自适应多尺度Canny边缘检测

Canny边缘检测算法中有个可以改变的自由参数,该参数具有内在的尺度意义。根据图像自适应地确定该参数所在的尺度集合,在每个尺度上进行Canny边缘检测,然后组合它们的输出结果以获得理想的边缘。自适应多尺度Canny边缘检测算法可以得到抗噪性能和细节保持兼顾的良好边缘。实验结果表明,与Canny边缘检测相比,该算子检测的图像边缘比较清晰,具有较高的信噪比,而且用来检测含白噪声图像的效果也相当理想。     

自适应多尺度Canny边缘检测

Canny边缘检测算法中有个可以改变的自由参数,该参数具有内在的尺度意义。根据图像自适应地确定该参数所在的尺度集合,在每个尺度上进行Canny边缘检测,然后组合它们的输出结果以获得理想的边缘。自适应多尺度Canny边缘检测算法可以得到抗噪性能和细节保持兼顾的良好边缘。实验结果表明,与Canny边缘检测相比,该算子检测的图像边缘比较清晰,具有较高的信噪比,而且用来检测含自噪声图像的效果也相当理想。     

多分辨率下自适应阈值判定的分水岭车辆图像分割算法

针对分水岭算法产生过分割现象,提出一种基于自适应阈值判定分水岭算法的图像分割方法,首先对图像进行多分辨率小波分解,再在某一尺度下计算梯度图像,并对该梯度图像进行自适应阈值判别,最后使用分水岭算法进行图像分割。实验结果表明该方法能取得较好的分割效果,有效的降低了过分割现象。     

多尺度变换与标记符分水岭相结合的图像分割

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出一种将多尺度变换与控制标记符分水岭算法相结合的分割策略。首先对原始图像进行高斯金字塔尺度变换,抑制部分噪声,降低细节干扰;再用Sobel梯度算子计算尺度变换后的图像梯度;然后对梯度图像进行重建,再采用基于控制标记符的分水岭变换算法对重建后的梯度图进行分割,最后将分割结果变换回原始尺度。实验结果表明,该方法能够抑制传统算法中的过分割问题,且分割效果较好。     

改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。     

基于改进多尺度分水岭算法的VDRL图像处理

为提高梅毒疾病检测工作效率,改善诊断工作过分依赖医生经验的现状,将图像处理技术用于VDRL图像的处理.利用改进多尺度分水岭算法,对VDRL图像进行分割处理,标记凝集颗粒,实现其自动计数和面积分布规律的统计,从而为梅毒病情的诊断提供依据.     

基于边缘流的多尺度水平集砾岩图像分割

针对边缘流方法检测图像边界得到的边界不连续问题,提出了把边缘流作为水平集方程中的一个变量,并将多尺度思想引入该方程.该方法首先在大尺度图像下得到相应尺度的边缘流矢量,将其代入水平集方程,通过求解水平集方程,找出图像目标边界的大致轮廓,然后利用大尺度所得到的大致轮廓作为高一级尺度的水平集方程的初始轮廓,计算相应的边缘流矢量,代入水平集方程求解,逐步进行轮廓优化,最终实现图像分割.采用该方法提取图像目标边界,不仅解决了边缘流方法中边界不连续的问题,也使水平集方法中曲线演化速度太慢的问题得到大大的改善.该方法用于砾岩图像分割,取得了较好的效果.     

尺度变化下飞机着降区自适应分割算法

无人机利用视觉在未知区域寻找着降区时,获取的航拍图像易受光照影响并存在尺度变化,对航拍图像进行分割的主要目的是找出满足无人机着降区域大小且地物类型(如土地、湖泊等)相同的区域,所以要求其分割算法既要有聚类的能力,又具有将不同类的地物进行有效分割的能力。针对上述航拍图像的特点和分割任务需求,提出了一种尺度变化下飞机着降区自适应分割算法。首先根据无人机当前的高度信息和对着降区几何大小的要求,计算当前时刻图像的地面分辨率及满足无人机着陆时所需的最小像素数;然后提出一种自适应mean shift分割算法对航拍图像进行粗分割,其中核函数的带宽参数根据计算出的最小像素数结合最大类间方差法的阈值进行选取;接着对粗分割的图像利用Canny算子进行边缘提取实现图像的精细分割,得到最终分割结果;最后利用Google Earth在不同场景和尺度下的图像进行分割实验,实验结果表明该算法可以满足分割的任务需求实现准确分割,并对光照和尺度变化较为鲁棒。     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

融合多尺度Transformer的皮肤病变分割算法

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角度出发,多尺度分析皮肤病变区域;然后利用多尺度融合模块、通道注意力模块和联合层构建融合解码器,多尺度融合模块互补分层编码器中浅层网络信息与深层网络信息,增强空间信息和语义信息间的依赖关系,通道注意力模块能够有效识别特征丰富的通道,提高算法分割精度;最后引入扩展模块恢复图像大小以匹配实际需求。将该算法在ISBI2016、ISBI2017和ISIC2018三个公共数据集上进行实验测试,其像素精度分别为96.70%、94.50%和95.39%,平均交并比分别为91.69%、85.74%和89.29%,算法测试整体性能优于现有算法。仿真实验证明,多尺度Transformer编解码网络能够有效地分割皮肤病变图像。     

结合空洞卷积的多尺度脑肿瘤分割算法

全卷积神经网络通过端到端的学习方式,实现了自动分割的目的.连续的卷积和池化操作会丢失一些像素,从而使感受野的大小受到限制,提出了一种基于空洞卷积的多尺度特征提取模块(Multi-scale Feature Extraction Block based on Dilate Convolution,MD),MD模块的输出包含了多尺度特征信息;增加损失函数中关于肿瘤区域的学习权重,解决类别不平衡问题;通过添加归一化层解决梯度消失的问题.多尺度特征提取的全卷积神经网络对完整肿瘤、核心区域、增强区域的分割的DSC评价分别为0.86、0.71、0.63,实验证明算法可以有效地保留肿瘤区域的细节信息和提高灰度相似区域的鉴别能力.     

改进的分水岭分割算法在图像分割中的应用

针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割流程大致为：先求形态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割,可以很好地抑制过分割现象,感兴趣的区域也得以保留．实验表明该算法简单有效,能够得到理想的分割结果．     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

基于改进的分水岭算法的图像分割

考虑到分水岭算法存在过分割问题,本文提出一种有效解决方法。在图像预处理过程中首先对图像进行中值滤波来消除部分噪声;然后采用形态学求梯度的方法得到原始图像的梯度图并对梯度图像进行开闭重建,在保留区域重要轮廓的同时去除了噪声和图像细节。在此基础上对重建后的梯度图像进行基于标记约束的分水岭分割。实验结果表明该方法能够较好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,降低了分割的复杂性。     

基于改进多尺度分水岭算法的VI）RL图像处理

为提高梅毒疾病检测工作效率，改善诊断工作过分依赖医生经验的现状，将图像处理技术用于VDRL图像的处理．利用改进多尺度分水岭算法，对VDRL图像进行分割处理，标记凝集颗粒，实现其自动计数和面积分布规律的统计，从而为梅毒病情的诊断提供依据．     

基于多尺度的区域生长的图像分割算法

针对医学图像的特点,提出了一种多尺度区域生长分割算法。该算法首先利用高斯滤波器对原图像进行滤波处理,之后利用区域生长算法分别对原图像与平滑图像进行分割操作,最后将两个分割图谱进行比对,获得最终的分割结果。进行区域生长算法时,从背景区域选择一个像素作为初始种子点进行区域生长。该方法的优势为噪音具有较好鲁棒性,初始种子点选取规则简单。该方法同样适合于其他背景简单、目标区域复杂的图像分割情形。为了选取合适分割阈值,提出了最大梯度概念。利用图像的最大梯度矩阵的统计特性,将阈值选取问题转化为求最小值问题。实验表明,该方法能够准确地获得医学图像的分割结果。     

多尺度全方位复合广义形态边缘检测的算法

提出一种多尺度全方位复合广义形态边缘检测的算法,在广义抗噪形态学算子基础上加以改进,采用多尺度全方位的思想对图像提取不同方向的边缘,将结果平均加权得到不同方向的抗噪算子,将其复合得到最终的边缘.仿真结果表明文中提出的算法具有很好的边缘检测效果,抗噪性能也优于经典的边缘检测算子.     

多尺度结构元素形态学边缘检测算法的研究

针对在以往的图像边缘检测中,常用的算法抗噪声能力弱且容易丢失边缘细节等不足,提出一种新的边缘检测算法.该算法首先采用两个不同尺度的结构元素对图像进行交替滤波运算,再利用结构元素进行形态学边缘检测以获得图像的边缘细节.通过实验表明,与传统的边缘检测算法相比较,新算法抗噪能力强,运算效率高且检测到的边缘连续性强.     

基于U-Net的多尺度融合视网膜血管分割算法

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于U-Net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AUC值分别达到0.9572、0.9811,与U-Net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.     

基于多尺度分析的归一化割图像分割算法

不同尺度的图像拥有不同的特性,针对单一尺度图像进行分割容易出现过分割或欠分割的问题,本文提出一种基于多尺度分析的归一化割的图像分割方法,首先利用方向能量模型得到不同尺度子图像的边缘方向能量,然后根据干涉轮廓的思想建立各个子图像像素之间的相似度,形成多个不同尺度的权值矩阵,并归一化为一个权值矩阵,最后运用归一化割算法对图像进行分割。实验表明,本文方法在融合了多个尺度图像不同特性的同时,能很好地处理含有纹理区域和弱边缘的图像,在一定程度上避免了过分割或欠分割的问题。