基于最佳分割目标优化的医学图像分割方法

针对医学图像中组织边缘模糊、灰度不均匀、图像噪声高的问题,将改进的布谷鸟算法和信息熵结合,提出一种基于改进布谷鸟算法优化最大熵的医学图像分割方法。通过改进的布谷鸟算法优化最大熵法确定图像的最佳分割门限,在此基础上完成最佳分割点的分割。在多个实验样本上的测试结果表明,文中提出的新方法在很大程度上解决了过去几种方法的缺陷,使得分割速度与精度明显提升,另一方面,其鲁棒性也相对理想,适用于实际应用。     

基于标记的Watershed图像分割新算法

为了防止Watershed算法过分割问题,文中提出一种新改进的基于标记的Watershed自动图像分割方法.文中设计出一种有效的标记自动提取方法,用来从梯度图像的低频成分中提取与图像中的物体相关的极小值, 用这些极小值构成二值标记图像.根据二值标记图像,形态学的极小值标定技术被用来将这些提取的标记强制作为原始梯度图像的极小值,而屏蔽原有梯度图像的所有极小值.最后,watershed算法在修改过的梯度图像上进行图像分割.利用本文提出的图像分割算法可以获得较为理想的图像分割结果.通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且均一的分割区域,以及较为准确、连续、一个像素大小的物体边界.与其它的Watershed改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低Watershed算法的过分割问题.     

一种基于可变形模型的图像分割算法

提出了一种新的基于可变形模型的图像分割算法。该算法在模拟气球膨胀法的基础上，对内外部力场进行了改进。并通过控制力场的方向，使Snakes不断向图像内部收缩分裂，最终完成对图像的分割。对合成图像和实际图像的实验表明，这一方法是行之有效的。     

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.     

基于改进分水岭算法的医学图像分割的研究

本文针对医学图象的特点，改进了医学图像的分水岭算法，并用于医学图像的分割处理。这种分割通常应用分水岭算法，但是它有过分割的严重问题。本文闸述了在分水岭算法的基础上做的一些改进，其内容是：在分水岭算法之前，引入浮点，活动图像作为分水岭算法的输入，在分水岭算法之后，在面积控制的基础上，同时根据面积控制和对比度控制的准则，将某些被分割的小区并入邻近较大的区域。这种改进的方法使过分割现象得到了很好的抑制，而且医学图像中的病变小区被分割出来了，效果很好。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

一种基于形态学的脑肿瘤分割

由于脑部结构复杂,存在精密纹理并且由于成像技术的限制,传统分水岭算法分割脑肿瘤很容易产生过分割问题。本文提出一种改进的分水岭算法解决此过分割现象。在应用分水岭算法之前对图像进行一些预处理:首先,应用形态学开闭重建重构原图像,滤除噪声和复杂细小的纹理;其次,对重建后的图像做多尺度形态学梯度,并对修改了标识符的梯度图像进行分水岭算法分割。实验结果表明:结构元素半径大小取17~22,肿瘤能够完全地分割出来。与传统的分水岭分割算法相比,本文所采用的算法很好地抑制了过分割问题,可以很容易地分割出肿瘤。     

一种基于自适应标记与区域间近邻传播聚类的分水岭图像分割算法

分水岭算法是一种高效的图像分割算法,能够准确地对图像进行基于区域的分割,但是存在易过分割的问题.为此本文提出一种改进的分水岭算法：首先,对彩色图像进行频谱包络滤波并计算彩色梯度获得梯度图像,再采取一种自适应设定参数的H-minima技术,对梯度图像的极小值区域进行标记;然后,对已标记极小值区域的梯度图像进行分水岭分割;最后,计算分水岭分割所得各区域的颜色矩,作为该区域的颜色特征,并对这些区域进行近邻传播聚类获得分割结果.通过与近年来其它改进的分水岭算法和采用聚类的图像分割算法实验比较,本文所提算法能更加有效地抑制过分割,提高分割准确率,具有良好的自适应性和鲁棒性.     

基于CUDA的图像分割并行算法设计与实现

图像分割技术是计算机视觉领域中对图像进行分析和模式识别的基础,无论在理论研究还是实际应用中都得到了人们的广泛重视.本文在对现有图像分割算法进行分析的基础上,针对串行图像分割算法代次数多、运算效率低的问题,提出了一种适用于CUDA架构的新型图像分割并行算法,该算法与OpenCV实现的cvBlob算法相比,该算法具有更高效率.     

改进自组织特征网络的医学图像分割算法

为了提高医学图像分割精度,提出一种改进自组织特征网络的医学图像分割算法。首先采用小波包分解提取医学图像的特征,然后改进自组织特征网络建立医学图像分类器,实现医学图像分割,最后采用仿真实验测试算法的性能。仿真结果表明,本文算法不仅解决了传统医学图像分割算法存在的缺陷,提高医学图像分割的精度,具有较好的实际应用价值。     

结合背景抑制技术的FLIR图像分割

针对前视红外（ＦＬＩＲ）图像的分割,提出采用去中值波滤器进行预处理抑制背景、增强目标,进而利用基于模型的ＦＬＩＲ图像分割（ＭＢＳ）算法完成图像分割,从相容性向量及初始概率计算两方面对ＭＢＳ算法进行了改进．对实际红外目标图像分割结果证实该方法与ＭＢＳ算法相比,在低对比度、高噪声情况下能得到更为精确的分割结果,同时能极大地降低了背景干扰     

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．     

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。     

结合梯度重建和非线性处理的语义图像分割

语义图像分割是进一步图像分析与理解的重要基础,本文面向语义分割,针对传统分水岭分割算法对噪声敏感、易于产生过分割等问题,研究了一种结合梯度重建和非线性处理的图像分割方案.首先提出了基于形态学的开闭二次重建获得形态梯度图像的方法,然后对其进行阈值变换,以抑制噪声引起的明暗细节,之后进行给定尺度等级的非线性划分,以降低目标和背景内部细密纹理的影响,而后,采用了一种改进的分水岭浸没标记算法进行分割.实验结果表明,与传统算法和Matlab工具箱中算法相比,本文算法获得了更为理想的分割结果.     

面向图像语义分析的JSEG改进分割算法

JSEG算法是一种经典的被广泛应用于图像处理的图像分割算法,但是它存在着严重的过分割问题,因而不适用于对图像的语义分析处理。针对这个问题提出了两个方面的改进,一是改进了原算法中初始种子点的选取方法,二是在区域聚合过程中增加考虑了区域纹理特征的信息。实验表明,改进后的方法有效地改善了原算法中的过分割现象,分割后的图像区域更加符合对图像进行语义分析的要求。     

基于改进遗传算法的最大2维熵图像分割

为了解决传统最大2维熵分割算法计算量大、耗时较多等缺陷，提出一种基于改进遗传算法的最大2维熵图像分割法。通过对遗传算法变异操作方式进行改进，提高遗传算法寻找最大2维熵分割阈值的速度，加速分割算法对图像的分割，并进行了仿真实验验证。结果表明，改进模型的运行时间被压缩到了0.95s，远远低于传统的最大2维熵分割法。改进的分割方法实现了分割效率的提高，同时也保证了图像的分割精度。     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

基于深度学习的零件实例分割识别研究

本文在参考前人研究结果的基础上,提出了一种以Mask-RCNN框架为基础构建的零件识别方法,该方法不仅具备了运用卷积神经网络提取零件图像特征和对图像微调Mask-RCNN网络进行数据标注等功能,同时还能生成相应的Mask分割掩码,对零件进行全方位的实例分割。有效增强了零件识别工作的及时性、全面性以及准确性。此外,该零件分割方法还能通过增强数据集数据、划分K折交叉验证等方式提升模型的鲁棒性,有效弥补了传统零件识别方法中存在的不足。仿真实验结果显示：基于上述理论构建的实例分割方法,具有显著的可行性和准确率,可在今后的工作中不断推广和使用。现将相关研究结果总结于下文,以供各位读者参考。     

基于改进Markov随机场的高分辨率SAR图像建筑物分割算法

提出了一种基于改进Markov随机场模型的高分辨率SAR(Synthetic Aperture Radar,合成孔径雷达)图像建筑物分割算法.针对高分辨率SAR图像信噪比低和建筑物复杂纹理特性的特点,采用多尺度Markov随机场模型的最大似然准则方法获取图像的初始分割,并在传统Markov邻域能量模型基础之上提出一种新的基于Gabor纹理相似度的邻域势函数模型,采用ICM(Iterative Conditional Model,迭代条件模型)算法进行建筑物分割.多组实际高分辨率SAR图像的实验结果表明,与传统MRF算法等方法相比,本文方法具有更高的分割正确率,同时建筑物边界更为清晰平滑,分割效果较好.     

融合纹理特征与螺旋状搜索聚类的超像素分割算法及应用

针对传统SLIC(simple linear iterative clustering)超像素分割算法没有综合考虑图像的纹理信息特征,导致对边缘信息较强和纹理复杂的图像进行超像素分割时,出现边缘检测不灵敏,分割效果不理想的问题.提出了把原图像先经过噪声抑制提取出纹理特征分量,构建以颜色特性、纹理特征和空间位置特征相融合的相似性度量方法.改进后的方法提高了边缘检测的灵敏度,增强了算法在对边缘信息较强和纹理复杂图像进行分割时的鲁棒性.另外,提出利用螺旋线状的搜索方式进行聚类,加速了算法的收敛速度,提高了分割效率.改进后的方法在BSDS500公共数据集上进行了实验,结果显示改进后的方法在边缘召回率、欠分割错误率、可完成的分割精度以及算法运行时间四项指标上优于传统算法.