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。     

基于分水岭的粘连雾滴图像分割方法

针对雾滴图像中粘连雾滴的特点,运用基于距离变换的分水岭分割算法对粘连雾滴进行分割,对距离变换的算法进行优化,使该算法的效率得到提高,应用灰度重建方法避免雾滴图像过分割现象的产生。实例表明,该方法可实现对粘连雾滴的分割。     

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。     

一种改进的细胞图像分水岭分割方法

针对分水岭分割算法易产生过分割的问题,提出了一种改进的算法。通过灰度差变换对图像进行处理,然后用形态学方法消除细胞孔洞和杂质,最后再使用分水岭变换。实验结果表明:该算法比传统分水岭分割算法更准确,且具有一定的通用性。     

基于形态重构的分水岭岩石图像分割方法

阐述了灰度数学形态学进行图像处理的基本原理,针对岩石图像的复杂结构,提出了数学形态学滤波去噪方法。实验结果表明,该方法能够获得清晰的岩石图像特征,便于提取边界,是一种有效的图像分割方法。     

形态学分水岭算法在粘连大米图像分割中的应用

在获取大米图像的过程中,经常会有大米颗粒接触粘连的情况,这给图像的后续处理带来很大困难.针对该情况,引入了一种形态学分水岭算法.首先运用顶帽变换对粘连图像进行局部阈值处理,然后用形态腐蚀运算来减弱接触大米的粘连程度,最后结合距离变换和分水岭算法对粘连大米进行分割,使相互接触的粘连大米图像得到分离.实验验证了该算法的有效性.     

分水岭分割中的粘性形态学梯度修正

分水岭变换是一种有效的图像分割方法，但存在过分割现象，尽管应用预平滑处理可以减轻或消除过分割，但却容易使分割后的区域轮廓发生位置偏移，为此，文中首先对图像进行形态学梯度变换，然后运用粘性形态学运算对梯度图像进行地貌修正，在消除产生过分割的非规则局部极小值的同时，保持区域轮廓的位置不变，最后在梯度修正图像的基础上，运用标准分水岭变换实现图像分割。仿真实验表明，该方法不仅能有效地消除过分割，而且具有较强的区域轮廓定位能力。     

基于数学形态学的细胞图像分割

该文提出了一种基于数学形态学理论的方法,用于分割细胞图像。首先利用灰度形态学中的重构运算对输入图像进行滤波来削弱或去除噪声的影响,然后取其形态学梯度并结合Top-Hat和Bottom-Hat两个变换来增强梯度图像的对比度,最终由分水岭算法完成分割。关于过分割的改进,该文引出一个特殊的Otsu阈值来标记图像,得到的结果无需进一步的后处理。     

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。     

基于分水岭变换的浮选泡沫图像分割

针对煤泥浮选泡沫图像中煤泥气泡互相粘连、边界模糊的情况,根据分水岭变换模拟浸水原理,提出一种新的、有效的分割算法,同时应用数学形态学中的腐蚀和膨胀算法,解决了过分割和欠分割问题,使得粘连的煤泥气泡得到了有效的分割。并对分割后的图像进行了物理特征提取,如气泡的数目、颜色、大小分布等,这些特征参数是评价浮选过程好坏的重要信息,利用它们可监测和优化浮选过程。该分割算法成功的用于煤泥浮选泡沫的分割,并且提取出了煤泥泡沫图像所有静态的物理特征参数。     

基于形态重构的豆粒分割算法

在实现大豆图像豆粒的分离时,针对分水岭算法中容易出现过分割等问题,综合利用H-Dome形态学重构以及距离变换改善梯度图局部多个极小值问题,再使用分水岭算法找到粘结边界点,从而将颗粒分离.实验结果验证了此方法的有效性.     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

基于数学形态金字塔分解和流域分割的骨髓细胞图像分割

提出了一种基于数学形态金字塔分解和流域分割的骨髓细胞图像分割方法。根据形态金字塔的分解方法,将细胞图像经过形态金字塔分解后,先在低分辨率图像上进行流域分割,然后对低分辨率图像的分割结果进行复合得到原始图像的分割结果。实验结果表明,使用该方法能够获得较好的分割效果,并可提高分割算法的运算速度。     

基于分水岭和K-均值的半自动眉毛图像分割

为了从原始图像中快速、稳定地提取纯眉毛图像,提出了一种融合分水岭和K-均值算法的眉毛图像分割方法,即W-K算法.首先通过手工在眉毛图像上画上几条线标注部分眉毛点和非眉毛点,其次利用分水岭算法产生蓄水盆,再使用K-均值算法对蓄水盆进行聚类,最后通过眉毛点筛选实现纯眉毛图像的分割.实验结果表明,该方法在分割纯眉毛图像的过程中具有速度快、效果好的优点,可用于眉毛识别的前期预处理,并有助于提高识别结果的准确率.     

基于数学形态学和HIS模型的彩色舌图像分割

从数学形态学的基本理论出发,利用数学形态学能描述图像形态特征的特点,结合ＨＩＳ模型,充分考虑图像的彩色信息,提出了基于数学形态学和ＨＩＳ模型的舌图像分割算法,实验结果表明,本算法具有较好的分割性能．     

基于分水岭和模糊 C 均值聚类的图像分割方法

针对分水岭算法对微弱边缘和噪声非常敏感、容易导致过分割现象的问题,提出综合运用分水岭算法和基于区域的模糊 C 均值聚类的图像分割方法.与单独使用分水岭方法相比,该方法不仅利用区域的灰度信息,而且考虑了区域间的空间信息.实验结果表明,本方法能有效地对图像进行分割,克服了分水岭算法的过分割问题.