多尺度形态梯度算法及其在图像分割中的应用

分水岭变换是一种适用于图像分割的强有力的形态工具.然而,基于分水岭变换的图像分割方法的性能在很大程度上依赖于用来计算待分割图像梯度的算法.本文首先提出了一种计算图像形态梯度的多尺度算法,对阶跃边缘和"模糊"边缘进行了有效的处理其次,提出了一种去除因噪声或量化误差造成的局部"谷底"的算法.实验结果表明,采用本文算法后进行分水岭变换,即使不进行区域合并也能产生有意义的分割,极大地减轻了计算负担.     

基于数学形态学的医学CT图像分割方法研究

提出一种基于形态学分水岭算法的医学CT图像分割方法。针对传统分水岭算法易产生过分割现象的问题,分析产生过分割现象的原因并提出解决方案:首先利用形态学重构算法滤波,然后合并极小值,对梯度图像进行修正,最后对修正的梯度图像进行分水岭变换。仿真结果表明该方法能够抑制过分割现象,得到理想的分割结果。     

基于区域特征合并的分水岭图像分割

传统分水岭变换图像分割方法容易造成过度分割,不利于后期的图像分析与处理。采用一种分水岭变换结合区域特征合并的方法,首先将原始图像进行形态学变换,获取梯度图像;再进行分水岭变换,并将运算后的结果进行基于区域纹理、灰度一致性及区域平滑性等特征的区域合并;最终获取分割结果。实验结果表明,与传统分水岭变换方法相比,该方法能够有效降低因噪声、明暗纹理产生的过分割现象,方法可行、有效。     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.     

基于种子点的粘连巨噬细胞图像的分割方法

粘连细胞的分割是医学细胞图像处理中的关键,随着形态学在图像分割中的应用,分水岭分割成为粘连细胞分割中最有效的方法之一。然而,由于巨噬细胞图像中的噪声和形态的不规则性,传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取"种子点",并将其中距离小于某一阈值的两两"种子点"合并得到新的"种子点",在新"种子点"重新分布的距离图基础上使用分水岭分割。实验结果表明:该算法虽然要比传统分水岭算法多花费些时间,但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后,对细胞进行标记并提取细胞的特征参数,如周长、面积、圆度因子、灰度均值等。     

基于形态预处理和标记提取的分水岭分割算法

为了解决传统分水岭算法的过分割问题,提出了一种基于内外标记的改进分水岭图像分割方法.该方法在形态增强图像的基础上,进行形态学开闭重构运算,在不影响图像中原有景物结构及边缘结构的同时,去除图像中的暗纹理和噪声.从重建后的增强图像中对感兴趣的目标和背景进行标记提取.依据标记利用形态学极小值标定技术对形态梯度图像进行修正,最后使用分水岭算法对修正后的梯度图像进行分割.该方法能够有效地抑制过分割现象,复杂度较低,并可通过调整图像分割过程的参数,得到理想的图像分割效果.     

基于聚类预分割和高低精度距离重构的彩色浮选泡沫图像分割

该文针对矿物浮选过程泡沫图像质量不理想、气泡大小形状灰度不均的问题,提出一种基于聚类预分割和高低精度距离重构的泡沫图像分割方法。首先,利用k-均值聚类进行前景泡沫与背景矿浆彩色图像分割,依据灰度分布和形状分布特征对提取到的泡沫图像进行滤波;然后,基于形态重构提出结合高低精度距离变换对距离图像进行重构,同时利用面积重构h顶改进变换为分水岭变换提取准确的特征标识;最后利用分水岭算法得到分水线,从而完成浮选泡沫的分割。由分割后的泡沫图像可统计分析出气泡个数与尺寸等物理特征参数从而为浮选控制提供依据。仿真结果表明了方法的有效性。     

基于区域生长法的医学图像分割研究

针对基于区域的分水岭分割算法中通常存在的严重过分割现象，通过两点措施来改进：其一，以梯度图像的浮点活动图像取代梯度图像进行分水岭变换，使边缘定位更准确；其二，以基于面积和对比度控制的合并小区域准则，有效抑制过分割现象，同时满足感兴趣区的分割要求。实验表明该算法简单有效，能够得到符合人类视觉系统特性的分割结果，边缘定位精确度较高。     

基于连通算子的图像颗粒分割算法研究

为实现图像中粘连物体的有效分离，可以利用二值化分离背景，距离变换得到距离灰度图，形态重构提取每个物体的标识，分水岭算法确定边界。文中给出了实现的步骤及改进措施：提出基于双队列的方法来简化计算量，二次距离变换来提高分水线定位精确性，并在实际应用中实现。     

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．