基于改进分水岭算法的图像分割

为了改善经典分水岭算法的过分割问题,该文将图像中的噪声视为过分割的直接因素,针对人脑核磁共振图像提出了一种基于预处理的改进算法。首先应用数学形态学的开闭运算对图像进行滤波,再求取其梯度,然后依据内外标记对梯度图像进行修正,最后在修正后的梯度图像上实施分水岭变换。实验结果表明,该方法和传统分水岭算法相比较,能有效地抑制过分割。     

基于改进的自适应分水岭图像分割方法研究

研究图像分割中由于对噪声的抑制能力弱以及对大多数图像易产生过分割现象,从而导致图像分割过程中局部分割线产生偏移现象,进而使得图像分割变得困难.为解决上述问题,提出了改进的自适应分水岭图像分割方法.首先,对输入的图像进行自适应降噪滤波,以减弱因噪声干扰导致的区域极小值;然后,运用形态梯度算子对滤波去噪后的图像进行平滑处理,以减弱噪声对分水岭分割的影响;最后,对图像进行目标标记,用来屏蔽消除其它无用的极小值,仅允许标记过的极小值生长为分割区域并得到最终的分割线,达到最终分割出感兴趣物体的目的,仿真结果表明,与传统分水岭分割方法比较,缓解了分水岭算法过分割问题,增强分割算法的鲁棒性,优于一般的分水岭算法.     

一种融合分水岭与ISODATA的岩心图像分割方法

分水岭算法用于图像分割,能获得封闭的和位置准确的轮廓,但容易造成过分割;ISODATA算法能将岩心砾石颗粒聚集成一类,但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点,提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分水岭算法得到过分割图像,ISODATA算法得到聚类图像,然后以ISODATA算法聚类的结果为依据,校正分水岭法的过分割问题。该方法用于砾岩图像的分割,取得了较好的实验效果。     

形态分水岭算法在重叠米粒图像分割中的应用

在大米检测盘上的颗粒往往会出现紧靠或者重叠的米团,导致大米检测图像中常出现重叠大米区域,这给后续大米检测分析等工作带来了很大的困难;虽然传统分水岭算法是一种广泛使用的分割方法,将其用于重叠米粒图像分割可以克服由于米粒交叠造成的图像分析困难,但缺陷在于它的过分割结果。提出了一种针对分水岭过分割问题的形态分水岭算法,它结合形态学和传统分水岭变换的优势。实验证明该算法简单、分割粘连颗粒和抑制过分割的效果很明显,运算的速度也满足实际要求。     

一种改进型分水岭算法

本文在传统分水岭算法的基础上进行改进,对图像进行中值滤波和直方图均衡预处理以后,将梯度值经过阈值和尺度的非线性变换后的图像作为输入图像进行分水岭分割。本算法定义边缘准确、能很好地分割出图像的细节,不经过后续处理也能解决过分割的问题。     

分水岭算法在重叠细胞图象分割中的应用

分水岭算法是一种广泛使用的分割方法,将其用于细胞图象分割可以克服由于细胞交叠造成的图象分析困难,但缺陷在于它的过分割结果。本文给出一种针对分水岭过分割问题的解决方案,引入灰度差值图的概念,提出一种基于灰度差值图和距离图的变换,将变换结果作为分水岭算法的输入图象;最后对需要存在过分割的区域根据区域灰度性质合并过分割区域。     

分水岭算法在重叠细胞图象分割中的应用

分水岭算法是一种广泛使用的分割方法,将其用于细胞图象分割可以克服由于细胞交叠造成的图象分析困难,但缺陷在于它的过分割结果.本文给出一种针对分水岭过分割问题的解决方案,引入灰度差值图的概念,提出一种基于灰度差值图和距离图的变换,将变换结果作为分水岭算法的输入图象最后对需要存在过分割的区域根据区域灰度性质合并过分割区域.     

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。     

基于动态合并准则的分水岭算法在医学图像中的应用

针对医学图像的模糊特点和实际应用的要求, 提出了一种基于动态合并准则的分水岭分割方法。阐述了在分水岭算法的基础上做的一些改进，通过动态合并准则进行边分割边合并，有效地抑制了过分割现象。结果表明，该方法能够快速、准确地得到医学图像的分割结果，并且具有较强的抗噪声能力。     

基于分水岭算法的空间目标图像分割方法

自然背景复杂的纹理特征,使得自然背景下人造目标的分割变得困难.为了从空间背景下精确分割出人造目标,基于分水岭算法,结合形态学重建和分形理论,提出了一种改进的图像分割方法.首先利用形态学开闭重建运算对原始图像的形态学梯度图像进行重建,其次在原始图像中利用人造目标和空间背景的分形特性差异对目标进行标记,最后对重建后的图像采用分水岭算法进行分割,将包含标记的区域提取出来并进行合并,从而将人造目标提取出来.仿真结果表明了方法的有效性.     

基于SUSAN算子与分水岭算法的图像分割方法

针对分水岭图像分割算法中的过分割问题,提出了一种结合SUSAN算子和分水岭算法进行图像分割的方法.该方法首先用SUSAN算子对原始图像进行划分,检测出图像中不包含边界的区域,然后将检测结果作为标记符在梯度图像上进行标记,最后用分水岭算法对带标记的梯度图像进行分割.试验结果表明,该方法具有较好的分割效果.     

一种重叠红细胞图像的分离方法

细胞图像中经常出现重叠(或者粘连)现象,利用红细胞是近似圆形的这一先验知识,用粒度测量来获取红细胞半径R,对重叠区域轮廓上的每个非凹陷点,估计其所对应的圆心点,这些圆心点聚集成各个细胞的中心区域,对每一个中心区域,采用半径为R的圆形结构元进行一次膨胀操作,然后和原二值图像进行交集运算,将其结果作为对各个细胞形状的估计。实验结果表明,该方法能得到比较满意的分离效果,亦适用于其他近似圆形的细胞或者颗粒的重叠区域图像的分离。     

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。     

基于直观分水岭定义的图像分割算法

由Vincent与Soille提出的基于沉浸模拟的分水岭算法(以下简写为V-S算法)已经成为图像分割领域中最主要的数学形态学方法。虽然V-S算法被认为是目前最快的分水岭算法,但它仍然不能满足一些实时应用对分割速度的要求。为此,在V-S算法的基础上提出了一种新的图像分割算法。新算法采用了一种新的泛洪方法,它利用了二维图像中各像素点间的规则空间关系信息计算满足基本直观定义的分水岭。实验结果表明:新算法的执行速度大大快于V-S算法,而分割效果与V-S算法相当。对新算法、V-S算法和两个分水岭定义之间的关系也作了讨论。     

基于形态学的显微细胞图像处理与应用

为提高医学诊断的准确率和效率,提出了基于形态学的显微细胞图像分析理论来完成对图像的分类、识别与分析.首先,对图像边缘检测算法及流域分割算法进行介绍,设计了完整的基于形态学的显微细胞图像处理方法,有效解决了图像处理中遇到的光照不均匀、染色产生的斑点等问题.然后,在图像分析阶段,把显微细胞图像形态学分析应用到血液病诊断中,同时做了细胞计数及形态参数提取并给出验证结果,最后再对细胞病医学诊断做了初步的理论尝试,研究结果与实际值相比误差小于3%.实验表明本文提出的图像分析理论在细胞病医学诊断上具有一定的应用价值.     

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。     

一种优化的并行流域分割算法

流域变换(又称分水岭变换)是数字形态学中用于图像分割的一种有效的方法.但是经典的流 域算法具有很强的递归性质,直接并行化效率很低.首先,分析比较了已有并行算法的优缺 点,然后从基于距离的流域变换定义入手,提出了一种优化的并行流域分割算法.该算法给 出了新的区域关系图的定义,并利用了基于下降距离的方法的局部性;通过引入伪种子点使 得各子域之间区域生长和合并的过程相对独立,基本消除了重复泛洪带来的开销;同时可直 接生成分水岭.实验表明,提出的算法在执行时间和可扩展性两方面都得到了优化,并拓展 了算法的适应性.     

一种基于改进分水岭算法的图像分割方法

使用分水岭方法对图像进行分割引起了人们的重视,但是在图像分割中,分水岭变换使用的是梯度图像,容易造成过度分割。因此首先对原始图像进行平滑,将平滑后的图像使用分水岭变换,同一标号的像素属于同一贮水盆地,而将距不同贮水盆地距离相等的像素标为分水岭点,这样就得到了图像的初始分割结果;最后应用灰度齐次性准则和边界强度准则进行区域的融合,从而解决了过度分割问题。实验结果表明,该方法得到了精确的、有意义的分割结果。