基于凹点匹配的重叠图像分割算法

针对图像处理中多个颗粒重叠的问题,提出了1种利用重叠区域边界寻找凹点来分割重叠图像的算法。算法利用Canny边缘检测获得重叠区域的边界轮廓,对于边缘检测所得边界存在断裂的情况,首先进行连续边界轮廓的恢复;然后在获得的连续边界轮廓上寻找凹点,将相邻的凹点视为1个凹点群,取其中凹陷最显著的点作为待匹配凹点,并赋以一定的权值;再根据凹点匹配条件对待匹配凹点进行匹配,将成功匹配的凹点对作为分割点对。对多幅模拟图像和PTA晶体图像的分割结果表明,算法不仅适用于颗粒形状规则、大小差异较小颗粒的重叠情况,对于狭长颗粒和大小差异明显颗粒的重叠情况也有良好的分割效果。     

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。     

基于水平集和迭代自组织算法的图像分割

提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法,既可克服水平集算法伴生的图像过分割问题,也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界,运用迭代自组织算法提取目标颗粒的整体;其次将两种方法提取的图像给以迭加综合处理,克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷,进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割,取得了良好的效果。     

基于极小值跟踪法的水线变换图像分割

提出了一种基于极小值跟踪法的水线变换图像分割方法。针对水线变换中的过分割及水线漂移的问题,该方法用形态闭求得图像的凹谷,对所得的凹谷图像采用极小提升法,以减少凹谷图像中的极小值的个数,然后跟踪极小值在原凹谷图像中的位置,根据标记对原凹谷图像进行测地重建后,采用水线变换进行分割。实验结果表明,该算法可以有效地解决地分割及水线漂移问题,改善分割质量。     

岩矿薄片偏光序列图像的矿物颗粒分割方法

岩矿薄片图像中矿物颗粒的提取是岩矿薄片粒度分析、成分识别的基础,为了进一步提升矿物颗粒提取的准确性,提出一种新的矿物颗粒分割提取方法.该方法以相同视域、不同角度下的正交偏光序列图像为基础,对序列图像进行融合后,利用熵率超像素算法提取矿物颗粒目标.为了减少矿物颗粒的过分割现象,采用快速区域合并算法合并具有相似性的区域,最后,依据矿物颗粒在正交偏光下的变化规律对分割区域筛选,再次进行颗粒目标融合实现颗粒自动分割.该方法提取岩矿薄片图像中的矿物颗粒,可以获得较好的效果.     

采用最小误差阈值分割算法的基因芯片图像分析

为了能够较好地处理芯片图像,尽可能准确地提取出描述基因样点的数据信息,采用了最小误差阈值的分割算法.该方法在假设目标和背景的分布服从混合正态分布的前提下,设定了最小误差分类目标函数,通过求得使目标函数值最小的最佳分割阈值,实现基因样点和背景图像的分割.针对分割出来的基因样点图像提取特征数据,最后对这些数据进行聚类分析,进而对实验样点进行分类.在实验中应用该方法分析了2组基因芯片图像,基因样点的分类效果较好,验证了该基因芯片分析方法的可行性.     

一种新型的雨滴微观特征提取方法*

雨滴颗粒的数目、形状、尺寸以及谱分布是准确反演降雨强度的基础,为了获取自然环境下的雨滴微观特征量,本文采用迭代最大熵分割算法,获取雨滴图像的灰度区域阈值,通过阈值比较,把雨滴颗粒从图像中分割出来,在此基础上,把凹点匹配分割算法引入粘连雨滴的分割研究中,以链码差和曲率作为判断准则,选取凹点进行匹配,实现粘连雨滴的精确分割,以几何均值算法标记不同雨滴颗粒质心位置,记录雨滴特征量,提出了一种新型的雨滴微观特征提取方法。通过实验表明,该算法不仅能够有效地从图像中提取边界区域明朗且颗粒完整的雨滴,而且能够对粘连雨滴颗粒进行分割,从而可精准地从图像中获取雨滴微观特征量。     

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。     

基于图像层的双水平集图像分割

传统C-V模型可以将待分割图像分割成目标和背景两区域,但无法实现对多目标图像的分割.多相C-V模型能够对多目标图像进行分割,但需要多次迭代,计算量较大.为了解决上述问题,提出一种基于图像层的双水平集分割算法,该算法通过引入背景填充技术来改变图像背景,从而形成新的图像层,双水平集不断地在新的图像层中进行分割,直到所有目标被分割.这样通过双水平集就可以实现对多目标图像的分割.实验结果表明:该算法能够实现多目标分割,且迭代次数较少,同时具有较强的抗干扰能力和较快的收敛速度.     

一种改进的舰船红外图像分割算法

图像分割在图像分析和识别中具有重要的意义,针对最大类间方差法—Otsu法在复杂背景或目标灰度与其周围背景灰度相差不大情况下,目标相对面积较小时易出现目标与背景误分割的问题,提出了一种改进的Otsu法。该算法先对预处理后的红外舰船图像归一化投影,然后,按一定阈值对图像进行裁剪,最后,利用Otsu法进行分割。实验结果表明:与Otsu法、递归Otsu法相比,该算法能够更好地分割出目标。