图像分割技术在中医舌诊中的应用

舌诊是传统中医辨症论治的重要手段之一.运用计算机视觉技术,可实现舌诊的定量化和客观化.方法是从采集到的图像中准确提取出完整的舌体图象,然后进行特征提取,提出一种自动分割舌图像的新方法.首先用中值滤波去除图像噪声;其次在YCbCr彩色空间对图像进行预处理,去除面颊皮肤等背景信息;然后用均值移动法初步分割出舌体;最后应用改进的图像区域生长的方法,得到准确完整的舌体图象.通过试验,证明该方法具有令人满意的分割性能.     

基于区域生长的道路图像分割技术研究

对一幅给定的道路图像，首先计算其梯度图像，然后利用HOUGH变换确定粗略道路区，根据灰度直方图全局峰值个数选取区域核心点，采用近邻函数准则聚类算法选取区域生长阈值，结合单一型链接区域生长和质心型链接区域生长作为生长准则进行区域生长，得出道路区的区域描述。     

基于区域生长的彩色图像分割算法

针对传统种子区域生长算法在分割具有复杂纹理的彩色图像中存在的问题,提出一种改进的种子区域生长算法,该算法在YCbCr颜色空间中进行,采用离散余弦变换提取图像纹理特征值,进行自动种子及种子区域的生长,并用区域合并改善过度分割。实验结果表明,该算法能有效提高图像分割的精确性。     

舌图像自动分割方法

提出了一种基于亮度信息和形态特征的舌图像自动分割方法。该方法首先利用大津法在亮度范围内自动选取阈值，进行二值化，然后通过对图像的像素进行标记，剔除非目标区域。最后利用数学形态学的方法获得最终的分割结果。试验结果表明，本方法具有令人满意的分割性能。     

区域生长算法进行肺的CT图像分割

使用Matlab开发平台设计了一个区域生长算法以用于肺的CT图像的分割。试验结果表明．区域生长算法能较好地将肺实质区域分割出来,满足进行下一步肺结节检测的需要.     

基于区域生长的多尺度遥感图像分割算法

图像分割是图像解译的关键一步,仅仅利用光谱信息的传统分割方法已不能有效地对高分辨遥感图像进行分割。鉴于高分辨率遥感图像提供了地物光谱、形状和纹理等大量信息,文章提出了一种基于区域生长结合多种特征的多尺度分割算法。首先利用图像梯度信息选取种子点;其次综合高分辨率遥感图像地物的局部光谱信息和全局形状信息作为区域生长的准则进行区域生长。迭代这两个过程,直到所有区域的平均面积大于设定的尺度面积参数则停止生长。该算法用VC实现,实验结果表明该算法能获得不同尺度下的分割结果且分割效率高、分割效果好。     

微粒群优化和区域生长结合的图像分割方法

提出了一种基于微粒群算法的区域生长图像分割方法,该方法利用微粒群较强的搜索能力搜索像素种子点。由于搜索像素种子点是按密度进行,计算量小,大幅度提高了算法的计算速度,同时克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性。实验表明,该方法可以准确地分割出目标,是一种有效的图像分割方法。     

改进区域生长的医学超声图像分割方法研究

基于区域生长的方法是一种比较有效的超声图像分割方法.针对区域生长时的几个关键问题,优化选择一组能正确代表目标区域的种子像素.在分析像素邻域灰度的特点基础上,采用最大类间方差法,确定了目标区域的最佳分割阈值.通过改进区域生长中的邻域搜索策略,结合梯度图确定合理的生长准则,制定了一种新的区域生长的停止条件,在种子点邻域像素与种子像素比较过程中,对不符合生长条件的邻域像素不是直接排除在目标区域外,而是以此邻域像素为中点进行二次比较.最后给出的实验结果表明该方法改善了图像分割的质量.     

粗糙集与区域生长的烟雾图像分割算法研究

针对图像型火灾烟雾分割算法不能同时提取白色、灰白色和黑色烟雾的问题,提出了一种粗糙集和区域生长法相结合的烟雾图像分割算法。在RGB颜色空间提取图像的R分量,根据R分量的统计直方图构造粗糙度直方图,选取粗糙度直方图中合适的波谷值作为分割阈值,对图像进行粗分割。相对背景图像,烟雾属于运动信息,采用帧间差分法提取运动区域,排除静态干扰。烟雾具有独特的颜色特征,在RGB颜色空间建立烟雾颜色模型,去除颜色相近的运动干扰,获得疑似烟雾区域。在该区域内选择种子点,在粗糙集粗分割的结果上进行区域生长,提取出烟雾区域。实验结果表明,该算法能够同时分割出白色、灰白色和黑色烟雾,烟雾边缘不规则信息保存比较完整,与已有算法的平均分割准确率、召回率以及F值相比,分别提高了19%、21.5%、20%。     

基于动态阈值的图像分割技术在中医舌诊中的应用

舌诊是中医四诊的重要内容,古往今来,为名医者莫不精深于舌诊。尤其近些年来,计算机技术迅猛发展带动的信息技术革命,为舌诊现代化研究注入了新的活力。本文应用图像分割技术,研究并比较了用于舌体图像分割的两种方法,提出用动态阈值的分割方法比用RGB三色分量差值方法优越,在舌体图像分割中具有较好的效果。     

基于区域生长的极光图像分割方法

极光卵对于研究磁层结构和能量存储是非常重要的。提出一种基于区域生长的极光图像分割算法。首先根据极光图像的特点,对原始图像进行预处理,根据预处理后图像的灰度特性,选取一组能正确代表目标区域的种子像素;其次,在分析像素邻域灰度特性的基础上,采用最大类间方差法求得自适应最佳阈值,从而代替传统区域生长算法手动选取阈值时造成的系统误差,再采用基于区域灰度差的方法,制定出区域生长的停止条件;最后,利用数学形态学的方法进行分割后修正,消除了由于噪声而造成生长后的区域中出现的空洞和不连续现象。实验结果表明,相对于已有的极光卵分割方法,基于区域生长的方法改善了图像的分割质量。     

基于Graph Cut与区域生长的连续CT图像分割算法

Graph Cut方法用于医学图像分割具有精度高,分割准确等优点,但处理每一幅图片都需要用户选定对象和背景,耗时较长.区域生长方法适于对面积不大的区域进行分割,分割速度快,但需要人工选取种子点,且在对比度低的情况下分割效果不理想.针对医学CT连续断层图像间相关性强特点,提出一种把Graph Cut方法和区域生长方法相结合的图像分割算法GCRGIS.首先使用Graph Cut法对连续断层图像的首幅图像进行分割,以分割出的图像轮廓作为后幅断层图像待生长区域的边缘,将边缘进行腐蚀后再进行区域生长,分割出目标图像.实验结果表明,该方法处理连续CT图像时仅需对首幅图像进行人工交互,在后续图像的分割中避免了每幅图像都要人工交互的繁琐,分割效果好,速度快.     

区域生长的轮对图像分割

轮对作为列车的重要组成部分,其踏面磨耗参数的在线检测对保障轨道交通安全具有重要意义。在基于光截图像测量技术的轮对外形尺寸动态检测中,能否获取完整的轮对轮廓图像至关重要。针对轮对图像特点,提出一种基于区域生长的轮对图像分割新算法。该算法根据不同情况下轮对图像特点,通过基点位置选取恰当的种子点,并确定合适的生长准则。经过区域生长,有效地提取轮对轮廓图像。通过大量图像验证,该算法分割结果图的交迭面积比大于80%,误分面积比小于0.02%。可以在多种情况下有效地提取轮对轮廓曲线,具有良好的抗噪能力。     

结合蚁群和自动区域生长的彩色图像分割算法

为克服传统区域生长算法对初始种子像素选择以及生长顺序鲁棒性较差等缺点,提出了一种基于蚁群算法优化区域生长的彩色图像分割方法。首先,根据给定阈值,利用蚁群算法自动选取种子像素,然后,根据相邻距离di和相似度值d(Hi,Hj)的值选取生长及终止准则,最后利用数学形态学方法对分割结果进行优化。通过与JSEG和SRG算法比较发现,所提出的改进算法在分割准确性上具有明显优势。     

一种两阶段区域生长的遥感图像分割算法

提高图像分割算法的精度与速度对遥感影像的解译工作具有重要意义。提出了一种基于区域生长的遥感图像分割算法,包括的两个步骤分别是局部最优合并和全局最优合并。第一步注重提高图像分割的速度,在其具体实现中引入了一个局部最优合并的阈值,以减少错误的合并;第二步侧重提高图像分割的精度,在其实现过程中利用了一种高级数据结构红黑树来提高搜索最优合并区域的速度。最后,利用模拟的遥感影像和Orbview\|3高分辨率影像开展了图像分割实验。利用一种监督的图像分割精度评价方法,定量评价了该方法的性能。实验结果表明:该方法在分割精度和分割速度方面都取得了令人满意的效果。     

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。     

基于小波包和区域生长的脑组织图像分割

对利用区域生长进行图像分割问题进行了研究,提出了一种MR脑组织图像分割的方法。该方法利用小波包对医学图像进行分解,通过对重构后的近似图像采用区域生长法进行分割,降低了区域生长算法对噪声的敏感度,减少了利用区域生长算法分割后图像的空洞和小孔。实验证明了该方法对MR脑组织图像分割可以有效减少分割后的小孔和空洞,取得了良好的分割结果。     

自适应区域生长算法在医学图像分割中的应用

提出一种通过计算种子点附近邻域统计信息,自适应改变生长标准参数用于医学图像分割的算法．在切片图像预处理过程中,考虑到体数据相邻切片之间高度的相关性,在相邻层之间采取高斯核滤波去除噪声,并通过各向异性滤波算法对该层切片进行滤波．实验结果表明,该算法可有效地提取出图像区域,具有较好的鲁棒性．     

共振算法用于图像分割

计算机视觉和识别技术在智能控制中的作用越来越重要.通过对利用共振理论进行图像分割方法的研究,提出了一个图像分割的实用算法,这通常是控制一个智能系统的第一步.共振算法是一种无教师学习算法,在门限的限定下用来将相邻的相同或相似的特征向量(或像素)组成同一特征空间(或区域).此算法在一定程度上容忍图像分割中出现的纹理特征强度逐渐变化现象.实验结果验证了共振算法是强调相邻特征相量(或像素)的相似性,而不是试图通过一个针对全局的门限来分割图像.