显微细胞图像的自动分割

由于细胞组织本身的复杂特性以及显微镜的影响,细胞图像的分割成为图像分割中的一大难题,考虑到边缘检测可以准确的为分割提供边缘点,提出了基于区域一致性测度的边缘检测算法,针对细胞图像的特点,实现其初始轮廓的自动获取,运用活动轮廓模型对初始轮廓进行优化,从而达到在大样本条件下直接对彩色细胞图像自动分割的目的。     

基于边界定位技术的半自动图像分割

手机动漫产品的主要受众包括大中学生、在职青年等人群,他们追求时尚、新鲜,乐于亲自动手,通过易学易用的工具改变自身形象,更乐于善意地搞怪他人.文章所介绍的图像切割与粘贴自动化的方法旨在用于动漫人物的创作,以期帮助年青人实现洋溢的创作欲望,创作出众多在亲友间间流传的有趣图像.该方法的实现过程为首先对图像实施边界定位,然后将...     

基于MSP-ROA边缘检测和区域合并的图像组合分割方法

提出一种基于MSP-ROA边缘检测和区域合并的图像组合分割算法，算法中对边缘检测的结果做种子生长、标注和区域填充，并根据相似性准则对填充的初始分割结果进行相邻区域的合并处理，最终得到同质性和连通性都较好的图像分割结果。     

基于凹点匹配的重叠图像分割算法

针对图像处理中多个颗粒重叠的问题,提出了1种利用重叠区域边界寻找凹点来分割重叠图像的算法。算法利用Canny边缘检测获得重叠区域的边界轮廓,对于边缘检测所得边界存在断裂的情况,首先进行连续边界轮廓的恢复;然后在获得的连续边界轮廓上寻找凹点,将相邻的凹点视为1个凹点群,取其中凹陷最显著的点作为待匹配凹点,并赋以一定的权值;再根据凹点匹配条件对待匹配凹点进行匹配,将成功匹配的凹点对作为分割点对。对多幅模拟图像和PTA晶体图像的分割结果表明,算法不仅适用于颗粒形状规则、大小差异较小颗粒的重叠情况,对于狭长颗粒和大小差异明显颗粒的重叠情况也有良好的分割效果。     

对图像分割技术的研究与实例图像测试

图像分割是图像处理中最基本和最重要的技术,是任何理解系统和自动物体识别系统必不可少的一个重要环节,其目的是把图像空间分割成一些有意义的区域.文中主要对图像分割的两大类方法--基于边缘检测的方法和基于区域生成的方法做了详细介绍,提出并实现了基于新判别式的区域生长的改进算法.最后分别用这两种方法对实例图像进行了测试,取得了理想的区域分割效果.     

基于边缘检测的图像分割技术浅析

图像分割是图像处理技术中的难点之一,多年来一直受到广大研究者的深入探讨。新的分割算法层出不穷,但是目前提出的算法,几乎都是针对具体的分割对象,而没有一种可以适用于所有情况的分割方法。边缘检测技术是图象处理中重要的一个关键步骤,本文将阐述基于边缘检测的图像分割技术背景,边缘检测的相关技术,同时对图像分割技术的发展进行展望。     

对图像分割技术的研究与实例图像测试

图像分割是图像处理中最基本和最重要的技术,是任何理解系统和自动物体识别系统必不可少的一个重要环节,其目的是把图像空间分割成一些有意义的区域。文中主要对图像分割的两大类方法———基于边缘检测的方法和基于区域生成的方法做了详细介绍,提出并实现了基于新判别式的区域生长的改进算法。最后分别用这两种方法对实例图像进行了测试,取得了理想的区域分割效果。     

基于最大内切圆的肝影像自动分割方法

针对肝脏区域提取中的手动选择种子点以及提取时的准确性和完整性问题，提出了一种基于最大内切圆的肝影像自动分割算法。采用最大区域面积测量法锁定二值化后的肝脏区域，通过寻找锁定肝脏区域的最大内切圆的圆心来自动获取种子点位置；采用改进的区域生长算法进行图像分割。实验结果表明，该方法有效地解决了区域生长的种子点手动选取问题，并且能够精确、完整地分割出肝脏组织，避免了受主观因素影响而将种子点选取在边缘或噪声等错误位置。     

跨媒体信息检索中图像分割技术研究

图像处理和分析的关键步骤是图像分割。本文从图像分割的算法和原理着手,分别介绍了几种常用的图像分割技术:边缘检测法、域提取方法、阈值分割法和结合特定理论工具的图像分割法。并对各种算法进行比较分析,找出各种图像分割方法的优缺点和应用范围。     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

基于改进的JSEG算法的图像分割

针对JSEG算法在图像分割中出现的明显过分割现象,提出一种基于边缘信息的JSEG[1]改进方法。该方法首先将图像的颜色空间转换为LUV颜色空间,用PGF（Peer Group Filtering）[2]算法对图像进行平滑去噪,用分裂算法确定图像的类数,用GLA（Generalized Lloyd Algorithm）[3]算法完成量化,生成＂类图＂。然后计算每个像素的J值,并利用Canny算子检测的边缘信息,对J值进行修正,计算每个像素的局部相似程度,并在不同的尺寸下构建J图像,这样就能反映出最有可能的边界位置。最后在J图像上进行种子区域增长,直到获得最终的分割结果。实验结果表明该方法可以有效地改善JSEG算法在图像分割中存在的过分割现象。     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

基于局部密度和偏移量的图像自动分割算法

图像分割是计算机视觉领域的传统问题,也是图像分析和模式识别的关键组成部分。提出了一种不依赖于图像分割数参数的图像自动分割算法。基于超像素间的测地距离,根据其定义的局部密度和偏移量,结合K-S假设检验来分析图像最佳分割数,并给出了图像自动分割算法。大量图像分割的实验结果表明:该方法可以准确地对图像进行自动分割,达到了较好的分割效果,相比其它方法,速度更快。     

多颜色空间上的交互式图像分割

介绍了视觉颜色空间及其在交互式图像分割中的作用,实验分析了它的奇异性,在此基础上,考虑像素的空间和色彩分布,提出了基于区域生长法的多颜色空间、多度量准则的聚类算法和零碎区域的合并算法,颜色空间选取HSL和RGB两种,相似性度量包括了种子点、扩张点和生长区域三个方面,并用于敦煌壁画图像的分割。     

基于图像内容的沥青路面病害区域分割算法

针对CCD采集的沥青路面病害图像分辨率过高且含信息的有效区域占比少的问题,提出一种基于图像内容的沥青路面病害图像区域分割算法,以剔除路面图像中的无效区域.首先通过预处理和病害提取过程将原图像处理成包含病害特征的二值图像;然后通过计算整幅图像中含信息像素的上下比和左右比,得到初始化遍历方向,并统计各行（或列）的含信息像素总数;最后从初始化遍历方向开始遍历并丢弃含信息量最少的行（或列）,最终得到分割后的图像.为验证算法的有效性与合理性,采用图像信息熵作为算法评价标准与传统算法进行对比分析.实验结果表明：本文算法在有效降低图像分辨率的前提下能很好的保留病害目标信息,提升图像信息熵.     

一种基于类推思想的图像分割方法

论文结合图像类推思想提出了一种图像分割的新思路。图像类推技术是一种基于学习的思想。论文利用图像自身的特性构造训练集合的源图像对,并学习他们之间的关系,达到图像分割的目的。实验证明基于类推思想的图像分割可以得到满意的分割效果。     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

基于人工生命的医学图像自动分割蠕虫模型

构造了一种具有初步生命特征的可变形模型——蠕虫模型．该模型包含神经中枢、视觉、触觉和运动系统,具有记忆、认知和支配躯体运动等功能;能智能地处理多种复杂情况,利用综合信息进行图像分割,具有常规图像分割方法不具备的能力．应用实例表明,该模型可以将胼胝体从二维MR矢状位图像中自动、完整地分割出来．对于边界有间断的较复杂的图像,该模型的优势更加明显．     

基于随机区域合并的自动彩色图像分割算法

针对彩色图像分割精度不高的问题,提出了一种具备多尺度空间约束的自动彩色图像分割算法。基于改进的随机区域合并方法,该算法首先实施双边分解并执行基于多通道信息和多尺度梯度的过度分割;然后,在CIE L*a*b*颜色空间中使用规范化的颜色直方图来表示每个子区域,构造一个基于过度分割结果的区域邻接图;最后,在区域邻接图上执行具备空间约束条件的随机区域合并策略,为每个尺度构造一张分割图。在BSDS图像数据库中进行 对比实验,结果表明,在直接视觉对比和量化分析上,相比现有的分割算法,所提方法表现出了更好的分割效果。