基于模糊距离变换的岩心图像颗粒分割算法

岩心CT图像中相邻颗粒之间存在相互粘连,粒度参数分析等需要对粘连颗粒进行分割。结合岩心粘连颗粒的特性,提出一种基于模糊距离变换的改进颗粒分割算法。首先,对预处理后的岩心图像进行模糊距离变换并提取出距离信息的灰度图像,然后利用形态学膨胀重构方法提取标记作为后续分水岭算法的种子点,根据种子点采用一种基于测地重建的改进分水岭算法得到相邻种子点之间的分割线,最后完成粘连颗粒的分割。实验结果表明本文算法可以提高粘连颗粒分割的准确度并减轻分水岭算法的过分割现象。     

结合距离变换与边缘梯度的分水岭血细胞分割

目的 针对医学图像中细胞提取和粘连细胞分割问题,提出一种结合距离变换利用边缘梯度的分水岭血细胞显微图像分割方法。方法 首先,通过距离变换由细胞二值图生成距离地形图,取其局部极值点或点集作为前景标记,进行第1次距离分水岭变换;接着将第一步骤所得的分水岭脊线作为背景区域的标记,前景标记不变,视梯度幅度图为地形图,再一次进行梯度分水岭变换,得到细胞分割结果。两次分水岭变换前,均采用强制极小值的方法修改地形图,来控制地形图只在选取的标记处存在局部极小值。结果 该方法由距离图提取前景标记,将距离分水岭变换所得的脊线作为梯度分水岭变换的背景标记,能有效地分离粘连目标。相比于基于距离图分水岭变换,本文方法不过多依赖二值图像信息,保留了基于梯度图像的分水岭变换边缘定位准确的优点,又解决了其无法分割粘连目标和过分割的问题。结论 经多幅临床细胞图像分割实验验证,该方法可以实现图像中细胞的提取以及粘连细胞的自动分割,满足医学图像分割的要求。     

粘连细胞分割算法的研究与实现

以粘连细胞分割为例,提出了一种基于分水岭算法的图像分割算法.算法对分水岭分割之前的距离变换和求种子点进行了改进,得到了较好的分割效果.实验证明,该算法较好地完成了粘连细胞的分割任务.     

一种强粘连与畸变巨噬细胞图像的分割方法

针对强粘连巨噬细胞图像难分离和畸变细胞易过分割的问题,提出了一种结合多种图像处理技术的混合分割方法.首先使用高/低帽变换增强灰度图像的对比度;然后基于优化种子点重构距离图像,在重构距离图的基础上使用分水岭变换获得初始分割结果;最后结合人眼对区域相似性的实际感知定义了融合灰度距离、方差和边缘信息的综合相似性准则,根据综合相似性准则进行区域合并得到最终分割结果.仿真结果对比表明,新设计的方法不仅能够成功分离强粘连细胞而且能有效抑制畸变细胞由于形状不规则而产生的过分割,错分率更小,与人工标注的分割结果更为接近.     

基于分水岭变换的粘连颗粒图像分割方法

提出了一种基于分水岭变换的粘连颗粒图像分割方法. 首先对图像进行预处理,进行二值化;然后通过距离变换和灰度形态重构得到每个目标的种子区域（目标标记）;再根据目标标记使用强制最小技术修正距离变换图;最后,对修正后的距离变换图进行分水岭变换,得到分割结果. 在Matlab环境下进行实验,结果表明该算法效果良好,能有效的抑制过分割.     

一种改进的基于分水岭算法的粘连分割研究

在细胞图像制作过程中,由于设备或人为原因,经常会出现细胞粘连程度分布不均匀的情况,从而影响分割的效果,给后续的统计分析造成了一定的困难。提出自适应距离变换,结合分水岭分割的处理方法,把细胞的粘连程度信息引入到距离变换函数中,根据细胞粘连程度的不同,自适应地变换距离函数的参数,从而有效地防止欠分割和过分割。实验证明,这种改进的方法能成功地分离不同粘连程度的粘连细胞,并具有良好的稳定性。     

基于小波变换和形态学分水岭的血细胞图像分割

医学图像处理提取细胞中使用分水岭方法时,容易产生过分割现象且对噪声的干扰极为敏感,为了解决此缺点,提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解,选取合适的小波基和改进去噪阈值函数对图像进行小波去噪,然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换,最终得到分割结果。实验结果表明,该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割,同时具有很好的鲁棒性和普适性。     

基于特征模糊推理的形态学颗粒分割算法

针对粘连或重叠颗粒图像的分割问题,提出了一种基于特征模糊推理的局部形态学重构参数计算方法,对传统的距离变换结合分水岭的算法进行了改进。在传统距离变换结合分水岭方法的基础上,将颗粒图像划分成若干连通区域,每个连通区域单独处理,使用形态学局部重构的方法抑制分水岭的过分割现象。通过对距离图像连通区域极大值进行统计分析,提取该连通区域的颗粒形态特征。将颗粒形态特征作为模糊输入,重构参数特征作为模糊输出,使用模糊推理方法自适应地计算重构参数,解决了重构参数选取的不确定性问题。最后对重构图像进行分水岭变换得到颗粒分割图像。实验结果表明,该方法对各种粘连状态的颗粒分割效果良好,克服了传统方法的过分割与参数自适应选择的问题。     

基于距离变换的改进分水岭算法在白细胞图像分割中的应用

在白细胞图像中,由于白细胞细胞核的存在,直接应用分水岭算法时,往往达不到较好的效果。本文提出一种结合EM聚类的改进分水岭算法。通过将EM聚类获得的图像中细胞核区域替换,然后使用基于距离变换的分水岭分割,确定白细胞区域。对距离变换后的图像采用形态学处理减少了细胞分割中的过分割现象。同时使用细胞核位置的先验条件,合并分水岭分割区域,进一步减小过分割的影响。本文方法提供一种新的将分水岭算法应用于白细胞分割的思路。同时实验证明,方法在分割精度上有着良好的表现。     

地形图上的等值跟踪标记算法

应用经典的分水岭算法来分割粘连细胞图像时,等值淹没方式显得更为合理。提出了一种有效的等值淹没分割算法。先从二值化并作距离变换后的图像中找到种子点,然后对各种子点进行等值跟踪,边跟踪边分类处理标记,最后实现分割。实验证明,该算法分割效果好且速度较快。     

一种基于改进分水岭算法的图像分割方法

使用分水岭方法对图像进行分割引起了人们的重视,但是在图像分割中,分水岭变换使用的是梯度图像,容易造成过度分割。因此首先对原始图像进行平滑,将平滑后的图像使用分水岭变换,同一标号的像素属于同一贮水盆地,而将距不同贮水盆地距离相等的像素标为分水岭点,这样就得到了图像的初始分割结果;最后应用灰度齐次性准则和边界强度准则进行区域的融合,从而解决了过度分割问题。实验结果表明,该方法得到了精确的、有意义的分割结果。     

基于图像处理的菌落自动计数方法及其实现

针对菌落图像特点，提出用最大类间方差法对采集的菌落图像进行二值化，用Hough变换去除平皿边缘图像，用距离变换和分水岭算法分割粘连菌落，最后用八邻域边缘跟踪和区域填充算法进行标号后计数。实验证明此法不仅计数结果准确．重现性好，而且速度快，计数结果不受菌落接种方法、菌落种类、形态、大小的影响，完全可以代替传统的人工计数，具有一定的推广和应用价值。本文所提出的用于分割粘连菌落图像的距离变换和分水岭算法，对其他各种颗粒图像的分割同样适用，它在如细胞图像处理、材料图像处理等颗粒图像分析方面．具有很高的实用价值。     

一种改进的放大图像边缘修复算法

为了保持放大后图像清晰且光滑的边缘,提出了一个基于边缘轮廓拟合插值和分水岭变换的边缘修复算法。算法的主要思想是对原始图像进行初始放大,自动确定模糊区域,从而进行修复处理。通过分段三次Hermite插值提取初始放大图像的边缘。对边缘进行膨胀进而自动获取标记图像。对初始放大图像进行距离变换,从而提供了分水岭变换所需的地势图。有了标记图像和地势图就可以利用分水岭变换逐步填充模糊区域像素。实验结果表明：与已有算法相比,该算法降低了对图像梯度的敏感程度,图像边缘更为光滑清晰,并且在运行效率上大大提高。     

一种基于Hausdorff距离的运动物体跟踪算法

针对视频处理中运动物体的检测和跟踪问题,提出了一种基于Hausdorff距离的目标跟踪算法。新算法提出首先采用多尺度分水岭变换获取运动物体模型,消除了传统基于分水岭变换算法存在的缺陷;然后使用部分Hausdorff距离实现后续帧中运动物体模型的匹配;最后再次使用多尺度分水岭算法完成运动物体模型的更新。实验表明,该算法可以有效地跟踪多个刚体或非刚体目标。     

O-Buffer based IFT watershed from markers for large medical datasets

The watershed transform from markers is a very popular image segmentation operator. The image foresting transform (IFT) watershed is a common method to compute the watershed transform from markers using a priority queue, but which can consume too much memory when applied to three-dimensional medical datasets. This is a considerable limitation on the applicability of the IFT watershed, as the size of medical datasets keeps increasing at a faster pace than physical memory technologies develop. This paper presents the O-IFT watershed, a new type of IFT watershed based on the O-Buffer framework, and introduces an efficient data representation which considerably reduces the memory consumption of the algorithm. In addition, this paper introduces the O-Buckets, a new implementation of the priority queue which further reduces the memory consumption of the algorithm. The new O-IFT watershed with O-Buckets allows the application of the watershed transform from markers to large medical datasets.     

一种优化的并行流域分割算法

流域变换(又称分水岭变换)是数字形态学中用于图像分割的一种有效的方法．但是经典的流域算法具有很强的递归性质,直接并行化效率很低．首先,分析比较了已有并行算法的优缺点,然后从基于距离的流域变换定义入手,提出了一种优化的并行流域分割算法．该算法给出了新的区域关系图的定义,并利用了基于下降距离的方法的局部性;通过引入伪种子点使得各子域之间区域生长和合并的过程相对独立,基本消除了重复泛洪带来的开销;同时可直接生成分水岭．实验表明,提出的算法在执行时间和可扩展性两方面都得到了优化,并拓展了算法的适应性．     

流域变换建模及其算法研究的新进展

流域变换是数学形态学中用于图象分割的一种经典方法 .虽然流域变换曾因运算量大、效率低而使得其研究工作遭到冷遇 ,但也因此出现了一些新的理论和算法 ,并随着并行手段的引入 ,又使其重新成为研究的热点 ;同时就近期许多研究成果而言 ,形式化模型的多样性 ,使得流域变换的定义、算法和实现 ,尚缺乏统一的描述和全面的总结 .针对这一情况 ,首先给出了连续域流域变换的严格数学模型和两种离散情况下典型的形式化定义 ;然后分类总结了近年来 ,流域变换算法实现的新进展 ;最后提出了有待进一步研究的问题 .