基于彩色模型的重构标记分水岭分割算法

分水岭算法是一种适用于图像分割的强有力的形态学工具,但传统的分水岭算法存在严重的过分割现象,并且实际图像容易受到反射亮光和阴影的影响。针对该问题提出一种新的彩色空间重构标记分水岭分割算法。该算法首先将RGB彩色图像转换到新的彩色空间中,抽取不受反射亮光和阴影影响的分量进行梯度计算;然后利用形态学开闭重构提取感兴趣目标构成二值标记图像,利用标记图像修改梯度图;最后在修改的梯度图上进行分水岭变换。新算法不仅可以抑制由于纹理细节和噪声引起的过分割,还可以有效地抑制由于反射亮光和阴影产生的过分割,同时由于该分割算法是在原始梯度图上而非滤波简化的图像上进行的,因此物体的边缘信息也得以最大程度的保留。理论分析和实验结果表明了该算法的有效性。     

利用云模型的血细胞图像阈值化方法

经典统计阈值方法直接利用类方差构造最优阈值准则,具有一定的通用性,但在某些情况下缺乏实际应用的针对性。为了解决血细胞图像阈值化及白细胞核提取问题,提出了一种利用云模型的简单快速方法。该方法分别生成白细胞核和血细胞背景对应的云模型,利用各类云模型的超熵定义了新的阈值化准则,然后通过最大化该准则自动获取最优灰度阈值,最终完成血细胞图像二值化及白细胞核提取。实验结果表明,与Otsu法、最大熵法、最小误差法、最小类内方差和法以及最小极大类内方差法等方法相比,新方法更适合于血细胞图像分割,二值化效果好,白细胞核提取质量高,具有合理性和有效性。     

基于自适应标记提取的分水岭彩图分割算法

针对分水岭算法过分割问题,提出一种基于自适应提取标记的改进算法。该算法结合极小值深度和汇水盆地尺度信息提取与物体相关的极小值标记,根据梯度图像中极值点的统计信息自适应设定标记提取的阈值。提取到的标记采用形态学极小值标定技术强制作为原始梯度图像的极小值,在修改过的梯度图像上进行分水岭分割。仿真结果表明,该算法能有效解决分水岭算法的过分割问题,具有更强的抗噪性能和边缘定位能力,且计算复杂度较小。     

基于人类视觉特性的梯度骨架标记提取算法

针对分水岭算法预处理阶段的标记提取问题,提出一种基于人类视觉特性的梯度骨架标记提取算法。通过标记梯度图像的谷点组成贯通整幅梯度图像的骨架,在不同彩色空间中根据背景亮度自动选取阈值,并从骨架中剔除大于该阈值的鞍点,使骨架离散为各自连通的小骨架群,将每个小骨架作为独立标记。实验结果表明,该算法能够解决传统算法参数选取困难的问题,在抑制分水岭算法过分割边缘的基础上获得更好的分割结果。     

基于分水岭的多目标核聚类图像分割

传统的聚类图像分割方法一般仅仅利用图像中的灰度信息。为了更好地利用图像中的区域和边缘信息,提出一种基于分水岭过分割的多目标模糊核聚类图像分割算法。该算法采用分水岭算法获得图像的过分割区域,采用多目标模糊核聚类算法对区域代表点和分水岭上的像素进行聚类。根据聚类结果将图像中的像素进行标记,得到最终的分割图像。实验结果表明,由于利用了图像区域信息,使得目标能够比较完整地从背景中分离出来。     

基于改进分水岭算法的VCH-F1图像分割

针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点,提出了一种能够有效消除局部极小值和噪声干扰的分割方法。首先比较并选取彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的;然后提出基于多阈值分割的方法消除无效梯度信息;最后介绍了算法的步骤及结果。实验结果证明,基于该方法处理梯度图像进行分水岭算法处理可以得到准确的分割结果。     

结合随机游走与FCM的脑图像分割方法

随机游走算法只考虑相邻像素灰度相似性,忽略了邻域像素梯度信息,抑制了random walker沿着某些与种子点灰度相近的边向种子点前进,从而导致错分与漏分。提出一种脑图像分割方法,先对原图进行小波变换,提取图像梯度信息,将梯度信息融入边的权重。最后使用改进的FCM算法,结合像素邻域信息,进行最终脑图像分割。实验表明,本方法分割的脑组织图像正确率高,图像空洞与斑点明显减少,图像边缘更加平整。     

灰度-梯度共生矩阵模型的加权条件熵阈值法

基于二维灰度直方图的最大熵阈值法是依据“灰度-灰度均值”构成直方图的图像分割方法,该方法着重于图像的内部信息,忽略了边界区域的信息。应用图像的梯度信息建立“灰度-梯度共生矩阵”,构造图像的二维灰度直方图,结合最大条件熵法进行阈值选取。为了充分提取图像内部和边缘信息,提出了二维加权最大熵阈值法。结果表明,该方法一方面能够保留更多的图像边缘信息,另一方面能够根据实际需要调节权值大小,得到兼顾图像内部和边缘信息的分割结果。     

基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。     

基于标记的数学形态学滤波分水岭算法

经典的分水岭算法存在过分割问题,文中针对图像分割提出了一种基于预处理的改进算法。目的是为了抑制分割过程中的过分割现象,缓解过分割问题。首先对图像进行应用数学形态学去噪,滤波。再求取梯度图像,然后根据梯度图像局部极小值的综合信息自适应地提取内部标记,再进行距离分水岭变换提取外部标记。并以提取的标记为依据,对梯度图像进行修正,最后对修正后的梯度图像实施分水岭算法。实验结果表明:与传统分水岭算法相比,本算法能较好地缓解过分割问题。     

基于HSV颜色模型的广义梯度矢量流图像分割方法

采用广义梯度矢量流（Generalized gradient vector flow, GGVF）作为势能函数的Snake算法在处理灰度图像分割时具有较好的性能.但当处理彩色图像时, GGVF模型往往将彩色图像转化为灰度图像进行处理,此过程造成颜色信息丢失,因而容易受到阴影等伪边界灰度变化的干扰.本文提出了基于HSV颜色模型的GGVF,充分利用了图像的色彩信息进行图像分割.实验结果表明,该方法能够有效地区分彩色图像的真实边界与由阴影产生的伪边界,并取得较好的分割结果.     

基于多光谱采集技术的骨髓涂片细胞分割方法

通过光学显微镜估计不同类型、不同成熟阶段的血细胞的相对数目对血液病的诊断具有十分重要的意义。由于骨髓中有核血细胞类数多,特征复杂,给自动分析造成极大困难。论文采用了一种新颖的多光谱成像技术,所采集的图像可以提供更多反映物质特性的光谱信息。在此基础上,探索性地将支持向量机用于骨髓细胞图像的分割。实验证明这种以多光谱技术为基础的分割方法推广性好,准确率非常高,并且明显降低了对采集设备情况和涂片质量的依赖性。     

Histogram-Based Decision Support System for Extraction and Classification of Leukemia in Blood Smear Images

An abnormality that develops in white blood cells is called leukemia. The diagnosis of leukemia is made possible by microscopic investigation of the smear in the periphery. Prior training is necessary to complete the morphological examination of the blood smear for leukemia diagnosis. This paper proposes a Histogram Threshold Segmentation Classifier (HTsC) for a decision support system. The proposed HTsC is evaluated based on the color and brightness variation in the dataset of blood smear images. Arithmetic operations are used to crop the nucleus based on automated approximation. White Blood Cell (WBC) segmentation is calculated using the active contour model to determine the contrast between image regions using the color transfer approach. Through entropy-adaptive mask generation, WBCs accurately detect the circularity region for identification of the nucleus. The proposed HTsC addressed the cytoplasm region based on variations in size and shape concerning addition and rotation operations. Variation in WBC imaging characteristics depends on the cytoplasmic and nuclear regions. The computation of the variation between image features in the cytoplasm and nuclei regions of the WBCs is used to classify blood smear images. The classification of the blood smear is performed with conventional machine-learning techniques integrated with the features of the deep-learning regression classifier. The designed HTsC classifier comprises the binary classifier with the classification of the lymphocytes, monocytes, neutrophils, eosinophils, and abnormalities in the WBCs. The proposed HTsC identifies the abnormal activity in the WBC, considering the color and shape features. It exhibits a higher classification accuracy value of 99.6% when combined with the other classifiers. The comparative analysis expressed that the proposed HTsC model exhibits an overall accuracy value of 98%, which is approximately 3%–12% higher than the conventional technique.     

基于肤色质心与边缘自生长的手势分割算法

针对现有手势分割方法难以在类肤色背景下从图像中高效完整地分割出静态手势的问题,提出一种基于肤色质心与边缘自生长的手势分割算法。利用肤色模型得到手势区域的质心,质心可降低后续边缘检测算法的计算量;利用改进的边缘检测算法得到手势边缘,同时提出一种边缘自生长算法,能有效补全局部断裂边缘,增强后续分割效果;将肤色信息与边缘信息进行差分运算分离类肤色背景,再用连通域及形态学处理去除以得到最终手势图像。实验结果证明,该算法较传统肤色模型及同类算法,能更加快速准确地在类肤色背景下分割出手势图像。     

巨核细胞图像分割方法的研究

随着现代医学研究的飞速发展,显微图像定量分析已经广泛应用到临床诊断、病理分析、癌变分级分类等越来越多的医学领域之内。巨核细胞是骨髓切片图像中个体较大的细胞,形状不规则,对其进行有效提取和分割对骨髓成份统计分析、血液疾病诊断等都有重要意义。该文根据数学形态学的知识,利用直方图势函数提取标记点,并将这些标记点作为种子点来对梯度图进行Watershed变换,进而实现骨髓切片中巨核细胞的有效分割。该方法是一种谱信息与空间信息相结合的分割方法,对分割结果与传统算法的对比分析表明,改进后的算法在分割的完整性和一致性上具有更好的效果。     

梯度分层重构的彩色图像分水岭分割

目的 现实生活中的彩色图像往往因噪声、色彩不均匀、有较多弱边界等问题的存在导致难以准确分割,结合分水岭变换与形态学重构的优势,提出了一种基于同态滤波与形态学分层重构的分水岭分割算法。方法 首先提取彩色图像的梯度图,接着对该梯度图采用同态滤波修正梯度图。然后利用形态学开闭重构的方法,对滤波后的梯度图进行分层重构。根据梯度图像的累积分布函数及滤波后的梯度像素直方图的分布信息,给出了梯度分层数的计算公式,同时确定了形态学结构元素尺寸。最后对修正后的梯度图像应用标准分水岭变换实现了图像分割。结果 对不同类型的4幅彩色图像进行分割实验,采用区域一致性与差异性相结合的综合指标对分割结果进行无监督评价。这4幅图像的综合评价指标分别为0.6333、0.6656、0.6293、0.6484,均高于文献中两种现有分水岭算法的指标值：0.6295、0.6641、0.6230、0.6454与0.5861、0.5907、0.5704、0.5852,分割性能较好。结论 提出一种新的彩色图像分割算法,应用同态滤波保留了图像的弱边界,采用自适应形态学重构,抑制了分水岭变换中过分割。算法的分割结果更加接近人眼对图像的感知,无论从评价指标还是分割性能看,均表现出色。算法对噪声不敏感,鲁棒性较好,可广泛应用于计算机视觉、交通控制、生物医学等方面的目标分割。     

基于模糊膨胀模型的细胞核轮廓提取方法

针对细胞核之间经常出现重叠聚堆的现象,提出了一种新的基于模糊膨胀模型的细胞核轮廓提取方法．结合细胞核的椭圆边界信息,将图像数据映射到反映与细胞核颜色和位置关系的多个模糊域;基于这些模糊映射关系,建立了一种新的主动轮廓模型进行细胞核轮廓跟踪．采用一种自适应的膨胀机制帮助曲线克服局部极小值快速膨胀直到收敛到真实边界．多种信息的融合使得模型具有较强的边界跟踪能力．实验表明,对细胞核边界的残缺或重叠部分具有较好的分割效果,且分割性能很稳定．     

基于空间聚类和边缘梯度的图像分割算法

提出一种结合空间聚类和边缘梯度信息的图像自动分割算法.在判断超像素颜色及纹理相似性的同时,进一步给出更加精确的分段边缘梯度计算方法,并采用测地距离来刻画超像素之间的相似性,使得分割结果更好地融合边缘不连续性与区域相似性.大量图像分割实验结果表明,该方法能更准确地找出分割边界,提高图像分割的准确性.     

阈值标记的分水岭彩色图像分割

目的 针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法 该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果 在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论 该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。