边界与区域相结合的目标提取算法

对于目标中带孔或目标颜色信息和背景颜色信息相似的图像,单独根据边界信息或区域信息无法提取出准确的目标.从图像的边界信息与区域信息综合考虑,以图割理论为基础,提出了一种基于图割的边界信息与区域信息相结合的目标提取算法.实验结果表明,该算法对目标中带孔或目标颜色信息和背景颜色信息相似的图像,能够准确、有效地提取出目标,自动分割精度高,用户工作量少,分割效率高,达到了预期的效果.     

基于图割精细化和可微分聚类的无监督显著性目标检测

针对传统显著性检测算法分割精度低以及基于深度学习的显著性检测算法对像素级人工注释数据依赖性过强等不足,提出一种基于图割精细化和可微分聚类的无监督显著性目标检测算法。该算法采用由“粗”到“精”的思想,仅利用单张图像的特征便可以实现精确的显著性目标检测。首先利用Frequency-tuned算法根据图像自身的颜色和亮度得到显著粗图,然后根据图像的统计特性进行二值化并结合中心优先假设得到显著目标的候选区域,进而利用基于单图像进行图割的GrabCut算法对显著目标进行精细化分割,最后为克服背景与目标极为相似时检测不精确的困难,引入具有良好边界分割效果的无监督可微分聚类算法对单张显著图做进一步的优化。所提出的算法在ECSSD和SOD数据集上进行测试并与现有的7种算法进行对比,结果表明得到的优化显著图更接近于真值图,在ECSSD和SOD数据集上分别实现了14.3%和23.4%的平均绝对误差（MAE）。     

基于图割及均值漂移的合成孔径雷达图像强散射目标分割

针对合成孔径雷达(SAR)图像的特点及标准图割分割算法计算量较大等问题,提出了一种基于图割及均值漂移(Mean Shift)的高效的SAR图像强散射目标分割方法。该方法利用均值漂移算法对SAR图像进行预处理,将原图像表示为基于过分割区域的图结构;然后,以这些过分割图像区域为节点建立区域邻接图,运用图割分割算法得到SAR强散射目标的分割结果。与标准图割算法中以单像素为节点构建邻接图相比,参与图割算法的节点和边的数目减少了两个数量级,计算效率大幅提高。另外,根据SAR图像中目标的强散射特性,自动定义终端节点,减少了人工交互量。实验表明,该方法充分利用均值漂移及图割的优点,能够在背景杂波的干扰下有效地提取SAR强散射目标。     

基于分水岭修正与U-Net的肝脏图像分割算法

在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低。针对该问题,提出一种基于分水岭修正与U-Net模型相结合的肝脏图像自动分割算法。利用U-Net分层学习图像特征的优势,将浅层特征与深层语义特征相融合,避免丢失目标位置等细节信息,得到肝脏初始分割结果。在此基础上,通过分水岭算法形成的区域块对肝脏初始分割结果的边界进行修正,以获得边界平滑精确的分割结果。实验结果表明,与传统的图割算法和全卷积神经网络算法相比,该算法能够实现更为精准的肝脏图像分割。     

结合区域生长与图割算法的冠状动脉CT血管造影图像三维分割

针对图割算法适用于小幅图像,且在分割结构较复杂、感兴趣区域较小的三维CT血管造影(CTA)冠状动脉图像时效率较低的问题,实现了将区域生长和图割结合分割冠状动脉的算法.首先,利用基于阈值的区域生长算法将图像划分为若干区域,去除无关像素,得到结构简化、感兴趣区域较突出的图像;其次,对简化后的图像,结合灰度和空间信息构造网络图;最后,利用图割理论实现网络图分割,得到冠状动脉分割图像.实验结果表明,与传统的图割方法相比: 在分割效率上,区域生长和图割结合的分割算法降低了计算复杂度,效率提高了51.7%; 在绘制质量上,得到的冠状动脉分割图像目标区域完整,有助于医师对病变的正确分析.     

二型模糊融合的尺度约束多分辨率FCM分割

针对传统多分辨率模糊聚类图像分割算法的不足,提出了将二型模糊应用于多分辨率模糊聚类图像分割的新方法.将最粗尺度图像的聚类中心作为下一较细分辨率图像的初始聚类中心,并采用较粗分辨率图像聚类的类内最大距离对细分辨率图像的模糊聚类目标函数进行约束.对较小的粗分辨率图像进行了模糊隶属度扩展,得到一组隶属度值,再采用二型模糊算法有效融合该隶属度集合,完成聚类分割.实验结果表明,该算法能有效实现目标区域分离,获得理想分割效果.     

应用多尺度三维图搜索的SD-OCT图像层分割方法

频谱域光学相干层析技术(SD-OCT)是一种广泛应用于眼科领域的成像技术,视网膜组织层分割对视网膜疾病诊断起着至关重要的作用。传统的三维图搜索方法能够同时分割k(k≥1)个三维面,但其存在时间复杂度高、分割病变图像鲁棒性弱等问题。在传统三维图搜索模型的基础上引入多尺度思想,提出应用多尺度三维图搜索的SD-OCT视网膜图像分割方法。首先根据每个组织层的特点,为每层构造一个合理的顶点权重;然后利用相邻列的最大与最小高度差构造列约束限制,改进表面的平滑约束条件;最后利用低尺度的图像,应用三维图搜索方法进行粗分割,逐步向高一尺度应用三维图搜索方法进行单表面细分割。使用改进算法对3组正常眼睛及1组老年黄斑变性视网膜图像进行分割,并将结果与手动分割及传统三维图搜索方法进行比较,实验结果表明,改进算法能够准确有效地分割出3个层边界(边界位置绝对误差是3.86±2.50μm),并且接近于手动分割结果(3.78±2.76μm),优于传统三维图搜索方法(7.92±3.31μm)。     

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。     

结合非局部信息与图割的图像分割算法

基于图割的交互式图像分割方法从图像背景中分离出前景目标,在图像处理和计算机视觉领域引起了广泛的关注.为了进一步提高分割精度,提出一种结合图像非局部信息和图割的交互式图像分割算法.在建模图像非局部信息时为每个像素点设置一个固定大小的搜索窗口,每个像素点只需考虑与搜索窗口内像素之间的关系;计算非局部像素对之间相似性时采用图像片替代像素,通过图像片之间的相似性替代像素之间的相似性,以表征图像的非局部信息;将图像非局部信息引入到图割框架中,在传统能量函数的边界项将图像的局部信息与非局部信息合并,组成结合局部非局部信息的新的能量项;构图时新添加一组边集?非局部边集来表示图像的非局部信息,再通过最大流/最小割算法求解得到最终的分割结果.最后通过实验验证了该算法的有效性和可行性.     

基于图割的低景深图像自动分割

结合图割算法,提出了一种针对低景深(Depth of field, DOF)图像的自动分割模型.首先,通过改进的点锐度算法得到图像的点锐度图, 并结合图像的颜色特征,得到一个四维的特征向量.其次, 通过对图像点锐度图强边缘的计算,利用图像清晰部分边缘较连续, 模糊部分边缘较弱、连续性较差的特点得到图像初步的前景/背景区域. 然后,对前景/背景的颜色和点锐度特征进行高斯混合模型(Gaussian mixture model, GMM)建模,结合全局、局部自适应的λ值,对图割算法的Shrinking bias 现象进行改善.最后,通过迭代的图割算法对前景/背景区域进行修正. 实验结果表明,该模型鲁棒性较高,分割结果更加精确.     

模糊熵的区域合并和图割的快速矿岩分割

目的 针对现有区域合并和图割的结合算法没有考虑矿岩图像模糊特性,导致分割精度和运行效率较低,模糊边缘无法有效分割的问题,利用快速递推计算的最大模糊2-划熵信息设置以区域为顶点的图割模型似然能来解决。方法 首先利用双边滤波器和分水岭算法对矿岩图像进行预处理,并将其划分为若干一致性较好的区域;然后利用图像在计算最大模糊2-划分熵时,目标和背景的模糊隶属度函数来设计图割能量函数似然能,使得能量函数更接近模糊图像的真实情况,期间为了提高最大模糊2-划分熵值的搜索效率,提出了时间复杂度为O（n²）的递推算法将模糊熵的计算转化为递推过程,并保留不重复的递推结果用于后续的穷举搜索;最后利用设计的图割算法对区域进行标号,以完成分割。结果 本文算法的分割精度较其他区域合并和图割结合算法提高了约23%,分割后矿岩颗粒个数的统计结果相对于人工统计结果,其误差率约为2%,运行时间较其他算法缩短了约60%。结论 本文算法确保精度同时,有效提高矿岩图像的分割效率,为自动化矿岩图像高效分割的工程实践提供重要指导依据。     

融合颜色和深度信息的图像物体分割算法*

当图像中存在阴影、低对比度边缘和模糊区域时,传统算法仅利用外观信息难以准确提取物体轮廓,而深度不连续性为辨识物体边界提供有用信息。文中提出基于颜色和深度信息的图像物体分割算法,首先利用mean-shift算法对图像进行适度的过分割,然后融合颜色和深度信息充分描述过分割区域的特性,根据深度信息自动选取目标和背景的种子区域,最后基于最大相似度进行区域合并,得到图像物体分割结果。在Middlebury和NYU-V2数据库上的实验表明,相比当前通用算法,文中算法简单有效,能提高分割的准确性,改善分割图像的视觉效果。     

一种新的结合非下采样Contourlet域融合和参数化内核图割的SAR图像无监督水灾变化检测

目的：基于非下采样Contourlet变换(NSCT)融合策略可以有效地抑制背景信息增强变化区域的信息。但是融合后图像具有复杂的统计特征,传统的基于统计特征的变化检测难以实现。基于参数化内核图割的遥感图像分割不受统计特征的限制。为此提出了一种基于NSCT融合和参数化内核图割的SAR图像无监督水灾变化检测新算法。方法：将均值比差异图像和对数比差异图像采用基于NSCT的融合算法进行融合,将融合后的差异图像采用参数化内核图割算法进行前景/背景的分割,得到最终的变化检测结果。结果：融合后的差异图像利用前两种差异图像的互补信息提高了变化检测精度。算法不受统计模型限制,不需要先验知识,适用性强。结论：实验结果表明,本文算法的检测精度优于传统的变化检测方法。     

支持向量机和水平集的高分辨率遥感图像河流检测

河流是重要的地理结构特征,对河流进行检测识别研究,在军事上和民用上都具有十分重要的意义.提出了一种基于支持向量机(SVM)和水平集的高分辨率遥感图像河流检测算法.首先根据高分辨率遥感图像河流目标的特点,采用样本图像的纹理特征和基准点信息扩散特征构造特征向量,并基于样本训练支持向量机分类器实现河流目标的粗分割;然后以粗分割结果为基础,采用距离正则化水平集演化(DRLSE)模型提取河流的精确轮廓,获得完整的河流区域.以1 m分辨率的IKONOS图像进行实验验证,结果表明本文算法准确性高,灵活性强,可以在复杂背景下准确地检测河流目标区域,在实践中具有广泛适用性.     

多分辨率形态学目标检测

用形态小波变换得到图像的塔式表示,并从最低分辨率到原始分辨率由粗到精地提取目标区域.在每个分辨率上,先应用分水岭变换分割该分辨率下的低频分量（或上一级分辨率得到的标记图）,得到一个标记图;再用一个区域搜索策略来更新该标记图.对多类目标的实验结果验证了该算法具有速度快、精度高和对噪声不敏感的优点.     

基于分水岭的多目标核聚类图像分割

传统的聚类图像分割方法一般仅仅利用图像中的灰度信息。为了更好地利用图像中的区域和边缘信息,提出一种基于分水岭过分割的多目标模糊核聚类图像分割算法。该算法采用分水岭算法获得图像的过分割区域,采用多目标模糊核聚类算法对区域代表点和分水岭上的像素进行聚类。根据聚类结果将图像中的像素进行标记,得到最终的分割图像。实验结果表明,由于利用了图像区域信息,使得目标能够比较完整地从背景中分离出来。     

一种类圆形图像目标分割方法的研究

研究工业视觉识别系统与图像处理有密切关系.针对类圆形图像背景和目标在色彩和灰度上相近难以准确分割的问题,为了提供精确图像目标,提出了一种新型的类圆形目标分割方法.采用带方向的序贯滤波和方向边缘检测,有效去除背景干扰信息;边缘检测的结果填充后进行图像投影,据此得到待分割目标的大致区域,再次滤波得到较佳的预分割结果;采用中心扫描算法,接合投影曲线完成粗分割,得到边缘曲线;最后根据边缘曲率对边缘线进行矫正,实现了类圆形目标的完整提取.通过实验表明,对灰度相近的图像能进行有效提取,避免了阈值法的局限性,提高了类圆形目标分割的完整性和精确度.     

基于遥感的土地利用变化信息图像分割研究

为了提高大区域土地利用遥感动态监测效率,需将自动发现影像中包含的变化信息自动分割出来.在分析影像特征的基础上,结合双阈值法和区域生长法,能够将影像中的土地利用变化信息自动分割出来.为了减弱影像噪声、自动发现方法和图像分割对监测结果精度的影响,将多种方法得到的分割结果进行综合处理,进一步确认目标,以使本文方法在具有高效率的同时有较高精度的监测结果.另外,本文提出了一种典型区域法,从另一个角度解决了无法直接利用灰度直方图计算影像中特定目标的分割阈值问题.     

基于梯度向量流的医学图像自动分割

提出了一种基于梯度向量流的自动图像分割算法，该算法首先将梯度向量流场转化为一个标量场，该标量场能够显著简化种子点选取和区域增长的步骤。在得到图像的初始分割后，再使用基于区域邻接图的算法来将相似区域合并得到最终分割结果。试验结果表明，该算法能够有效地解决医学图像中多目标区域的自动分割问题。     

多方法融合的类圆形堆积物分割

针对类圆形堆积物图像的前景和背景在色彩或灰度上相近,难以用传统阈值分割等算法进行有效分割的问题,提出一种多方法融合的类圆形堆积物图像区域分割策略。对图像进行滤波等一系列预分割处理后进行投影得到目标图像的外接矩形区域,以排除噪声的干扰,在区域内采用改进的灰度共生矩阵方法进行粗分割,以解决窗口大小与分割精度的问题,采用二维OTSU阈值分割方法对粗分割结果进行量化。实验结果表明,该方法得到的区域分割结果边缘清晰、准确度高。