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。     

改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明：与传统分水岭算法相比,该算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域。     

改进分水岭医学图像分割方法的研究

针对分水岭分割算法极易出现过分割现象这一弊端,对传统分水岭算法进行了改进,提出了一种新的基于阈值标记法的分水岭医学图像分割方法。其中采用最大熵阈值法来提取图像内部标记,对内部标记进行分水岭变换得外部标记。用内、外标记修正原始梯度图并作分水岭变换,所得的图为最终的分割图。实验发现,该方法对于抑制过分割是有效的。     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

一种基于标记的分水岭图像分割新算法

为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。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,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,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分水岭算法的过分割问题。     

结合各向异性扩散和分水岭算法的图像分割

传统分水岭算法受到噪声干扰时容易出现过分割现象，为了抑制噪声的同时尽可能多地保留住图像边缘信息，提出了一种基于各向异性扩散的分水岭分割算法。首先对原始图像进行滤波操作，传统P-M算子通常人为设定固定边界阈值，容易丢失细节信息，应用梯度模的变化设定阈值并连结图像结构张量形成一个扩散函数，边缘处沿切线方向扩散易于保留边缘细节，平坦处具有各向同性易于平滑噪声，这样保证了良好的分水岭结构。其次对图像的梯度信息进行计算，为了使梯度信息得到补偿，采用数学形态学的开闭运算对图像梯度信息进行处理。然后运用形态学极小值标定方法标记处理后的图像局部极小值，最后用分水岭算法对图像进行分割。实验对无噪声图像和加噪声图像进行分割，结果表明该方法具有良好的分割效果，尤其对噪声图像有较好的鲁棒性。     

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。     

基于自适应标记提取和能量方程的分水岭算法

针对传统分水岭算法的过分割问题,提出一种基于自适应标记提取和能量方程的改进算法。根据图像中的边缘信息和图论方法,得到最短边缘路径,从而自适应地提取出区域标记,进行分水岭变换,用提出的能量方程实现区域合并。利用医学细菌图像对提出的算法进行验证,实验结果表明该算法能有效解决分水岭算法的过分割问题,得到很好的分割效果。     

基于相关特征约束的分水岭路面裂缝图像分割算法

针对路面裂缝图像的分割问题,提出一种相关特征约束的分水岭分割算法。该算法基于形态学分水岭思想,为了解决分水岭过分割问题,分析了裂缝图像狭长山谷的特点,选择从梯度图像的高频成分中提取与裂缝特征信息相关的局部极小值,从而约束伪极小值的出现,再对原始梯度图像强制标记,消除了过分割现象。同时解决了在消除过分割时边缘信息被滤除的问题,保留了细微有用的边缘。实验表明,该算法分割出的路面裂缝图像准确清晰,有效降低了过分割现象。     

基于极小值跟踪法的水线变换图像分割

提出了一种基于极小值跟踪法的水线变换图像分割方法。针对水线变换中的过分割及水线漂移的问题,该方法用形态闭求得图像的凹谷,对所得的凹谷图像采用极小提升法,以减少凹谷图像中的极小值的个数,然后跟踪极小值在原凹谷图像中的位置,根据标记对原凹谷图像进行测地重建后,采用水线变换进行分割。实验结果表明,该算法可以有效地解决地分割及水线漂移问题,改善分割质量。     

一种改进的细胞图像分割算法的研究

针对细胞图像的特点,提出一种改进的基于分水岭算法的细胞图像分割方法。在该方法中．对细胞图像进行数学形态学变换,即采用Top—hat变换后的图像与原始图像相加再减去Bottom—hat变换后的图像以得到最大对比度的图像．继而进行距离变换,最后运用分水岭算法进行分割。实验证明,该改进方法能够得到较好的分割结果。     

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。     

基于特征模糊推理的形态学颗粒分割算法

针对粘连或重叠颗粒图像的分割问题,提出了一种基于特征模糊推理的局部形态学重构参数计算方法,对传统的距离变换结合分水岭的算法进行了改进。在传统距离变换结合分水岭方法的基础上,将颗粒图像划分成若干连通区域,每个连通区域单独处理,使用形态学局部重构的方法抑制分水岭的过分割现象。通过对距离图像连通区域极大值进行统计分析,提取该连通区域的颗粒形态特征。将颗粒形态特征作为模糊输入,重构参数特征作为模糊输出,使用模糊推理方法自适应地计算重构参数,解决了重构参数选取的不确定性问题。最后对重构图像进行分水岭变换得到颗粒分割图像。实验结果表明,该方法对各种粘连状态的颗粒分割效果良好,克服了传统方法的过分割与参数自适应选择的问题。     

基于多尺度形态学融合的分水岭图像分割方法

提出了一种基于多尺度形态学融合的分水岭图像分割方法，采用多尺度结构元素对输入图像并行滤波，并对结果图像进行基于小波变换的图像信息融合。针对小波分解的不同频率域，选择不同的融合规则，既抑制噪声又保持目标轮廓信息。最后，采用最大熵法自适应确定算法的初始阈值，并给出一种有效的区域合并方法来优化分割结果。实验证明，采用此分割方法可以获得较好的分割结果。     

基于小波变换的多分辨率图像分割

基于多分辨率分析的图像分割技术是当前图像处理的重要内容。该文介绍了基于小波变换的多分辨率图像分析和分水岭分割算法的综合分割方法。小波变换的多分辨率应用可以有效地减少分水岭算法图像过分割现象;给出了低分辨率下的分割图像到高分辨率图像层上的映射策略,完成了图像从粗糙到精细分割,从而保证了分割准确性,降低了分割的复杂性和计算量。分析了形态学滤波器降低图像噪声和保护图像中对象边界的处理方法,进一步减少了图像过分割的现象,提高了图像分割效果。经实验证明该方法的有效性。     

改进分水岭算法的彩色图像分割技术

针对传统的分水岭变换可能产生严重的过渡分割,提出的分水岭变换算法在梯度图中去除了无相关点,用梯度临界值控制分割函数式。实验结果显示该算法对具有不同特征的图像均可有效地改进分割的精确性。     

基于标记分水岭的植物重叠叶片改进分割算法

针对番茄穴盘幼苗的重叠叶片,提出一种基于HOG描述子的改进标记分水岭分割算法。首先,利用超绿变换和最大类间方差法分割叶片区域和背景区域,确定叶片分割的总体轮廓;然后利用形态学彩色图像梯度计算方法计算图像梯度;再借助图像梯度的HOG描述子,筛选出有叶片边缘的区域和没有叶片边缘的区域,将没有叶片边缘的区域进行形态学操作后作为分水岭分割的标记;最后利用标记对图像梯度进行重建,执行分水岭分割,得到重叠叶片的分割结果。实验结果表明,该算法可以较为准确地选定分水岭标记和实现叶片分割,能够为穴盘幼苗分级研究提供支持。