多层多路图像分割研究

图像分割技术关系到图像的处理效果,是优化图像的关键技术。目前对图像分割方法的研究内容较多,由于图像的特异性和对图像的需求不同,图像分割不能确定一个具有广泛意义的分割方法。该文介绍图像分割的基本内容,针对目前使用较为普遍的图像分割技术如阀值分割、基于边缘的图像分割以及利用数学模型进行分割的方法,提出各个分割方法的特点和优势,并介绍图像分割技术的应用现状,给图像分割提供一定的参考和技术支持。     

多层多路图像分割研究

图像分割技术关系到图像的处理效果,是优化图像的关键技术。目前对图像分割方法的研究内容较多,由于图像的特异性和对图像的需求不同,图像分割不能确定一个具有广泛意义的分割方法。该文介绍图像分割的基本内容,针对目前使用较为普遍的图像分割技术如阀值分割、基于边缘的图像分割以及利用数学模型进行分割的方法,提出各个分割方法的特点和优势,并介绍图像分割技术的应用现状,给图像分割提供一定的参考和技术支持。     

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。     

图像分割方法综述

图像分割是图像处理与计算机视觉的基本问题之一 ,是图像处理图像分析的关键步骤。对传统的图像分割方法和近年来出现的一些新方法进行了综述。具体介绍了基于区域的分割方法、基于边界的分割方法 ,基于区域和边界技术相结合的分割方法及基于特定理论的分割方法。     

基于内容的图像分割方法综述

图像分割是指将图像分成若干具有相似性质的区域的过程,是许多图像处理任务的预处理步骤.近年来,国内外学者主要研究基于图像内容的分割算法.在广泛调研大量文献和最新成果的基础上,将图像分割算法分为基于图论的方法、基于像素聚类的方法和语义分割方法这3种类型并分别介绍.对每类方法所包含的典型算法,尤其是最近几年利用深度网络技术的语义图像分割方法的基本思想、优缺点进行分析、对比和总结.介绍了图像分割常用的基准数据集和算法评价标准,并用实验对各种图像分割算法进行对比.最后总结全文,并对未来可能的发展趋势进行了展望.     

图像分割述评：基本概貌、典型算法及比较分析

图像分割作为计算机视觉领域的一个重要分支,在可穿戴计算、自动驾驶、医学图像分析等方面都发挥着重要作用,并有着广泛应用。为了更好地了解图像分割领域的发展以及研究现状,该文对图像分割进行了深入梳理和系统述评。首先,对图像分割的含义以及其工作流程、指标等进行阐释;然后,对图像分割方法按照时间的跨度进行分类——基于阈值和区域、基于图论和聚类,以及基于深度学习的图像分割,对每类方法的代表性算法进行分析介绍,较为全面地总结了每类方法的基本思想和优缺点;最后,对该领域目前存在的问题和未来的发展方向进行展望,提出实时图像语义分割、弱监督或非监督语义分割和三维场景的语义分割是目前研究中的主要挑战。     

医学图像分割方法综述

医学图像分割是一项极具挑战性的任务,也是医学领域与计算机视觉领域的完美结合。本文通过对医学图像分割领域现状的了解和学习,对其进行了系统性梳理,首先介绍了阈值法、区域法、边缘检测法、聚类法这4种传统的医学图像分割方法,然后介绍了基于深度学习的自动分割方法,最后对医学图像分割的发展趋势做出展望。     

图像分割方法研究

图像分割是图像分析和模式识别的首要问题,也是图像处理的经典难题之一.文中对图像分割方法进行了系统研究论述,先对图像分割的定义、要求进行简单介绍,然后对阙值化、基于边缘方法、基于区域的方法、基于模型的方法和基于人工智能的方法等主要的图像分割方法进行研究论述,比较了它们的优缺点.在实际应用中,这些分割方法往往相互结合,以期达到单一图像分割方法所不能取得的效果,提高分割效率.     

基于阈值的医学图像分割技术的计算机模拟及应用

随着现代计算机技术及图像处理技术的快速发展,图像分割作为图像分析、理解的基础,在诸多领域具有广泛的应用,尤其在医学方面。医学图像分割是医学图像处理和分析的关键步骤,也是其它高级医学图像分析和解释系统的核心组成部分。本文针对医学图像分割的分类、特征等进行了简要的介绍,对基于阈值的分割方法进行详尽的讨论并以计算机实际处理效果分析了各种基于阈值的分割方法的优缺点。     

基于多特征的指纹图像分割算法

介绍了一种基于指纹多特征的指纹图像分割方法。首先简述了三种基于单一特征的指纹图像分割方法:基于灰度方差的指纹图象分割、基于方向信息的指纹图象分割和基于角部灰度均值的指纹图像分割的适用情况及利弊,然后介绍了将方向图法和灰度法两种分割方法合理结合起来的基于多特征的指纹图像分割方法,该方法首先将图像划分成多个不重叠的块并计算各子块的灰度方差与均值,再根据各个图像块的灰度方差值与方差阅的关系确定各子块是采用方向图法还是采用灰度法继续进行图像分割。实践证明,基于多特征的指纹图像分割方法充分利用了指纹图像的特征,避免了单一特征的缺陷,从而能获取更加清晰质量更好的指纹图像,为指纹的进一步识别提供了更好的条件。     

图像分割方法及性能评价综述

图像分割是图像处理与计算机视觉的基本问题之一,是图像处理与分析的关键步骤;本文对近年来常用的图像分割方法进行综述,介绍了每种方法各自特点以及在分割处理时的优缺点,以便我们对图像进行分割处理时综合两种或两种以上的方法,最终得到比较理想的处理结果,这也是目前图像分割方向发展趋势;同时对图像分割质量评价方法做出了综述。     

基于遗传算法的自适应聚类图像阈值分割方法

文中针对复杂背景条件下的红外图像分割问题,将遗传算法引入最大类间方差法中,同时结合人类视觉感知原理,探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

基于迭代阈值的太阳像分割算法的应用研究

在一米红外太阳望远镜电控系统中,太阳像图像分割是进行质心检测等后续操作的基础,分割的准确性对于望远镜的跟踪控制至关重要。本文阐述了阈值分割方法的基本原理,介绍了常用的阈值选取算法,并利用迭代阈值法对太阳像进行分割研究。实验结果表明,在图像处理时间、阈值选择准确度方面,比常用的算法具有一定的优势,满足系统的要求,达到了预期的目的。     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

费歇算法在彩色图像分割中的应用

费歇算法是一种优良的线性判决方法，适用于很多分类场合。本文简要介绍了费歇算法的原理，结合实例说明了利用费歇算法分割彩色图像的方法和步骤。分割结果表明，费歇算法能有效地对彩色图像进行分割，取得比较好的效果。     

MRI脑肿瘤图像分割研究进展及挑战

脑肿瘤分割是医学图像处理中的一项重要内容,其目的是辅助医生做出准确的诊断和治疗,在临床脑部医学领域具有重要的实用价值。核磁共振成像（MRI）是临床医生研究脑部组织结构的主要影像学工具,为了使更多研究者对MRI脑肿瘤图像分割理论及其发展进行探索,本文对该领域研究现状进行综述。首先总结了用于MRI脑肿瘤图像分割的方法,并对现有方法进行了分类,即分为监督分割和非监督分割;然后重点综述了基于深度学习的脑肿瘤分割方法,在研究其关键技术基础上归纳了优化策略;最后介绍了脑肿瘤分割（BraTS）挑战,并结合挑战中所用方法展望了脑肿瘤分割领域未来的发展趋势。MRI脑肿瘤图像分割领域的研究已经取得了一些显著进展,尤其是深度学习的发展为该领域的研究提供了新的思路。但由于脑肿瘤在大小、形状和位置方面的高度变化,以及脑肿瘤图像数据有限且类别不平衡等问题,使得脑肿瘤图像分割仍是一个极具挑战的课题。由于分割过程缺乏可解释性和透明性,如何将全自动分割方法应用于临床试验,还需要进行深入研究。     

深度神经网络图像语义分割方法综述

图像语义分割是计算机视觉领域近年来的热点研究课题,随着深度学习技术的兴起,图像语义分割与深度学习技术进行融合发展,取得了显著的进步,在无人驾驶、智能安防、智能机器人、人机交互等真实场景中应用广泛。首先对应用于图像语义分割的几种深度神经网络模型进行简单介绍,接着详细阐述了现有主流的基于深度神经网络的图像语义分割方法,依据实现技术的区别对图像语义分割方法进行分类,并对每类方法中代表性算法的技术特点、优势和不足进行分析与总结。之后归纳了图像语义分割常用的大规模公共数据集和性能评价指标,并在此基础上对经典的语义分割方法的实验结果进行了对比,最后对语义分割领域未来可行的研究方向进行展望。     

水平集的图像分割方法综述

图像分割是图像处理中的关键技术之一,Osher和Sethian提出的水平集方法有效地解决了以前算法不能解决在曲线演化过程中的拓扑变化问题。目前,基于水平集方法的图像分割算法很多,对于不同应用领域的图像处理问题,人们都提出了相应的解决方法,而且大量的研究者还在不断改进和提高这些算法的效率和有效性。因此,本文按照水平集算法在图像分割中应用的发展历程将其分为3种情况进行了综述,以此为该领域读者提供借鉴。     

图像语义分割方法综述

图像语义分割是一种将图像分割成一系列具有特定语义类别属性的区域的方法,目前已成为当前图像理解分析和计算机视觉等领域的热点研究内容。在广泛文献调研的基础上,简述了图像语义分割方法的发展历程,从驱动类型的角度将当前主流的图像语义分割方法分为基于模型驱动的方法和基于数据驱动的方法,并分别进行了介绍,总结归纳了图像语义分割方法的性能评价标准,指出了图像语义分割方法的主要发展趋势。     

Watershed from propagated markers: An interactive method to morphological object segmentation in image sequences

In this paper, it is introduced an interactive method to object segmentation in image sequences, by combining classical morphological segmentation with motion estimation – the watershed from propagated markers. In this method, the objects are segmented interactively in the first frame and the mask generated by its segmentation provides the markers that will be used to track and segment the object in the next frame. Besides the interactivity, the proposed method has the following important characteristics: generality, rapid response and progressive manual edition. This paper also introduces a new benchmark to do quantitative evaluation of assisted object segmentation methods applied to image sequences. The evaluation is done according to several criteria such as the robustness of segmentation and the easiness to segment the objects through the sequence.