应用流域变换分割医学图像

医学图像分割是图像处理研究的难点。图像分割的方法很多,但是对医学图像却无法得到有效的分割结果。文中首先介绍了流域变换的基本思想、基本原理以及流域变换的计算步骤,然后应用流域变换分割复杂的医学图像,最后讨论流域变换的优缺点。实验结果表明,流域变换为医学图像提供了一种崭新的分割方法。     

基于改进C-V模型的图像分割方法

由于传统C-V模型不能准确分割灰度不均匀的图像,本文基于传统C-V模型进行了局部变量的改进,改进后的模型不仅可以准确分割灰度不均匀的图像,而且能够更好的刻画各点邻域的灰度变化情况,使得边界信息可以较好的被分割。实验证明,在对图像进行分割时,文章的方法与原模型相比效果更好。     

基于偏微分方程的多区域SAR图像分割方法研究

提出了一种基于偏微分方程的多区域SAR图像分割方法,该方法没有引入任何附加参数,同时可以估计区域数目,使用分级分裂最小化能量函数,从而获得更理想的分割效果.针对模拟和真实SAR图像对进行算法仿真,实验结果表明该方法不仅能够正确分割目标与背景,而且具有很好的边缘定位能力.     

一种新的自动多阈值图像分割方法

本文提出了一种新的自动阈值图像分割方法.该方法选择二维灰度直方图的最佳一维投影作为输入信息,并利用了小波变换的多尺度特征分析此投影.在大尺度下抑制噪声并自动确定分割类数,在小尺度下精确定位阈值.实验表明新方法能够自动而快速地对图像进行分割而且有较强的抗干扰能力.     

基于小波包变换和形态学的图像分割算法

数字图像分割技术是一种重要的提高计算机图文识别的手段.文章利用小波包变换去噪结合形态学方法提出一种数字图像阈值分割算法.依据该算法,首先施行小波包变换,去除图像中的噪声,然后利用形态学方法集合最佳阈值判别对图像进行分割.实验证明,本算法的分割效果较佳.     

基于小波变换的图像分割技术研究

图像分割是一种重要的图像分析技术.近年来,对图像分割的研究一直是图像技术研究中的热点和焦点.介绍一种基于小波变换的图像分割方法,该方法先对图像的灰度直方图进行小波多尺度变换,然后从较大的尺度系数到较小的尺度系数逐步定位出灰度阈值.实验结果表明,该方法具有较好的抗噪声性能.     

基于数学形态学的遥感图像分割算法

文章提出了一种适合于高分辨率可见光遥感图像分割的算法。该算法是一种结合数学形态学运算和SUSAN边缘检测的图像分割算法，可以有效地将图像中的多个具有特定结构的小目标区域分割开来。     

基于数学形态学的深度图像分割

本文提出了一种基于数学形态学基本运算的深度图像分割方法。首先利用数学形态学算子来获得分别含有跳跃和尖顶边界的凸脊和凹谷图像，然后利用控制的区域生长过程得到最终的分割结果。用本文提出的方法成功地对许多实际的深度图像进行了分割，同传统的方法相比，这种方法的速度快，而且具有良好的抗噪声性能。     

基于Mumford-Shah模型的参数估计和两阶段图像分割方法

Mumford-Shah两相分片常数模型是一个有效的图像分割模型,但当模型用于带有噪声的图像时,其水平集解法存在对初始解和长度参数敏感这两个问题.文中给出一种两阶段分割方法,首先利用传统的简单分割方法获得一个粗分割,再将其作为变分模型的初始解,从而实现自动选取初始解.文中还给出一个有效的自适应长度参数估计模型,该模型依据图像中噪声方差大小来确定参数.两阶段分割方法和自适应参数估计结合起来使得算法大大减弱了对参量的敏感性,而且可以正确、快速地分割.针对一些计算机生成图像和实际图像的实验结果验证了算法是有效的.     

一种基于数学形态学的电视图像分割方法

针对电视图像信噪比低,噪声干扰大的特点,提出了一种基于数学形态学的电视图像分割方法。首先利用基于梯度调整的平均灰度法得到图像的阀值,其次利用该灰度阀值二值化图像,最后对该图像利用数学形态学消除噪声。实验结果表明该方法具有较好的滤波效果,计算时间短,可用于实时图像处理中。     

基于神经网络的有遮挡图像分割方法

人脸作为人类最主要形象特征,具有许多特征的唯一性,而人脸识别的关键在于进行的人脸分割计算。传统的人脸分割算法在有遮挡情况下无法完整的提取人脸信息,导致信息缺失,使得图像检测无法进行。文中算法采用基于神经网络与自适应技术的人脸图像分割计算,对于有遮挡部分的人脸也可进行较好的分割计算,通过多种图片进行实验仿真计算后,有遮挡的图片都可得到有效的分割,实现了对人脸分割85%的分割完成率,远高于传统人脸图像分割算法的78%的分割完成率。因此本算法,在图像识别领域具有对较好的推广意义。     

结合特定理论的图像分割方法

结合近几年来图像分割领域出现的新思路、新方法或对原有方法的改进,如模糊方法、活动轮廓模型、遗传算法、神经网络等给出一个比较全面的综述,评价它们的优缺点。最后,简要讨论图像分割的发展趋势。     

基于深度学习的医疗图像分割综述

自2006年深度学习这一概念提出以来,各研究领域对于深度学习技术的研究热度一直高居不下.深度学习的出现,对计算机视觉领域的发展起到了重要推动作用.计算机视觉的主要研究任务是对图像、视频等进行目标的检测、识别以及分割等,目前已经广泛应用于医疗、金融和工业领域中.其中最常见的应用场景是医学图像处理.图像分割是医学图像处理任...     

一种基于综合集成和数学形态学的图像分割方法

图像分割是图像处理的重要步骤,是计算机视觉的基础,是模式识别与图像理解的重要组成部分。由于光照不均匀而形成的灰度图像,采取单一的分割方法不能获得良好的分割结果,为此,采用综合集成的方法对此类图像进行分割,并用数学形态学的运算对分割结果进行处理,改善了分割效果。试验结果表明,基于综合集成和数学形态学的分割方法能有效地分割这一类图像,获得良好的分割结果。     

基于PDE的快速自适应图像分割算法

在水平集理论和Chan-Vese模型的基础上,详细分析了水平集函数的初始位置和分割速度的关系,指出如果初始位置不好,将会影响曲线的演化速度。针对该问题提出了利用阈值分割技术对水平集函数进行初始化,通过优化水平集函数的初始位置来加快Chan-Vese模型的演化速度。实验结果表明,本文所提出的方法不受初始轮廓位置的限制,具有鲁棒性,分割效果良好,有很好的实际意义。     

一种改进型脉冲耦合神经网络及其图像分割1

本文结合人类视觉系统(HVS)对图像信息含量区域敏感度不同这一特性,以神经元接近点火程度的一致性描述图像空间邻域所含的信息量,对通常的脉冲耦合神经网络模型(PCNN－Pulse Coupled Neural Network)进行了改进,提出了一种基于改进PCNN的图像自适应分割算法.该算法根据象素及其周边区域的信息量大小发放不同值的脉冲,从而自适应地将图像分为多个不同等级的高低信息区域,较好地仿真了人类视觉系统特性.最后对用这种方法进行图像分割的结果进行基于信息量的图像压缩,在压缩比和重建图像主观视觉感知质量上均达到了良好的性能,表明了本文算法的可行性和有效性.     

基于改进差分盒维数的烟雾分割方法

针对森林背景与烟雾的分形纹理结构的不同特性,提出了改进差分盒维数的烟雾分割方法。首先,在已有的差分盒维数算法基础上,扩大子窗口的选择范围,计算每个像素的分形维数值并分析得到的其分形特征数据;然后,选择合适的阈值对像素进行分类,筛选出符合烟雾特征的像素,从而实现烟与森林背景的分割;最后,应用形态学中膨胀算法进行连通处理。实验结果证明,基于改进的差分盒维数方法对以树木为背景的烟雾图像具有较好的分割效果。     

模糊选择多分辨率Kohonen聚类网络用于灰度图像分割

基于模糊分割、模糊分割子集的概念提出一种新的具有模糊选择多分氕 Ｋｏｈｏｎｅｎ聚类网络用于解决原有选择多分辨率网络结构存在的样本子集不、误差逐层传递等总是为了便于对原有网络缺陷的分析及使新的算法更具一磐性,将Ｋｏｈｏｎｅｎ聚类网络作为聚类分割算法的特例,从集合论的角度对聚类分割问题的基本概念及算法加以定义,将新的网络用于灰度图像分割,实验表明该方法有效地改善了分割效果。     

自然场景下成熟苹果彩色图像分割方法的研究

提出一种在RGB颜色空间分割彩色图像的新方法。针对自然场景下成熟苹果图像，首先通过在RGB颜色模型中寻找灰色分割面来得到最优颜色函数（OCF），将多维空间中的分割问题转化到一维空间，根据目标和背景的不同特点，提出了两种可供选择的获取OCF的方案；然后通过Fisher评价函数找到最佳阈值；最后用数学形态学滤波除去高频噪声。该方法可以完全避免人为干预，而且分割速度快。实验结果表明，该方法可以把自然场景中的苹果有效地分割出来。