基于形态开闭滤波二值标记和纹理特征合并的分水岭算法

为了防止分水岭算法过分割问题 ,研究了一种基于形态处理和纹理分析的图象分水岭分割方法 ,该方法是在分水岭算法的基础上 ,首先对形态梯度图象运用形态开闭滤波器组的方法来获得较好的参考图象 ,然后将提取的二值化初始分割结果作为区域标记来进行分割 .另外 ,为了获得整体目标 ,还定义了一个基于纹理特征的一致性和对比度的检验准则 ,并将其作为区域合并的根据 .该方法应用于多个视频序列初始目标分割的结果表明 ,形态滤波器组的引入很好地防止了过分割 ,并证明基于纹理特征均匀性和对比度的准则对分割区域进行进一步的纹理合并是行之有效的 .     

改进多尺度分水岭算法在医学图像分割中的应用研究

针对分水岭算法存在的过分割问题以及医学图像的特点，提出了一种能够有效增强梯度图像边缘点并且消除局部极小值的方法。 首先采用多尺度滤波法提取图像的边缘信息，然后提出了基于图像边缘滤波消除局部极小值的方法，最后介绍了算法的步骤及结果。实验结果表明，通过该方法处理的梯度图像再进行分水岭变换，即使不进行区域合并也能达到很好的效果。     

基于标记分水岭的植物重叠叶片改进分割算法

针对番茄穴盘幼苗的重叠叶片,提出一种基于HOG描述子的改进标记分水岭分割算法。首先,利用超绿变换和最大类间方差法分割叶片区域和背景区域,确定叶片分割的总体轮廓;然后利用形态学彩色图像梯度计算方法计算图像梯度;再借助图像梯度的HOG描述子,筛选出有叶片边缘的区域和没有叶片边缘的区域,将没有叶片边缘的区域进行形态学操作后作为分水岭分割的标记;最后利用标记对图像梯度进行重建,执行分水岭分割,得到重叠叶片的分割结果。实验结果表明,该算法可以较为准确地选定分水岭标记和实现叶片分割,能够为穴盘幼苗分级研究提供支持。     

B样条函数的图像分割分水岭算法研究

针对传统分水岭算法存在的过分割和对噪声敏感问题,提出了一种能够很好地抑制噪声,剔除图像的伪边缘、准确定位图像边缘信息的方法.采用高频强调滤波对梯度图像进行增强,利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割.实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,有效避免了过分割问题,同时准确定位了图像边缘信息,提高了分割精度.     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

一种改进的分水岭算法在医学图像分割中的应用研究

分水岭算法在图像处理领域得到了广泛的应用,但单独使用分水岭进行图像分割会产生过分割现象,难以得到令人满意的结果。针对分水岭算法存在的过分割问题,提出一种改进的分水岭算法,能有效的抑制过分割现象。首先对输入图像进行平滑滤波处理并计算该图像的多尺度灰度梯度图像;然后提出基于多阈值分割的方法消除无效的梯度信息;再进行分水岭变换并对相似的区域进行合并。实验结果表明,提出的改进的分水岭算法能有效地处理过分割问题,比传统的分水岭算法得到的分割效果要好很多。     

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.     

一种新的基于区域和边界的图象分割方法

用分水岭方法进行图象分割时,容易造成图象的过度分割,从而使得物体的轮廓线掩埋在杂乱的分水岭线中,为了克服这种过度分割问题,提出了一种保持边界的非线性扩散方法,该方法就是先对图象进行平滑,在去噪声的同时,即减少了梯度图象中区域最小值的数目,而分水岭分割后的图象区域数目与它相同;然后,根据初始分水岭分割的结果,使用区域灰度相似性和边界强度相结合的准则,进行由底向上的层次融合,从而较好地解决了过度分割的问题。实验结果表明,该方法可提供精确且封闭的区域轮廓线。     

一种基于重构算子的分水岭变换算法

分水岭变换是数学形态学的主要分割工具,它通过对梯度图像进行分割,能够提供单像素宽的封闭的区域边缘.但是,直接对梯度图像进行分水岭变换存在严重的过分割问题,这个问题往往采用基于标记的分水岭变换加以改进,可是,有时又会带来欠分割问题.通常过分割和欠分割问题主要发生在灰度的非极大值或极小值的过渡区域.为了克服分水岭变换易造成过分割的问题,通过对分水岭变换产生的过分割以及标记点选取可能导致的欠分割原因进行分析,提出了一种基于重构的分水岭变换算法,该算法首先通过基于重构的变换序列滤波来平滑图像,以减少目标内部差异;然后针对梯度图像,利用重构闭来消除灰度过渡区域在梯度图像上所造成的极小;最后对其进行分水岭变换,可有效控制分水岭变换的过分割现象.     

改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明：与传统分水岭算法相比,该算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域。     

A multiscale gradient algorithm for image segmentation using watershelds

Watershed transformation is a powerful tool for image segmentation. However, the effectiveness of the image segmentation methods based on watershed transformation is limited by the quality of the gradient image used in the methods. In this paper we present a multiscale algorithm for computing gradient images, with effective handling of both step and blurred edges. We also present an algorithm for eliminating irrelevant minima in the resulting gradient images. Experimental results indicate that watershed transformation with the algorithms proposed in this paper produces meaningful segmentations, even without a region merging step. The proposed algorithms can efficiently improve segmentation accuracy and significantly reduce the computational cost of watershed-based image segmentation methods.     

Multispectral image segmentation by a multichannel watershed‐based approach

Watershed transformation in mathematical morphology is a powerful morphological tool for image segmentation that is usually defined for greyscale images and applied to the gradient magnitude of an image. This paper presents an extension of the watershed algorithm for multispectral image segmentation. A vector‐based morphological approach is proposed to compute gradient magnitude from multispectral imagery, which is then input into watershed transformation for image segmentation. The gradient magnitude is obtained at multiple scales. After an automatic elimination of local irrelevant minima, a watershed transformation is applied to segment the image. The segmentation results were evaluated and compared with other multispectral image segmentation methods, in terms of visual inspection, and object‐based image classification using high resolution multispectral images. The experimental results indicate that the proposed method can produce accurate segmentation results and higher classification accuracy, if the scales and contrast parameter are appropriately selected in the gradient computation and subsequent local minima elimination. The proposed method shows encouraging results and can be used for segmentation of high resolution multispectral imagery and object based classification.     

基于广义形态滤波和分水岭算法的图像分割

传统的分水岭算法直接对图像的梯度图进行分割,梯度算子由于受噪声或量化误差的影响而产生很多局部最小值,从而导致严重的过分割现象,如何消除其过分割现象一直以来都是研究的热点。本文介绍一种广义形态滤波器,使用两组适应不同形状要求的含有四个结构的结构元素来构成一个滤波器组,用于分水岭算法的预处理,在平滑原始图像的同时去除了易造成过分割的区域细节和噪声,有效地抑制了分水岭算法的过分割现象,然后使用分水岭算法,获得了较好的分割效果。     

消除局部极值的多尺度形态学肝脏肿瘤CT图像分割方法

针对肝脏CT图像中因灰度不均、边缘模糊等造成肿瘤难以准确分割的问题,提出了一种消除局部极值的多尺度形态学分割方法。首先利用面积算子对图像进行预处理,在平滑图像的同时,保持目标区域的边缘信息;其次融合梯度图像中不同极值的邻域统计信息和形态属性(深度和尺度)区分极值,通过设定不同大小的结构元素,对不同极值采用多尺度结构元素进行闭运算,在消除伪局部极值的同时实现图像的自适应修正;最后利用分水岭变换分割肝脏肿瘤。实验结果表明,该方法能够在保持图像边缘的同时,有效减轻过分割现象,实现肝脏肿瘤的准确分割。     

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。     

自适应梯度重建分水岭分割算法

目的 针对灰度分水岭算法存在过分割且难以直接应用到彩色图像分割的问题,提出一种自适应梯度重建分水岭分割算法。方法 该方法首先利用PCA技术对彩色图像降维,然后计算降维后的梯度图像,并采用自适应重建算法修正梯度图像,最后对优化后的梯度图像应用分水岭变换实现对彩色图像的正确分割。结果 采用融合了颜色距离、均方差和区域信息的性能指标和分割区域数对分割效果进行评估,对不同类型的彩色图像进行分割实验,本文算法在正确分割图像的同时获得了较高的性能指标。与现有的分水岭分割算法相比,提出的方法能有效剔除图像中的伪极小值,减少图像中的极小值数目,从而解决了过分割问题,有效提升了分割效果。结论 本文算法具有较好的适用性和较高的鲁棒性。     

混合分水岭变换和改进FCM的图像分割方法

分水岭变换是图像分割的一种强有力的形态工具,能够自动生成一系列封闭分割区域。其不足之处是过分割、对噪声敏感。为克服分水岭变换固有的缺点,综合利用非线性滤波和改进的FCM算法优化分水岭变换得出的初始分割,提出了一种新的混合分割算法-HWIF（Hybrid Watershed and Improved FCM）分割法。与MeanShift算法及区域合并算法相比,该方法充分利用了区域的灰度和区域间的空间信息。实验结果表明该算法能有效克服分水岭算法的过分割问题,且分割效果优于以上两种方法。     

基于形态学梯度重构和标记提取的分水岭图像分割

为了解决传统分水岭算法的过分割问题,提出一种使用形态学梯度重构和标记提取技术进行图像预处理的分水岭图像分割方法。该方法基于多尺度概念,进行梯度重构时采用了不同尺寸的结构元素,在对重构后的各梯度图像的区域极小值进行标记后,将各标记点的并集作为最终标记图像,用其修改梯度图像,然后进行分水岭变换,实现图像的区域分割。实验结果表明,该方法既能有效解决分水岭算法的过分割问题,又保留了各尺度下的重要目标,并且可以根据图像特点和具体的分割要求,调整分割过程中所选参数,得到满意的图像分割效果。     

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑，实现了消除噪声、简化图像、保持物体重要轮廓信息的作用．最后，给出一种改进的快速区域合并算法优化分割结果．实验证明，采用文中分割方法可以获得很好的分割结果。