区域生长法在PCB元件分割中的应用

针对PCB图像中元件区域的提取,提出一种基于种子窗口和自适应生长阈值的区域生长算法,实现元件的自动分割.算法改进了以往区域生长算法中种子点的选取方法,并以初始种子点附近区域的统计值和已生长区域的特征相结合的方法自动确定生长阈值,分割过程兼顾元件的局部特征和全局特征.实验结果表明,基于种子窗口和自适应生长阈值的改进区域生长法具有较好的分割效果.     

基于2D熵阈值的铁谱磨粒图像分割方法

铁谱磨粒图像分割是磨粒自动识别的重要环节,其分割效果直接影响磨粒识别精度。铁谱磨粒形态千变万化,很难找到一种通用性强、算法快、精度高的分割算法,磨粒图像分割甚至比磨粒识别还困难,是磨粒自动识别与铁谱推广使用的瓶颈之一。该文基于二维直方图、二维熵概念,提出了一种快速二维熵阈值的磨粒图像分割算法,经实际工程应用表明,该算法具有很好的分割效果。     

基于自动多种子点的图像分割技术

在水面图像区域分割中,分别选用了自适应直方图阈值、边缘检测和区域生长的方法对倒影区域进行了分割,分析了3种方法的局限性,并结合直方图阈值和区域生长给出了一种自动多种子点区域生长方法。实验结果表明,该方法算法实现简单,能有效提高分割质量,达到了预期效果。     

应用区域生长的无人船红外图像精确分割方法

在分割红外图像的过程中,受热量传递方式的影响,像素点的特征较为模糊,导致分割后各部分的结构相似性有待提升。因此,提出应用区域生长的无人船红外图像精确分割方法研究。首先,通过离散处理的方式调整原始图像像素点排布方式。其次,利用脉冲系数的波动阈值范围约束离散程度,根据离散后像素点的灰度值特征实现降噪。最后,引入了区域生长算法,将图像中亮度最高的像素点作为种子点,通过构建n×n的矩阵遍历整个图像,当遍历区域内像素的灰度均值和标准差在自适应阈值范围内时,则将其作为种子点的生长区域,以此实现对图像的分割。实验结果表明,所提方法对不同质量无人船红外图分割后,对应的结构相似性稳定在0.82以上,明显优于对比方法。     

面向生物医学图像的交互式分割算法

结合阈值法和区域生长算法,提出一种面向生物医学图像的交互式分割算法。利用阈值法对图像中用户选取的感兴趣区域进行预分割,通过阈值分割得到的目标区域确定区域生长算法的种子像素与相似性准则,获得最终分割结果。实验结果表明,该算法简单快速、对生物医学图像可取得良好的分割效果。     

多阈值优化的交互式医学图像分割方法

交互式图像分割方法对边界模糊的医学图像进行分割时通常需要用户标记较多的初始种子或进行二次交互,这给用户带来不便.针对此问题,提出一种简化标记的多阈值优化交互式分割算法,该算法在GrowCut交互式算法基础上通过引入图像灰度直方图的多个阈值自动生成初始种子模板,并利用改进的细胞自动机迭代算法实现图像分割.算法简化了用户操作,提高了分割精度.算法应用于临床肝脏图像和牙茵斑图像分割,显示了良好的分割效果.     

一种新的肝脏CT序列图像区域生长算法

为了提高区域生长的分割精度,减少种子点选取对分割结果的影响和用户交互量。提出一种通过置信区间和区域竞争计算目标区域最优阈值区间,用于医学序列图像的区域生长分割算法。在方法上区域生长方法考虑的是图像的局部信息,而置信区间和区域竞争方法考虑的是图像的全局信息。该文的算法融合了两者的优点。通过在一张图片上选择目标对象和背景对象的多个种子点,实现了复杂背景下的序列图像分割。使用一组腹部CT原始图片进行的实验结果表明,算法在只需很少交互的情况下,有效地提高了分割精度。     

动态相对模糊区域生长算法

为了提高区域生长的分割精度和模糊连通度算法的运算速度,减少算法所需的人工干预和种子点选取对分割结果的影响,提出了一种融合区域生长和改进模糊连通度,并结合置信区间和区域竞争方法,用于医学图像分割的动态相对模糊区域生长算法.首先算法使用置信区间区域生长快速地得出初步的多个对象分割结果,然后利用置信区间的参数,对分割区域间重叠部分使用动态相对模糊连通度算法进行再分割.通过在大量医学图像上的实验,实现了复杂背景下的图像分割.实验结果表明,该算法所需交互少,并能提高分割精度和速度.     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。     

电力设备红外图像分割的自适应聚类区域生长法

为了提高图像分割的精度，提出一种自适应聚类的区域生长法。提出一种新的自适应聚类选种，实现种子点的自动选取。提出基于全局的灰度阈值和梯度阈值作为生长准则进行生长。利用形态学腐蚀去除小型电力设备的干扰。实验结果表明，与传统分割方法相比，该方法有效地提高了电力设备红外图像的分割效果，同时验证在不同噪声强度的干扰下，该方法具有良好的鲁棒性。     

基于SLIC和区域生长的目标分割算法

传统区域生长算法的分割结果依赖于种子点的选取,且图像自身的噪声以及灰度值不均匀等问题易在分割目标过程中形成分割空洞,针对以上问题提出了基于超像素的改进区域生长算法。采用拉普拉斯锐化,增强待分割目标边界,之后根据像素灰度相似的特征采用SLIC（简单线性迭代聚类算法）超像素分割将原始图像分割成若干不规则区域,建立不规则区域间的无向加权图,选取种子区域,根据无向加权图以分割好的不规则区域为单位进行区域生长,最后在分割目标边缘处以像素为单位做区域生长,细化边界。对比于传统区域生长算法,改进后的算法在分割结果上受种子点选取影响较小,且能有效地解决分割空洞等问题。对比于聚类分割,Otsu（最大类间方差）阈值分割法等典型算法,该算法在分割精度上具有明显优势。     

基于稀疏主成分分析和自适应阈值选择的图像分割算法

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法依赖于参数调整,但参数调整容易受到局部最小值的影响且需要耗费大量时间,从而降低了分割算法的质量和效率。为了实现图像分割过程中的自适应阈值选择,提出了一种基于稀疏主成分分析和自适应阈值选择的图像分割算法。该算法首先利用稀疏主成分分析感知图像的噪声水平以自适应去噪,其次通过二维直方图感知图像的主干区域内容以自适应获得全局分割阈值,然后通过移动平均法的局部阈值分割算法对图像进行分割,最后将全局阈值分割和局部阈值分割图像结合,从而获得最佳的分割图像结果。在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果,基于稀疏主成分分析的自适应阈值选择方法提高了图像的分割质量。     

融合色调统计特征的自适应区域增长算法

针对区域增长算法种子点选取及生长条件对分割效果影响大,但难以有效、准确确定的缺点,提出了一种融合色调、色调频度及其曲率的自适应区域增长算法(HARG)。通过曲率求取分割对象的色调频度曲线峰值,以峰值为中心进行加窗累加,当和值满足门限时,峰值作为区域增长的种子点,门限作为区域增长的生长条件。将算法应用于显微镜细胞图像的单个细胞内部分割,实验结果表明,HARG算法自适应确定了种子点及生长条件,能够实现多区域分割,分割精度得到改善。     

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。     

基于图象腐蚀和区域生长的矸石图象分割算法

在实际的矸石分选过程中,要求的目标主要是将大块的矸石分选出来。但是,在拍到的胶带运行过程图片中,往往夹杂着很多小的煤颗粒或是矸石颗粒,如果不滤除掉这些小的颗粒,会影响矸石分选的效果和效率。针对上述问题,提出了一种融合图象腐蚀和区域生长的矸石图象分割算法。该算法首先对采得的原始图象进行图象压缩,然后对压缩的图象进行直方图均衡化,通过设定合适的腐蚀半径对原图象采取图象腐蚀处理,并选择合适的种子和阈值对腐蚀后的图象进行区域生长,最后将处理后的图象和原图象做"与"运算,得到边缘清晰的大块矸石图象。仿真结果表明,该算法能有效分割出大块矸石,且经图象腐蚀后的区域生长阈值的取值范围明显变大,对其它边缘模糊图象具有一定的参考作用。     

根系CT序列图像区域生长分割的新方法

在对传统区域生长算法改进的基础上,针对原位根系CT序列图像的特点,提出了一种基于区域生长的植物根系CT序列图像分割算法。通过对208幅JPEG格式的植物根系CT序列图像进行直方图分析,确定植物根系区域的分割阈值范围,结合阈值分割实现改进区域生长法对单层根系图像进行分割得到目标区域。在此基础上,利用植物根系在介质环境中的空间连续性,进一步实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割。借助MITK（Medical Imaging Toolkit）工具箱对分割好的原位根系CT序列图像进行三维重建,对三维模型进行不同角度观测来判断分割的正确性。实验结果表明,该算法分割速度快、精度高,能够有效地去除CT图像背景中杂质像素,准确提取出植物根系目标区域。     

基于背景像素突变检测的交通标志图像分割

为了提高交通标志图像处理过程的效果与效率,根据交通标志图像色彩饱和度空间的灰度直方图中包含的点灰度与区域灰度信息,提出了一种有效确定交通标志图像全局分割阈值的算法。首先分析了基于交通标志图像色彩饱和度空间灰度直方图的一种倒溯标准差的变化规律;然后在此基础上提出了如何选取全局图像分割阈值的方法,并采集了大量交通标志图像进行实验验证,同时,与另外两种在HIS空间下常用的图像分割方法的分割效果进行了对比;最后对算法中的部分参数与实验结果进行了分析,并指出了下一步的研究方向。该算法是一种有效的交通标志图像阈值选取方法,可推广到图像处理其他方面的应用。     

Automated 3D region growing algorithm based on an assessment function

A new region growing algorithm is proposed for the automated segmentation of three-dimensional images. No initial parameters such as the homogeneity threshold or the seeds location have to be adjusted. The principle of our method is to build a region growing sequence by increasing the maximal homogeneity threshold from a very small value to a large one. On each segmented region, a 3D parameter that has been validated on a test image assesses the segmentation quality. This set of values called assessment function is used to determine of the optimal homogeneity criterion. Our algorithm was tested on 3D MR images for the segmentation of trabecular bone samples in order to quantify osteoporosis. A comparison to automated and manual thresholding showed that our algorithm performs better. Its main advantages are to eliminate isolated points due to the noise and to preserve connectivity of the bone structure.