using Geometric Flows

We describe a geometric-flow-based algorithm for computing a dense oversegmentation of an image, often referred to as superpixels. It produces segments that, on one hand, respect local image boundaries, while, on the other hand, limiting undersegmentation through a compactness constraint. It is very fast, with complexity that is approximately linear in image size, and can be applied to megapixel sized images with high superpixel densities in a matter of minutes. We show qualitative demonstrations of high-quality results on several complex images. The Berkeley database is used to quantitatively compare its performance to a number of oversegmentation algorithms, showing that it yields less undersegmentation than algorithms that lack a compactness constraint while offering a significant speedup over N-cuts, which does enforce compactness.     

基于3D直方图的彩色图象分割方法

以阈值分割技术为基础，提出了基于3D直方图的生长法和尺度空间聚类方法。分别利用3D空间中同一类目标像素频度的连通性的尺度空间聚类原理，简单而有效地解决了多维阈值分割带来的过度分割问题。该方法对不同类型图象具有很好的适应性，并已成功应用于医学彩色图象处理领域。     

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。     

Segmentation and labeling of face images for electronic documents

Face image segmentation and labeling is required in several quality tests which a face image has to pass in order to be included into an electronic ID document. The complexity of such a problem depends on the complexity of the scene, but in general there are no restrictions to the scene. The procedure that we have developed segments a face image into five regions: skin, hair, shoulders, background and padding frame. The presented method consists of two main steps: oversegmentation and labeling. In the first step, the image is segmented into homogeneous regions, whereas in the second step, the labeling of the homogeneous regions is performed. In the course of our research we experimented with several methods for the two described steps, and in this paper we present a setup in which the oversegmentation is performed using the mean-shift segmentation, and labeling is performed using the AdaBoost classification algorithm. Such setup has produced the best results in our experiments which we also present herein.