一种基于矢量阈值的自适应图像分割方法

针对灰度图像,提出一种基于空间特征矢量的图像分割方法,分割前首先对边缘进行增强处理,并构建以像素的灰度、梯度、像素邻域均值为特征的三维特征空间.将图像像素点引入对应于空间特征点.通过计算像素特征矢量与特征矢量阈值的差矢量,求出矢量差与特征矢量阈值的夹角,比较夹角与动态分割参数的关系,以判定像素所在区域(目标或背景).实验表明,该方法能较快的实现图像分割,分割的效果也较好.     

一种改进的CV水平集图像分割方法

由Chan Vese提出的水平集图像分割模型可以不依赖于图像的边缘信息而对弱边缘以及含有内部轮廓的图像具有良好的分割效果.但对于背景图像灰度包含两个及以上等级分层时,图像分割得不到准确的结果.提出一种新的基于C V模型的改进算法,该算法引入了快速C V方法的思想,融入全局梯度信息以及目标的先验知识.实验结果表明,该方法能够很好地分辨出背景图像复杂灰度包含多个等级分层的目标区域轮廓且具有良好的适应性.     

基于水平集方法的肿瘤图像识别

图像处理在计算机辅助医疗诊断系统中有着广泛的应用,本文在水平集方法的基础上,提出了一种肿瘤图像识别方法。首先,采用改进的水平集方法对肿瘤图像进行分割,获得肿瘤轮廓特征;其次,提取肿瘤的轮廓特征参数,对贝叶斯分类器进行训练,然后用训练的分类集进行肿瘤良恶性分类识别。通过对CT图像的肝脏肿瘤进行良恶性诊断,显示所开发的计算机辅助诊断系统是有效的。     

基于改进的水平集模型工业零件图像分割方法

随着计算机视觉技术发展,工业机器人的智能化水平越来越高.从只能完成定点定向的动作,到可以根据其搭载的摄像头来自主地识别零件并对其进行定位.利用图像处理技术可以进一步提高其识别速度与抓取精度,提高生产力水平.本文提出了一种改进的水平集模型,首先定义以图片宽度的2/3为半径,图片中心为圆心的圆作为曲线演化的初始轮廓,让曲线以向内运动为主;接着,使用图像边缘标记函数,通过优化控制函数迭代速率的参数与影响模型对噪音敏感度的参数,提高了曲线的演化速率,最后使用改进的距离正则化水平集方法将曲线演化至目标物体边界,实现对图像的分割.仿真实验表明,该方法能有效检测出图像中单个及多个物体的边界,提高了边界的定位精度,且有较快的运算速度.     

一种改进的C-V水平集遥感图像分割方法

针对遥感图像边界模糊分割难的问题,提出了一种改进的基于小波变换的C-V水平集分割方法提高其分割准确性.该方法首先使用小波变换得到原图像的高频分量,初步定位图像中高频信号的空间位置;然后根据高频分量的幅值及其空间分布,借鉴反锐化掩模法的思想,增强图像高频信号对水平集分割的指导作用,并优化驱动水平集演化的内、外能量及曲线长度约束能量.实验证明,运用该方法对遥感图像的分割结果比传统水平集方法更准确,能有效的利用局部信息提高水平集能量项的有效性和分割结果的准确性.     

基于水平集方法的医学图像分割

针对水平集方法处理曲线拓扑结构变化能力强,但分割图像时运算效率低的情况,提出将水平集方法和快速步进法相结合应用于医学图像的分割。该方法解决了水平集方法运算效率低、快速步进法易产生过分割的问题,使得图像分割的速度得以提高,分割效果也比较理想。该方法成功的用于头骨CT图像和肝脏CT图像的分割,分割效果较好。     

生物细胞图像阈值分割方法研究

阈值法是最基本的图像分割方法之一,被应用于很多领域,特别是在图像相对简单的生物图像处理方面得到了广泛使用。介绍了运用计算机对生物细胞图像进行处理和分析,能在一定程度上协助医生对病症的诊断。     

一种基于交互式快速水平集的阴影图像分割算法

因受光源等条件的影响,采集的原始图像常常存在着阴影,用传统的水平集方法分割图像,常把阴影误认为是目标．以带阴影的栗属（板栗）果实图像为例,提出一种交互式快速水平集方法实现图像分割．实验结果表明：该算法能够得到正确的阴影图像的分割结果,具有更佳的图像分割性能．     

一种改进的变分水平集车辆检测技术

针对传统运动目标检测算法存在适应性差、对噪声较敏感等缺点,提出一种基于变分水平集快速提取边缘模糊运动目标的方法。该算法利用主动轮廓模型进行边缘检测约束,并结合变分水平集方法进行二次演化获得准确的图像分割。实验证明,该方法能够快速准确的分割运动目标,对于复杂环境有较好的适应性和鲁棒性。     

基于AOS格式的水平集快速分割模型

针对C-V图像分割模型提出了一种快速分割模型。首先引入一种新的内部能量函数,即以水平集函数与距离函数的偏差作为能量函数,无需重初始化水平集函数,且初始水平集函数可以用一般的分段函数来定义,节省了初始化和重初始化过程所消耗的时间。其次计算格式采用AOS格式,该差分格式无条件稳定。实验结果表明了该分割模型的有效性。     

基于神经网络的灰度图像阈值分割方法

对于一幅目标区域和背景区域在灰度上有较明显差异的图像,为了把目标从背景中分离出来,常利用直方图谷点作为分割阈值来分割图像.本文采用一种基于神经网络的线性搜索的方法来确定直方图的谷值可以得到最优的阈值来分割图像,克服了用常规的极小值阈值法确定的极小值不稳定和不可靠的缺点,并对实际图像进行分割处理.实验结果表明采用这种新方法来搜索谷值可以得到全局极小值,用于分割图像可以把目标从背景中分离出来,并取得了满意的结果.     

基于水平集方法的胎儿3维超声图像交互分割算法

针对目前胎儿3维超声成像主要靠经验丰富的医生手动方式来分割母体部分的不足,提出了一种基于水平集演化的3维超声图像交互分割方法.该算法通过构造基于梯度方向和大小的演化控制函数来找到处于零水平集的物体边界,为了将水平集方法应用于3维超声,提出窄带方案将演化过程限定在与初始态曲线等距的2条曲线中,而不是在每次演化中更新3维图像中的每个点,提高了分割的速度和精度.实验中使用2种不同来源的超声图像集,它们是来自于不同位置、不同方向、不同时期的胎儿30幅图像.结果显示,该方法能对3维胎儿超声图像进行快速准确的分割,在处理器为dualcore 2.0 GHz的机器上能在5 s内完成对像素大小为255×255×128的图像进行分割.     

一种快速、准确的图像阈值分割新方法

图像分割是数字图像处理系统中基本而关键的技术。通过阈值分割是其最简单的技术,它假设目标和背景是可以分离的．本文将自适应遗传算法与OTSU算法相结合应用于最佳阈值的确定中,提出了相应的算法并用于图像分割,仿真结果表明,该方法不仅可以实现准确的图像分割,并且使得分割速度大大提高。     

基于水平集的人脑MR图像分割方法

为了更好地对解剖结构和形状复杂的非均匀分布人脑图像进行分割,在水平集Chan-Vese模型的基础上引入Otsu技术,给出了基于水平集的人脑磁共振(magnetic resonance,MR)图像分割方法.该方法利用Heaviside函数描述区域内图像分布信息,通过最大类间方差来反映区域间图像分布方差信息,2部分信息经融合后构建新的能量函数,以引导图像分割过程,最终得到所期望的人脑图像分割结果.采用2个数据集提供的人脑图像数据进行实验,结果表明:所提方法在相似性度量和正误率度量方面,与其他方法相比都有明显的优势,可以很好地实现人脑图像的分割.     

基于模糊自适应共振理论的图象分割

提出了一种基于模糊ＡＲＴ神经网络的灰度门限化图象分割方法,该方法不仅可以自动确定分类数目,而且还能有效抑制噪声,对人工和实际图象的分割实验结果验证了本方法的有效性。     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。