基于边缘检测与分裂合并的图像分割算法

针对传统分裂合并算法容易产生方块效应与过分割的缺点,提出了一种结合边缘检测和分裂合并的图像分割算法.该算法直接利用图像的边缘信息进行分裂,不断将图像分裂为一些不规则形状的一致性区域,然后根据一定规则将相似的区域合并.实验表明,该算法能大幅减少分裂次数,并有效克服方块效应和过分割等缺点,图像分割效果较好.     

基于PCNN的改进Split-merge图像分割

为了更好地分割图像,对传统Split-merge算法作出改进:PCNN先进行分裂,用一种简化的Mumford-Shah模型进行合并,使得分裂阶段不仅无效分割减少,而且无方块效应,对边缘定位准确;合并阶段能够理想地将分裂后的区域合并为感兴趣的前景与不感兴趣的背景,误合并与欠合并大幅减小.对Papav, Monkey, Twoman图像的仿真表明,其分割结果和运行时间均优于AMS,MBMS算法.仿真结果证明,本文算法是一种适用于图像分割的有效算法.     

改进Split-Merge分割用于蝗虫图像

为了更好地分割蝗虫图像,对传统Split-Merge算法做出改进：用PCNN来进行分裂,采用一种简化的Mumford-Shah模型进行合并。该方法的优点是：分裂阶段不仅无效分割数目减少,而且无方块效应,对边缘定位准确;合并阶段能够理想地将分裂后的区域合并为感兴趣的前景与不感兴趣的背景,误合并与欠合并大幅减小。实验对成虫与幼虫图像均进行分割。综合比较,该算法性能较优。     

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。     

未知环境中机器人可行区域的认知研究

针对未知环境中无人车对可行区域的认知,提出了一种结合分水岭算法、边缘提取、区域合并等思想的图像分割方法.利用图像的灰度信息进行分水岭变化后,将图像过分割成多个小区域;再根据边缘信息所在位置对这些小区域进行初步区域合并.最后利用区域邻接图和图像的色调、亮度、灰度等信息描述剩余区域间的关系,将2个相邻区域的色调和灰度差值关系作为权值函数,根据亮度信息寻找阈值.实验结果表明:该方法有效提高了区域合并的准确性,成功分割出可行区域,为无人车的自主行驶提供了有力的保障.     

基于图像区域信息与边界的分割方法研究

图像分割是图像研究中的关键步骤,其对相关工程技术领域有着重要的作用。由于图片具有一定的区域信息和边界信息,我们讨论了图像的区域分裂合并算法和边界跟踪算法。并提出了一种结合边缘与区域信息的变分水平集分割方法,通过对DRLSE(距离正则化水平集)模型的能量函数进行改进,引进了CV模型的外部能量项,实验结果表明,新模型继承了两种提取方法的优势,能够正确、快速、鲁棒的分割出目标区域。     

一种基于遗传算法的图像区域合并分裂方法

在分析图像的区域分裂合并分割法与自适应遗传算法特点的基础上,提出了将自适应遗传算法应用于图像分割的思路与方法,论证了该方法的可行性,并给出了具体的算法流程。     

基于MSP-ROA边缘检测和区域合并的图像组合分割方法

提出一种基于MSP-ROA边缘检测和区域合并的图像组合分割算法，算法中对边缘检测的结果做种子生长、标注和区域填充，并根据相似性准则对填充的初始分割结果进行相邻区域的合并处理，最终得到同质性和连通性都较好的图像分割结果。     

区域分裂合并法在图像分割中的应用

图像分割是信息处理、模式识别和人工智能等多个领域中的重要课题,也是计算机视觉技术中的关键步骤,本文介绍了区域分割中的区域分裂合并法,并用VC++6.0实现整个分割过程。     

利用三维自适应分裂-合并的MRI图像分割算法设计

为了在医学图像分割中,发现均匀几何三维区域的复杂形状,以提高分割准确率,提出一种基于3D几何特征分裂-合并(ASM)的脑部MRI图像分割算法;首先构建简单平行六面体的12种3D区域分割策略,体积分割技术将整个体积划分为许多大的均匀三维几何区;然后,在体积内定义更多小的均匀区域,以便在随后的合并步骤中有更大的生存概率;最后,进行多级区域合并,合并阶段只涉及复杂ASM树的叶子,考虑灰度相似性和共同边界区的大小,将小的区域合并为大邻近区;相比其他几种MRI图像分割算法,提出的方法在分割过程对噪声具有鲁棒性,提高了分割性能和准确率;另外提出的方法不需要训练数据集。     

一种两阶段区域生长的遥感图像分割算法

提高图像分割算法的精度与速度对遥感影像的解译工作具有重要意义。提出了一种基于区域生长的遥感图像分割算法,包括的两个步骤分别是局部最优合并和全局最优合并。第一步注重提高图像分割的速度,在其具体实现中引入了一个局部最优合并的阈值,以减少错误的合并;第二步侧重提高图像分割的精度,在其实现过程中利用了一种高级数据结构红黑树来提高搜索最优合并区域的速度。最后,利用模拟的遥感影像和Orbview\|3高分辨率影像开展了图像分割实验。利用一种监督的图像分割精度评价方法,定量评价了该方法的性能。实验结果表明:该方法在分割精度和分割速度方面都取得了令人满意的效果。     

基于改进快速分水岭变换的图像区域融合

提出一种改进的快速分水岭变换算法,可在只增加很小算法复杂度的情况下获得梯度图像的多尺度信息;进而构造了一个新的区域相似性函数,该函数综合考虑了灰度差异、边界强度、融合进度、边界复杂度、纹理信息等多方面因素,并将改进分水岭变换中获得的多尺度信息用作评价边界强度的指标．实验证明,该算法有很好的鲁棒性和适应性．     

基于组件树滤波及快速区域合并的分水岭分割算法

针对分水岭算法存在过分割的问题,提出一种结合组件树滤波及快速区域合并的图像分割算法。该算法在图像预处理阶段利用组件树来表示梯度图像且根据顺序极值计算分水岭的相对势能和属性,并对其进行滤波,从而减少梯度图像中的局部极小值。对滤波后的梯度图像进行分水岭初始分割,然后利用完美场景准则对初始分割结果进行快速区域合并。实验结果表明,采用组件树对梯度图像进行滤波能够减少由于噪声而产生的局部极小值,大大减少了分水岭初始分割区域数量,提高了区域合并的准确性,加快了合并速度。     

结合近邻传播聚类的自适应图像分割

提出一种统一的图像自动分割模型。为了将图像分为颜色、纹理相近的不同的区域,提出了一个处理方法,具体分为两个步骤:首先,用改进的简单线性迭代聚类算法对输入图像进行预处理,即过分割;然后,用其低阶颜色矩表示这些区域的特征,并进一步利用近邻传播聚类算法将这些区域进行合并。在公开的数据集上进行了详细的实验,结果证明了所提算法的有效性和健壮性。     

基于共有边界长度的改进分水岭算法

文章提出了一种新的改进分水岭算法,以克服传统的分水岭算法造成的图像过分割问题。改进的算法在传统的分水岭算法分割结果的基础上,按照面积由小到大的顺序,循环合并分割产生的区域。合并过程中,首先提出了一种新的邻域系统,用于计算需要合并的区域与相邻区域的共有边界长度,然后根据边界的长度确定与其最相似的区域,进而合并这两个区域,最后采用后处理算法来进一步细化区域合并后的分割结果。实验结果显示,该算法能很好地解决过分割的问题,使分割结果具有更准确的语义信息。     

基于云模型的图像区域分割方法

基于区域的图像分割方法由于其高效、稳健的特点成为自动或半自动图像分割方法的研究热点之一。针对区域分割方法中存在的不确定性问题,提出了一种基于云模型的区域分割方法。首先以云变换为基础确定了区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程,最后以云综合算法为基础将相邻区域进行合并,实现了基于区域的不确定性图像分割。两组图像分割实验表明该方法可以准确地分割出目标,并优于传统的图像分割算法。     

基于改进型Potts模型的图像分割

在分析Opera等人提出的能量更新算法的基础上,该文提出了改进算法。对图像预分割,将对像素的处理转换为对像素团的处理,从而加快了聚类的过程。改进了算法的采样方法,用Metropolis采样替代Gibbs采样。在成功分割静态图像的基础上,实现对视频图像序列的分割。实验结果表明该算法比原算法有更佳的分割效果,而且收敛速度比原算法快30-40倍。     

基于特征聚类的大视差图像拼接算法

针对大视差图像拼接过程中出现的错位、重影等问题,提出一种基于特征聚类的图像拼接算法.首先,以已匹配的特征点分布为依据在目标图像重叠区域构造泰森多边形.然后使用改进的AG-N ES层次聚类算法对特征点聚类,合并对应组内特征点所代表的泰森多边形,得到目标图像重叠区域的各个子平面.最后,求解对应子平面的单应性矩阵,并采取就近...     

结合聚类与改进分水岭算法的彩色图像分割

针对传统分水岭算法产生严重的过分割问题,提出了一种聚类和改进分水岭算法结合的彩色图像分割算法.该算法首先利用聚类算法在HSV颜色空间将特征相似的像素归为一类,然后对分水岭算法产生的分割区域进行种子区域生长,并利用区域合并将剩余的小区域进行合并,从而完成了对彩色图像的分割.实验证明该算法减少了分水岭算法的过分割现象,提高...     

区域分割或连通分量标记分裂-合并法的一种实现

基于图像块的分裂—合并法是一种高效的区域分割算法 ,提出了该算法的一种实现方案 ,重点讨论了灰度均匀性度量、灰度相似性度量、块合并的种子算法、小区域的处理等问题 .对比试验表明该方法效率高 ,效果好