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。     

基于图像局部熵的红外图像分割方法

分析了图像局部熵的性质,提出了一种基于图像局部熵的红外图像分割方法.该方法首先进行中值滤波消除图像脉冲噪声,然后计算图像局部熵进行阈值选择提取目标边缘,最后进行边缘连接分割出目标区域.对不同红外图像进行的仿真试验表明了该方法的有效性.     

改进的一维Otsu法在B超图像分割中的应用

提出了基于像素邻域平均灰度的改进的一维Otsu多门限分割方法，兼有准确性和快电性的优点，并应用于B超图像，实现了多个目标的自动分割，与普通的一维Otsu法相比，具有更好的分割效果。     

基于C-V模型的医学图像分割方法

重点阐述了两种几何活动轮廓模型,基于梯度信息的李纯明模型和基于区域信息的C-V模型,在分析了两种模型的优缺点后,将李纯明模型中的罚函数项引入到C-V模型中,提出了无需初始化的C-V模型。实际结果表明,改进后模型具有李纯明模型的分割速度和C-V模型的效果。     

基于改进型C-V模型的红外图像自动分割

将C-V模型引入到红外图像分割中,同时提出了一种改进的模型。该模型通过增加偏离能量项,避免了标准C-V模型的重新初始问题。模型允许选取较大的时间步长,可以用简单的有限差分格式实现。实验证明,改进的模型在分割效果不变的情况下可以有效加速演化过程,提高分割效率。     

基于C-V模型的红外图像自动分割方法研究

为解决红外图像分割中背景噪声及边界轮廓的影响,引入了基于曲线演化理论、水平集方法和M-S分割函数的C-V模型。通过将图像表达为分段常量函数来建立适当的能量函数模型,引入水平集的表示方法,在整个图像域中依据最小化分割寻找全局极小值,可令活动轮廓最终到达目标边缘。由MATLAB实现的仿真结果表明采用C-V模型对红外图像进行自动分割不受边界轮廓线连续性限制,对初始轮廓线位置不敏感,对图像噪声具有很强的鲁棒性,对均匀灰度目标分割效果良好。     

基于最大熵法的雷达图像分割

介绍了雷达扫描的视频图像中的目标提取方法.首先需要在雷达扫描图像中将回波目标从信号的背景噪声中分割出来,笔者认为基于阈值分割的方法是一种适合文中提到的雷达扫描视频图像分割的方法,并且简单易于工程实现.文中利用最大熵的阈值分割法将目标从雷达图像中分割出来,这种方法较其它阈值分割法更适合于应用在文中提到的雷达扫描视频图像中.     

基于距离灰度补偿的改进最大熵红外图像分割

针对红外图像由于目标和背景边界模糊,采用单一熵阈值法进行图像分割结果不理想,提出了一种基于距离灰度补偿的红外图像增强方法,利用距离作为空间信息对灰度进行补偿,改善了目标和背景边界模糊对图像分割的不利影响;然后提出了一种基于交叉熵约束的最大熵阈值图像分割方法,在交叉熵约束保证类间差异的前提下利用类内均匀性进行图像分割,避免了单一熵方法阈值的局限性.实验结果表明,对小目标复杂背景和复杂目标大背景的红外图像,所提出的方法得到了准确的图像分割结果.     

基于改进的双水平集的MRI图像快速分割方法

针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。     

一种基于遗传算法的图像分割方法

图像阈值分割技术在图像分割中具有重要的意义。遗传算法既可以对全局信息高效利用,也减少了存储空间和计算量。利用遗传算法的优点,文章提出了一种用改进遗传算法优化图像阈值并对图像进行分割的方法。通过实验对比,文章表明该方法具有快速、稳定分割的特点。     

一种基于改进Chan-Vese模型的图像分割方法

为了解决红外目标在运动过程中因遮挡带来的误分割和误跟踪问题,在参考Chunming Li提出的无需重新初始化水平集方法的基础上,提出了基于改进Chan-Vese模型的图像分割方法,给出了模型的能量函数及数值实现,通过对实际采集红外序列图像数据的对比实验验证了所提图像分割模型在解决目标受到遮挡问题中的有效性.     

基于改进Chan-Vese模型的图像分割

目前基于水平集的图像分割方法很难给出基于全局极值的算法终止条件,而大多采用事先设定迭代次数的方法。本文提出了一种改进的Chan-Vese模型,通过添加水平集函数约束项,使得新模型抑制了水平集函数的取值范围,最终收敛至全局极值,并以此作为算法终止条件,无需事先设定迭代次数。实验结果表明,新模型在其终止条件下,分割结果正确,与传统Chan-Vese模型相比,新模型的收敛速度快3~6倍,且通用性更强。     

基于Chan-Vese模型的树形结构多相水平集图像分割算法

由于Chan-Vese(C-V)模型通过单个水平集的符号将待分割图像划分为目标和背景两个部分,所以当图像的多个目标的轮廓成多连接时,C-V模型将无法表示.为了解决C-V模型在表示目标轮廓上的局限,提出了基于C-V模型的树形结构多相水平集算法.关键策略是通过改变图像背景,使得水平集在新图像上重新收敛;核心技术是依据同时明度对比提出的背景填充技术;算法流程采用多水平集串行收敛方式实现多相分割(n-1次收敛可以实现n相分割,n＞1).实验结果表明,本算法可以表示复杂的区域连接情况(n相分割最多可以表示n连接情况),能够实现多目标分割(n相分割可以实现n-1个目标分割),特别适合于目标中含有子目标的图像.     

基于Chan-Vese模型的多相位图像分割

利用Chan-Vese模型,对多相位图像实现了串行分层分割。首先得到目标和背景2个子区域,然后判断各子区域内部是否仍包含有感兴趣的目标,如果有,则对该子区域再次采用Chan-Vese模型进行分割,如此迭代直到分割出图像中所有的目标。较之采用Mumford-Shah模型,本文方法计算简单,而且对多相位图像中的目标定位准确,每一层分割都可以得到有意义的区域。实验表明,本文方法可以有效、准确地实现对多相位图像的分割。     

一种改进的分水岭分割的研究

用分水岭方法进行图像分割时,容易造成图像的过度分割.为了克服这种缺点,本文提出了改进的图像分水岭分割的方法.该方法先用改进的中值滤波对图像进行预处理,在去除噪声的同时很好的保持物体轮廓和细节;以传统标记提取为基础,以标记点为区域极小值对图像进行分水岭分割.实验结果显示,该方法能很好地抑制过度分割,使分割得到了较好的效果.     

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。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

一种改进的红外图像分割算法

针对红外图像的特点,提出了一种改进的红外图像分割算法.该算法综合应用模糊熵、遗传算法和数学形态学等技术,从算法流程上对传统的分割算法进行了改进.仿真结果表明,文中提出的算法能快速准确地实现红外图像分割,鲁棒性好,自适应性强,能够针对不同的复杂地面背景,给出较为理想的分割效果:克服了传统分割算法的过分割和欠分割问题.