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.     

基于分裂合并算法的道路标线分割方法研究

针对现有的道路标线分割方法在阴影、光照、裂缝等干扰下存在分割精度不足的问题,提出了基于分裂合并算法的道路标线分割方法.该方法通过分析道路标线图像的灰度、边缘、纹理特征,首先采用Bresenham算法进行道路标线有无判定,并根据道路标线边缘实现路面检测图像标线区域和非标线区域的分裂,然后采用基于重心连线灰度值的区域合并和基于灰度与直线边缘特征的区域合并两种方法进行道路标线区域合并,最终完成道路标线的准确分割.实验表明,该方法分割精度较高,具有良好的抗噪性能,能够很好地满足道路检测车采集图像实时处理的需求.     

在Split—Merge框架下进行基于图的图像分割

Split-Merge算法是图像分割领域的经典算法,思路简洁、运算效率高,但因分裂位置和形状固定,导致出现方块效应和边界定位不准确等问题.现有的各种改进算法不能从根本上解决这些问题,为此本文将基于图的分割算法纳入到Split-Merge框架中来,提出了在Split-Merge框架下进行基于图的分割.新算法把传统的基于图割值的算法作为分裂阶段的处理手段,在合并阶段采用本文提出的一种与访问次序无关的合并算法.新算法既解决了Split-Merge算法中因分裂位置和形状固定而带来的各种问题,也有效地消除了在基于图的分割中常见的"过分割"现象,取得了满意的分割效果.     

改进的模糊C-均值聚类医学图像分割算法

针对模糊C-均值聚类算法分割图像时容易产生模糊边缘的缺点,提出了一种结合图像梯度和模糊C-均值聚类的图像分割方法.该方法利用图像梯度反映出来的目标边界,对由模糊C-均值聚类所获得的聚类区域进行分割,把因模糊性而划分到目标区域的像素点与目标区域进行分离,同时利用区域增长方法找出干扰区域并删除.将该算法应用到胰腺ERCP图像分割,实验表明,改进算法能够比较准确地分割出图像中的目标,减少因模糊聚类产生的模糊边缘.     

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.     

基于改进的分水岭算法图像分割方法研究

研究图像分割中保真问题,针对目前分水岭算法易产生过分割现象,导致图像分割边缘不明显现象,使得分割以后图像失真较大.为了解决上述问题,提出了一种基于空间模式聚类算法和分水岭算法相结合的图像分割方法.首先对图像采用分水岭算法进行图像分割,然后对产生过分割现象的图像区域采用基于空间模式聚类方案进行合并.仿真结果表明,与传统的分水岭图像分割方法相比,分割出的图像边缘效果明显清晰,有效保证原图效果.     

分水岭变换在岩屑图像分割中的应用

分水岭变换是一种基于区域和数学形态学的图像分割方法,被广泛用于灰度图像的分割之中.但传统分水岭变换过分割问题严重,图像的噪声和虚假纹理会淹没真正想得到的边缘信息.针对岩屑图像的特征,提出了一种改进的分水岭算法分割方案.先在预处理期用形态学开闭重建运算对原始图像平滑处理,在相对保留边缘不受影响的同时,降低噪声的影响.再通过非线性的阈值变换分离出目标和背景,然后在提取出目标的情况下合并过小区域,得到目标的边缘.而由于阈值变换后,区域数量已经明显减少,可以降低区域合并的运算量,提高合并速度.在求取形态学梯度时,选用了一种新的形态梯度形式,消除了形态学处理对分割结果造成的轮廓偏移现象.从实验结果看来,该算法取得了较好的分割效果.     

基于视觉显著性的非监督图像分割

交互式的图像分割算法需要用户输入先验信息,从而增加了算法的时间复杂度和用户的负担。提出了基于视觉显著性的非监督图像分割算法。该算法首先通过均值漂移算法先对图像进行预处理,将图像过分割成互不重叠的小区域。这些区域采用区域邻接图表示,当两个区域相邻时对应的节点之间存在边。其次,通过计算各个区域的颜色相异性和纹理一致性,得到相邻区域之间的合并概率。再次,根据区域的颜色和空间位置信息,定义每一个区域的显著性指标,选择最大显著性指标对应的区域作为目标种子区域,图像边缘区域中显著性指标最小的区域作为背景种子区域。最后,基于最大相似性合并策略,对与种子区域相邻的且合并概率最大的区域进行合并。实验表明,所提算法 不需要先验信息,且可以得到较好的分割效果;与非监督图像分割算法相比,所提算法可以避免过分割。     

基于自适应标记提取和能量方程的分水岭算法

针对传统分水岭算法的过分割问题,提出一种基于自适应标记提取和能量方程的改进算法。根据图像中的边缘信息和图论方法,得到最短边缘路径,从而自适应地提取出区域标记,进行分水岭变换,用提出的能量方程实现区域合并。利用医学细菌图像对提出的算法进行验证,实验结果表明该算法能有效解决分水岭算法的过分割问题,得到很好的分割效果。     

一种融合分水岭与ISODATA的岩心图像分割方法

分水岭算法用于图像分割,能获得封闭的和位置准确的轮廓,但容易造成过分割;ISODATA算法能将岩心砾石颗粒聚集成一类,但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点,提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分水岭算法得到过分割图像,ISODATA算法得到聚类图像,然后以ISODATA算法聚类的结果为依据,校正分水岭法的过分割问题。该方法用于砾岩图像的分割,取得了较好的实验效果。     

基于彩色模型的重构标记分水岭分割算法

分水岭算法是一种适用于图像分割的强有力的形态学工具,但传统的分水岭算法存在严重的过分割现象,并且实际图像容易受到反射亮光和阴影的影响。针对该问题提出一种新的彩色空间重构标记分水岭分割算法。该算法首先将RGB彩色图像转换到新的彩色空间中,抽取不受反射亮光和阴影影响的分量进行梯度计算;然后利用形态学开闭重构提取感兴趣目标构成二值标记图像,利用标记图像修改梯度图;最后在修改的梯度图上进行分水岭变换。新算法不仅可以抑制由于纹理细节和噪声引起的过分割,还可以有效地抑制由于反射亮光和阴影产生的过分割,同时由于该分割算法是在原始梯度图上而非滤波简化的图像上进行的,因此物体的边缘信息也得以最大程度的保留。理论分析和实验结果表明了该算法的有效性。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法。根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割。结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性。     

基于SUSAN算子与分水岭算法的图像分割方法

针对分水岭图像分割算法中的过分割问题,提出了一种结合SUSAN算子和分水岭算法进行图像分割的方法.该方法首先用SUSAN算子对原始图像进行划分,检测出图像中不包含边界的区域,然后将检测结果作为标记符在梯度图像上进行标记,最后用分水岭算法对带标记的梯度图像进行分割.试验结果表明,该方法具有较好的分割效果.     

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。     

基于MG-HMT模型的正交有限脊波域图像分割

针对图像分割中的过分割问题,提出了一种基于图像混合高斯-隐Markov树(Mixture Gaussian-hidden markov tree,MG-HMT)模型的正交有限脊波分析的图像分割算法.正交有限脊波变换处理信息时具有检测信号线奇异的能力,在图像分割中为准确定位信息的边缘、轮廓提供了有力的支持.其次,对图像的...     

融合多特征的运动一致性图像分割

目的:在彩色图像分割中,光流法能够得到运动区域,但难以获得运动目标准确的分割边界,而常用的算法往往会产生过分割。为了克服光流法的不足,在保留显著性区域的同时抑制过分割,从而获得具有运动一致性区域的分割结果,提出融合多特征的运动一致性图像分割算法。方法:首先通过Mean Shift算法获取图像的初始分割,然后利用空域信息（包括颜色、边缘和区域面积）对视觉感知上具有相似性的区域进行合并,再利用时域信息进行运动一致性区域合并,最终得到分割结果。结果:实验结果表明通过结合时空信息,该方法能够有效抑制过分割,不仅弥补了光流场不能准确提取目标边缘的不足,而且提高了分割目标的完整性。结论:与两种流行的彩色图像分割算法相比,所提方法获得了更加理想的结果。     

基于各向异性扩散的医学图像分水岭分割算法

针对医学图像形态建模过程易产生过分割的问题,提出了一种基于各向异性扩散的分水岭分割算法。该算法首先对原始图像进行自适应各向异性扩散滤波,然后引入多尺度的形态梯度图像作为分水岭变换的参考图像,以突出图像中物体的边界轮廓,平滑具有均匀亮度的区域。最后,定义基于边界平均灰度和面积的区域合并准则,对分割后的区域进一步合并。实验结果表明,该算法能有效抑制过分割,具有较强的抗噪声性能,得到的分割结果可以满足医学图像建模的需要。     

基于小波变换和ICA的运动目标分割

提出一种时空融合的运动目标分割方法.在时域方面,采用时间轴一维小波变换提取运动对象,然后用独立成分分析法提取独立的运动对象,并基于灰度直方图进一步提取视频对象;在空域方面,提出对轮廓提取后的图像进行分水岭变换的改进方法.与COST211 AM算法比较表明,文中方法能更完整、准确地提取出运动对象.     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。