分水岭图像分割算法的研究

针对分水岭算法在对复杂粘连物体图片的分割过程中产生局部极值过多和分割后区域边缘不能准确定位的弊端,提出对要分割的图像做基于形态学的开闭重建运算;然后对图像的形态学梯度图像进行滤波重建,通过对梯度幅值图像进行修改,标记出要分割区域的最小值,过滤掉无关的较小值;最后运用分水岭算法对标记的图像进行分割,取得了较好的分割效果.     

基于模糊距离变换的岩心图像颗粒分割算法

岩心CT图像中相邻颗粒之间存在相互粘连,粒度参数分析等需要对粘连颗粒进行分割。结合岩心粘连颗粒的特性,提出一种基于模糊距离变换的改进颗粒分割算法。首先,对预处理后的岩心图像进行模糊距离变换并提取出距离信息的灰度图像,然后利用形态学膨胀重构方法提取标记作为后续分水岭算法的种子点,根据种子点采用一种基于测地重建的改进分水岭算法得到相邻种子点之间的分割线,最后完成粘连颗粒的分割。实验结果表明本文算法可以提高粘连颗粒分割的准确度并减轻分水岭算法的过分割现象。     

粘连棒材图像自动分割计数技术

针对棒材图像自动计数存在的问题,提出了一种粘连棒材图像自动分割计数技术。首先采用粒度测量术估计棒材图像尺寸半径分布,自适应地选取处理参数。然后提出了一种新颖的棒材中心区域标记方法避免了初始过分割标记,在此基础上又提出了强、弱粘连概念。根据强弱粘连的特点,提出两步标记策略。分类粘连图像、获取图像的初始标记。对强粘连形成的欠分割标记区域采用逐次腐蚀算法,结合棒材形状面积等知识进行识别,获得正确的图像标记。最后融合两步图像中心区域标记结果,采用基于标记的分水岭分割算法进行图像分割。实验证明,这种方法能准确分割粘连棒材图像,实现可靠的棒材计数。     

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。     

内皮细胞图像自动分割与荧光强度测量方法

针对内皮细胞提出了一种自动分割与细胞区域荧光强度测量方法。通过形态学重建和背景减除消除图像的光照不均匀背景;利用直方图均衡化进行图像增强;增强图像经自动阈值分割与形态学滤波得到二值化粗分割结果;在粗分割结果上利用形态学细化和分水岭算法获取前景与背景的标记点;结合增强图像的梯度及标记点,利用标记点控制的分水岭算法完成分割;最终通过求取分割所得细胞区域内的平均荧光强度完成测量。在实际图像上的实验结果表明,相比于直接使用阈值分割方法,所提出的方法能更准确地完成图像分割及荧光强度的测量。     

OpenCV分水岭算法的改进及其在细胞分割中的应用

分水岭算法是一种基于形态学的图像分割算法,能快速准确地确定连通区域的边界.将基于标记的分水岭算法用于细胞图像的分割,较好地解决了粘连细胞的分割问题.在该细胞分割算法的实现过程中,发现了OpenCV分水岭算法实现的缺陷,通过对相关代码的分析,发现该缺陷存在的原因是算法流程中对相邻像素相对关系的描述存在问题.将OpenCV分水岭算法中对相邻像素取差的绝对值,改为对相邻像素取差值,对该算法进行了改进.实验证明,改进后的OpenCV分水岭算法对细胞图像的分割效果明显好于直接使用OpenCV分水岭算法得到的结果.该方法在不影响分割速度的情况下,提高了OpenCV分水岭算法分割的准确度.     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

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。     

基于分水岭算法的作物病害叶片图像分割方法

为了提高作物病害叶片图像分割的准确性,采用了一种改进的基于标记的分水岭图像分割算法。首先,通过对二值图像进行距离变换和分水岭分割来获取背景标记,并通过提取数学形态学重建后的梯度图像中的区域极小值得到初步的前景标记,接着对前景标记进行进一步过滤,消除部分伪前景标记;然后,通过强制极小值方法将背景标记和前景标记叠加在梯度图像上;最后,对修改后的梯度图像进行分水岭变换。采用该方法对多幅黄瓜病害叶片进行图像分割,实验结果表明:该方法能够较好地将病斑部分分割出来,分割结果不受叶片纹理的干扰,平均分割正确率能够达到90%以上,具有一定的有效性和实用价值。     

基于分水岭变换的粘连颗粒图像分割方法

提出了一种基于分水岭变换的粘连颗粒图像分割方法. 首先对图像进行预处理,进行二值化;然后通过距离变换和灰度形态重构得到每个目标的种子区域（目标标记）;再根据目标标记使用强制最小技术修正距离变换图;最后,对修正后的距离变换图进行分水岭变换,得到分割结果. 在Matlab环境下进行实验,结果表明该算法效果良好,能有效的抑制过分割.     

基于数学形态学的灰度图像连接物体分割方法

由于噪声的存在以及连接物体的特点,传统的标记分水岭算法对包含连接物体的灰度图像很难取得满意的分割结果;特别是在背景并不连通的情况下,误分割更为常见;在标记分水岭算法的基础上,提出了一种连接物体分割方法;将属于鲁棒统计的Hough变换用于提取物体标记扩展了标记分水岭算法的应用范围;针对在分割连接物体时,由于背景并非连通,因此允许背景被分别标记,并通过一个后续滤波步骤用以剔除分割后图像中的背景部分,从而得到精确的分割图像;试验证明该算法运算速度快,鲁棒性好,具有广泛的应用价值.     

基于形态学及区域合并的分水岭图像分割算法

针对传统分水岭算法在图像分割过程中的过分割问题,提出了基于形态学标记及MSRM的分水岭改进算法。利用形态学混合开闭运算实现图像重建,采用Laplace锐化强化图像边界,其次标记目标物和背景,修正幅值图像,经分水岭变换实现图像的粗分割,然后利用MSRM区域合并法实现目标物和背景的有效分割。对比聚类分割和基于H-minima标记的分水岭算法和Otsu类间最大间距算法,改进后的算法在分割效果、算法运行时间和分割精确度和召回率上具有明显优势,与上述其他算法在平均分割时间上提升3.86 ms,2.88 ms,5.64 ms。分割交并比IOU平均值96.42%,比其他算法平均值高出12.65%,2.77%和3.07%。     

条件颗粒分割方法研究

图像中两个物体的接触关系根据粒径可分为未接触、不同粒度物体的接触和同粒度物体的接触3种，接触物体根据接触部分的大小又可分为强接触、中等接触和弱接触。对接触物体的保形分割应该是使分割后物体恢复原来的形态，鉴于流域分割、测地重建等算法在分割接触物体时，不但对物体形态产生破坏和受干扰因素多，而且对于计算接触面积大小的问题，以上算法也不易实现，为此，提出了条件颗粒分割方法，即在数学形态学开运算过程中，对标定区域腐蚀后，不再做膨胀运算，就直接在保形的基础上，对不同粒度的物体进行分割，而对于同粒度接触的物体，则先通过腐蚀后，再做一次特殊条件颗粒分割来得到小粒度(条带)部分，再进行复原就是目标物体的接触部位。最后，介绍了此算法在岩石颗粒粒度分析及胶结类型划分方面的应用。     

基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法*

提出了一种基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法。该方法首先利用形态学开闭运算对原始图像进行平滑处理,再对梯度图像进行阈值优化,去除过多的区域极小值,然后利用分水岭分割算法检测目标,最后利用目标的面积和空间关系等特征去除少量误提目标。实验表明,新方法可以取得很好的效果。     

利用D-S证据理论的夜间车辆检测

为了有效检测夜间车辆,提出了一种利用D-S证据理论进行夜间车辆检测的方法。首先在YCrCb颜色空间中采用阈值法对道路场景图像进行分割得到明亮块,提取各个明亮块的轮廓,利用轮廓四邻域偏红度水平消除非尾灯等虚假目标。其次,使用尾灯聚类算法组合车灯对,得到车辆假设。最后,利用车辆车尾中车灯对的面积比、互相关值以及车灯对组合框长宽比等结构化特征信息来构建基本信任分配函数,运用D-S证据理论,融合这些特征信息得到总的信任度值,最终设立信任度阈值验证车辆假设。该方法减少了主观阈值的数量,可有效降低经验不足导致阈值确定不当的风险,提高辨别率。实验结果表明,该方法效果明显,提高了检测精度,减少了误判,同时提高了系统的鲁棒性。     

基于均匀性图分水岭变换及两步区域合并的彩色图像分割

提出了一种基于分水岭的彩色图像分割算法。首先采用同类组滤波技术对彩色图像进行保边缘的平滑,结合梯度图和二阶矩图提取一种反映了图像更精细局部信息的均匀性图,然后利用经典分水岭算法进行初始分割,分别就区域面积和Fisher距离分两步进行区域合并,结合信息损失和区域数目关系导出的颜色散度增量作为自动终止合并的策略。实验结果表明了该算法的有效性。     

基于数学形态学和区域合并的医学CT图像分割*

针对传统分水岭算法分割腹部CT图像存在的过分割情况,提出了一种基于形态学优化和区域合并的分水岭分割算法。该方法先利用多尺度数学形态学方法检测出梯度图像,并用形态学重构去除细密纹理和噪声引起的局部极值,然后进行分水岭变换。为了产生有意义的分割,采用简单的区域灰度均值对变换后的图像进行有效的合并。实验结果表明,该方法能有效解决分水岭算法的过分割问题,得到较好的分割效果。