改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。     

多分辨率下自适应阈值判定的分水岭车辆图像分割算法

针对分水岭算法产生过分割现象,提出一种基于自适应阈值判定分水岭算法的图像分割方法,首先对图像进行多分辨率小波分解,再在某一尺度下计算梯度图像,并对该梯度图像进行自适应阈值判别,最后使用分水岭算法进行图像分割。实验结果表明该方法能取得较好的分割效果,有效的降低了过分割现象。     

分水岭分割中的粘性形态学梯度修正

分水岭变换是一种有效的图像分割方法，但存在过分割现象，尽管应用预平滑处理可以减轻或消除过分割，但却容易使分割后的区域轮廓发生位置偏移，为此，文中首先对图像进行形态学梯度变换，然后运用粘性形态学运算对梯度图像进行地貌修正，在消除产生过分割的非规则局部极小值的同时，保持区域轮廓的位置不变，最后在梯度修正图像的基础上，运用标准分水岭变换实现图像分割。仿真实验表明，该方法不仅能有效地消除过分割，而且具有较强的区域轮廓定位能力。     

基于标记提取分水岭算法的医学图像分割

针对医学图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法．此算法埘分水岭算法进行厂两点改进：一是在预处理阶段,先对原始图像做腐蚀滤波和膨胀滤波处理,将原始吲像与腐蚀图像相加后减去膨胀图像得到合并图像,再对合并图像做开、闭运算,从而达到滤除原始图像中的噪声和非感知信息、保留原始图像结构信息的目的;二是在分割阶段,对开、闭运算后的图像进行分水岭分割,该分割由形态梯度计算、标记提取和分水岭分割二部分组成．改进后的算法因为无需进行分割后的区域合并处理,降低了分割的复杂性,同时能较好地抑制慨部医学图像中的过分割问题,并把图像中的病变区域有效分割出来．     

基于分水岭的粘连雾滴图像分割方法

针对雾滴图像中粘连雾滴的特点,运用基于距离变换的分水岭分割算法对粘连雾滴进行分割,对距离变换的算法进行优化,使该算法的效率得到提高,应用灰度重建方法避免雾滴图像过分割现象的产生。实例表明,该方法可实现对粘连雾滴的分割。     

基于分水岭和模糊 C 均值聚类的图像分割方法

针对分水岭算法对微弱边缘和噪声非常敏感、容易导致过分割现象的问题,提出综合运用分水岭算法和基于区域的模糊 C 均值聚类的图像分割方法.与单独使用分水岭方法相比,该方法不仅利用区域的灰度信息,而且考虑了区域间的空间信息.实验结果表明,本方法能有效地对图像进行分割,克服了分水岭算法的过分割问题.     

基于分水岭算法的绿色荧光蛋白图像分割

基于分水岭算法,提出了一种绿色荧光蛋白图像的分割方法．为了克服分水岭算法易于产生过分割的现象,本文主要从前期预处理和后期区域合并两个方面着手,结合了中值滤波、分水岭变换、阈值区域合并技术,运用MATlab软件,对绿色荧光蛋白图像进行分割,取得了良好的效果．     

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性;其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度;将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生;最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。     

一种改进的细胞图像分水岭分割方法

针对分水岭分割算法易产生过分割的问题,提出了一种改进的算法。通过灰度差变换对图像进行处理,然后用形态学方法消除细胞孔洞和杂质,最后再使用分水岭变换。实验结果表明:该算法比传统分水岭分割算法更准确,且具有一定的通用性。     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

基于改进的分水岭算法的图像分割

考虑到分水岭算法存在过分割问题,本文提出一种有效解决方法。在图像预处理过程中首先对图像进行中值滤波来消除部分噪声;然后采用形态学求梯度的方法得到原始图像的梯度图并对梯度图像进行开闭重建,在保留区域重要轮廓的同时去除了噪声和图像细节。在此基础上对重建后的梯度图像进行基于标记约束的分水岭分割。实验结果表明该方法能够较好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,降低了分割的复杂性。     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分剖的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于形态滤波和分水岭算法的硅片缺陷提取

针对硅片表面缺陷的特点,对其缺陷的提取技术进行了研究,采用了多结构元素的广义形态闭-开和形态开-闭滤波器,结合改进分水岭算法进行缺陷提取.滤波器对输入图像及滤波后图像的梯度图像进行平滑,实现消除噪声、简化图像、保持细节的作用.为了克服分水岭的过度分割问题,提出了改进的分水岭算法,利用区域强度准则和边界强度准则对过分割区域进行合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取与选择奠定了基础.     

基于分水岭和K-均值的半自动眉毛图像分割

为了从原始图像中快速、稳定地提取纯眉毛图像,提出了一种融合分水岭和K-均值算法的眉毛图像分割方法,即W-K算法.首先通过手工在眉毛图像上画上几条线标注部分眉毛点和非眉毛点,其次利用分水岭算法产生蓄水盆,再使用K-均值算法对蓄水盆进行聚类,最后通过眉毛点筛选实现纯眉毛图像的分割.实验结果表明,该方法在分割纯眉毛图像的过程中具有速度快、效果好的优点,可用于眉毛识别的前期预处理,并有助于提高识别结果的准确率.     

Hough变换和区域分离-合并相结合的分割算法

针对传统区域分离-合并算法中过分割的问题,提出一种基于边缘提取和区域分离-合并相结合的分割算法。即利用Canny算子对图像进行边缘提取,得到边缘像素集。然后将像素集作为边缘线,采用区域分离-合并算法进行图像分割。由于Canny算子所提取的像素集是不完整的,所以需要用Hough变换对其进一步完善,得到连续的边缘线。该算法能够提高区域分离-合并算法的精确度,较好地解决其过分割的问题。实验结果表明,该算法有效。