基于最小生成树的图像分割

基于最小生成树思想,给出了一种利用改进的最小生成树进行图像分割的方案,减少了最小生成树的构建过程,对初分割的结果利用NNG算法进行合并。该方案节约了分割时间,并且对分割后的图像进行了有效的合并,达到了较好的分割效果。     

基于图论的图像分割算法仿真研究

研究图像分割优化问题.由于图像可以分割为若干个不同的区域,要求分割边缘清晰,速度快.但传统图像分割算法由于计算复杂等原因,造成图像分割分辨率低,清晰度不高,当图像中的信息量非常大时,分割非常耗时等缺陷,提出了图论的图像分割算法.采用图论的图像分割算法是一种全局的分割算法,首先分析图像在不同FRFT域的能量分布特点,通过归一化剩余误差因子p评估和分析FRFT域的能量积聚性和图像所包含的信息,使用最小生成树方法对图像对区域分别进行分割,并最终合并,采用二值化方法对图像进行仿真.结果表明,改进的算法能有效的分割图像,提高了图像分割的速度,是一种有效的新颖的图像分割算法.     

基于自适应局部阈值的彩色图像分割

使用基于图论的最小生成树方法进行图像分割,能够获得全局的分割效果及良好的运行效率,但是图中边的数目太多,而且使用固定阈值合并的最小生成树不能适用于所有彩色图像。本文针对这一问题,结合分水岭方法,先将分水岭变换产生的初始分割区域转变成图论中的顶点和边,再用最小生成树合并,通过分析局部信息变化,得到自适应局部阈值。实验表明,基于自适应局部阈值的最小生成树分割效果比基于全局阈值最小生成树的分割效果要好。     

基于粒子群的图像分割

图像分割是图像处理的关键问题之一,为了能够快速有效地选取最优阈值进行图像分割,引入了粒子群算法（PSO）对阈值分割进行优化,提出基于PSO的最大熵图像分割,基于PSO的最大类间方差图像分割以及基于PSO的最小误差图像分割,并进行了分析和研究,可以得出该三种方法可以准确、快速地获取最优阈值进行图像分割。     

一种改进的基于图论的图像分割方法

由于传统基于图论的图像分割方法是基于像素级别的,随着像素的增多,其应用也受到了限制,因此,提出一种改进的图像分割方法。该图像分割方法利用Dijkstra算法,将图像的像素点聚集形成超像素;应用Kruskal算法,得到最小生成树,确定并删除最小生成树的不一致边,完成图像分割。实验结果表明,改进方法分割的区域内部特征具有较好的均匀性和一致性。     

一种交互式的云模型图像分割方法

论文针对图像分割中存在的不确定性问题,通过研究不确定性人工智能中定性和定量的转换模型—云模型,提出一种新的基于云模型的图像分割方法。该方法采取交互式的方式选择训练样区,利用训练样区中的像素生成云模型,并通过泛概念树生成算法生成泛概念树,最后通过极大判定法判定像素所属类别,实现图像分割。这种方法能较好地描述图像目标的不确定性。通过几组实验,证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。     

结合Ostu阈值法的最小生成树图像分割算法

基于最小生成树的图像分割算法是一种全局最优的算法，然而会出现图像细节的处理不甚理想的问题，即分割结果出现不同程度的过分割和欠分割的现象。针对这一现象，根据图像全局和区域间的最大类间方差（Ostu），将Ostu阈值法与最小生成树（MST）算法相结合，提出了一种基于MST的Ostu阈值法图像分割准则。该图像分割算法是一种MST的优化方法，将区域合并判决条件取决于相互合并的两个区域的Ostu阈值，又考虑到较小的区域包含在较大的目标区域中或者背景区域中，再次使用Ostu阈值进行区域合并。该方法通过实验证明，可以有效地减弱图像的过分割与欠分割比例，减少了误分割率。     

基于Mumford-Shah理论的最小生成树图像分割方法

基于最小生成树的图像分割方法虽然具有较快的分割速度,然而这类方法的结果较为粗糙、冗杂.结合Mumford-Shah理论,提出了一种优化的方法.通过考虑图像中区域间的结合程度以及各区域的几何性质,计算区域间基于结合度的权值并将之加入到最小生成树图像分割方法的区域合并判断公式中,使相互结合较好的区域更易于合并.该方法能够在保留目标区域间较弱边缘的同时,很好地合并目标区域内部结合较好的区域,并得剑简洁平滑的轮廓.     

一种应用遗传算法的彩色图像分割方法

遗传算法在复杂大空间搜索近似最优值有着很好的效果,利用遗传算法的优势,应用其解决图像分割问题.图像分割中,区域间差别度和区域内相似度是评价图像分割的重要因素,用遗传算法优化图像区域间差别和区域内相对相似度,获得高质量的图像分割结果.为了提高算法效率,采用贪心方法进行图像预处理,以及最小生成树初始化来减小算法的规模和搜索空间.实验证明采用遗传算法在图像分割问题可取得有效的结果.     

一种基于图的颜色纹理区域分割方法

针对传统基于图论的图像分割方法在分割纹理图像或有突变边缘的图像时,分割效果不理想的问题,提出了一种新的基于图论的颜色一纹理区域分割方法,该方法采用分块的小波能量直方图与三阶颜色矩组成块特征向量生成图顶点的集合,同时根据块间距离进行加权,计算块间的相似度,作为图的边权值,再利用最小生成树的方法进行图像分割,方法有效地弥补了传统基于图论的分割方法中的两个问题.实验结果表明,该算法具有良好的分割准确性与鲁棒性.     

生成对抗网络在肝脏肿瘤图像分割中的应用综述

由于肝脏肿瘤图像复杂多样且肝脏肿瘤图像数据集获取困难等问题,快速准确地诊断肝脏肿瘤疾病面临着诸多挑战,尤其是肝脏肿瘤的分割是其中的关键研究内容。生成对抗网络在半监督学习领域具有强大的优越性,因此其在医学图像处理中得到广泛应用。为了分析肝脏肿瘤图像在分割领域的现状以及未来发展,针对应用GAN的肝脏肿瘤图像分割方法进行研究,介绍GAN模型的网络结构与衍生模型,重点总结并分析生成对抗网络在肝脏肿瘤图像分割中的应用,包括基于网络结构改进的GAN方法、基于生成器或判别器改进的GAN方法和基于GAN的其他改进方法。最后在已有的研究进展和基础之上,对GAN在肝脏肿瘤图像分割中的应用进行总结,讨论GAN在肝脏肿瘤图像分割上所面临的挑战,并对其未来发展进行展望。     

电子印章图像的分割技术

首先介绍了图像分割的几种典型技术,包括基于边缘检测的图像分割、阈值分割和基于颜色分量的图形分割.并通过实验证明了基于颜色分量的图形分割技术能够对电子印章图像进行快速、准确的分割,尽可能减少分割过程中造成的图像信号的衰减,大大提高图像分析的质量,为后续去噪和图像增强提供良好的图像分析.     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

图像阈值分割的两种新技术

本文针对基于准则函数的图像阈值分割技术,提出了两种适用于图像阈值分割的新方法.其一是最小偏态指标法,它引入数理统计中的偏态指标作为图像分割的准则函数,分割阈值对应于其最小值;其二是最大Fisher评价函数法,它引入模式识别理论中的Fisher评价函数作为图像分割的准则函数,分割阈值即对应于其最大值.本文对两种新方法进行了详尽的图像分割验证,并与Otsu法、最大熵法和最小误差准则法进行了详细比较,结果表明本文提出的两种新方法具有分割精度高、计算速度快以及对目标大小影响小等优点,是两种很好的图像阈值分割方法.     

绝缘材料中电树图像的处理与测量分析

应用计算机图像技术对绝缘材料中的电树图像进行处理和测量分析,能为电树的研究提供更多更直观的数据,从而帮助找出电树形成和发展的一些规律.本文介绍了对电树图像进行分割处理、测量分析的基本方法.     

基于最小生成树的图像融合算法

研究遥感图像融合精度问题。图像融合存在含有冗余和互补信息,造成清晰度降低。针对传统的图像配准算法精度较低,为了提高遥感图像融合的准确度,提出了一种最小生成树遥感图像配准算法,将最小生成树算法应用到图像融合的优化过程中,算法首先提取均匀子采样点集,并在此基础上构造最小生成树,然后使用最小生成树来估计熵,对遥感图像进行配准,最后将图像间的边缘梯度信息融入到融合框架中。算法有效地克服了传统图像融合算法的缺点,仿真结果表明,改进算法有效地提高了图像融合的精确度,并为遥感图像融合提出了有效依据。     

压缩域中基于自动标记的图像分割

针对传统像素域中图像分割算法计算复杂的缺陷,提出了一种压缩域中快速图像分割算法。对图像分块,提取离散余弦变换（DCT）系数结合颜色矩作为块特征,利用支持向量机（SVM）实现对压缩域中图像块的自动标记,采用提出的阈值最小生成树（TMST）算法对已标记块进行区域生长,应用形态学相关算法对分割出的图像进行修补。通过Corel图像数据库对提出的方法进行验证,结果表明该方法能够更加快速有效地进行图像分割。     

基于阈值约束最小生成树算法的区域合并方法

为了解决基于形态学的分水岭分割算法受噪声影响而产生的“过分割”问题,提出了基于阈值约束最小生成树算法的区域合并方法.利用图论中最小生成树算法(prim算法、kruskal算法和boruvka算法),把分割后的区域看作是图的顶点,有相邻关系的区域看作是图的边,相邻区域的特征差异看作是边的权值,通过设置合适的阈值和迭代次数进行区域合并.实验结果表明,该方法保持地物边界的同时能够快速有效地合并“过分割”区域,尤其适用于地物复杂、尺寸较大的遥感图像.     

基于图论的图像分割研究进展

基于图论的图像分割技术是近年来国际上图像分割领域的一个新的研究热点。该方法将图像映射为带权无向图,把像素视作节点,利用最小剪切准则得到图像的最佳分割。论文对图论方法用于图像分割的基本理论进行了简要介绍,并对当前图论方法用于图像分割的最新研究进展进行了综述。     

基于深度学习的图像语义分割方法综述

近年来,深度学习技术已经广泛应用到图像语义分割领域.主要对基于深度学习的图像语义分割的经典方法与研究现状进行分类、梳理和总结.根据分割特点和处理粒度的不同,将基于深度学习的图像语义分割方法分为基于区域分类的图像语义分割方法和基于像素分类的图像语义分割方法.把基于像素分类的图像语义分割方法进一步细分为全监督学习图像语义分割方法和弱监督学习图像语义分割方法.对每类方法的代表性算法进行了分析介绍,并详细总结了每类方法的基本思想和优缺点,系统地阐述了深度学习对图像语义分割领域的贡献.对图像语义分割相关实验进行了分析对比,并介绍了图像语义分割实验中常用公共数据集和性能评价指标.最后,预测并分析总结了该领域未来可能的研究方向及相应的发展趋势.