图像分割技术在金相分析中的应用

介绍了常用的图像分割方法及其优缺点和金相图像分析中的图像分割方法。针对金相图像分割中存在的问题，提出了两步分割的图像分割方法。这种方法是先用阈值分割法把目标从背景中分割开来，然后采用数学形态学、打孔、找凹点和连分割线的方法进行粘连分割。与已有的金相图像分割方法相比，这种方法具有较强的强健性、自适应性和非监督性。     

基于数学形态学的显微图像分割算法

分水岭算法是一种图像分割的强有力的工具,而其分割性能和待分割图像梯度的计算方法相关,LucVincent所提出的分水岭算法主要存在过分割的问题。文章提出用形态学混合开闭重建运算的尺度空间平滑算法对图像进行平滑滤波处理,以消除图像细节和噪声而保留重要的边缘轮廓,再对平滑后的图像进行梯度修正,并进行梯度极小值抑制,进一步消除造成过分割区域,然后对修正后的梯度边缘图像进行分水岭分割。实验结果表明,采用本文的算法对显微动物精细胞图像分割能较好的解决过分割问题。     

荧光纳米颗粒图像分割算法研究

在图像处理过程中,图像分割起着重要的作用。一直以来,图像分割的算法多种多样,但并没有通用的方法,只要能够将所需图像分割出来的方法就是有意义的,文章对荧光纳米颗粒图像进行分割,结合高帽滤波、腐蚀、膨胀等多种处理方法。     

基于SLIC超像素分割的图分割算法

图像分割是对图像进行分析和理解的关键步骤,是计算机视觉的基本技术之一.计算复杂度是评判一个图像分割算法好坏的重要标准,因此降低算法的计算复杂度是当前图像分割领域的主要任务之一.本文提出了一种基于SLIC超像素分割的图像分割方法.该方法利用SLIC算法生成超像素,通过构造相应的相似性矩阵,有效降低了Ncut分割算法的计算复杂度,大幅度缩短了Ncut算法的运行时间.由于SLIC超像素分割算法的准确性与高效性,在进行三类自然图像分割实验时,本文提出的方法无论在分割效果,还是在运行时间上,都要明显优于Ncut分割方法及它的改良算法.     

一种基于mean shift的多通道图像分割算法

目的针对目标与背景对象的色彩值比较接近的RGB图像中,目标对象难以有效分割的问题,探索一种基于mean shift的RGB多通道图像的分割方法。方法根据RGB图像的3个通道对颜色的敏感性差异,运用均值偏移算法对RGB图像的3个通道分层聚类,再引入可靠性因子,分别对3个单通道的各聚类像素进行可靠性计算,并保留可靠性高的像素作为分割结果,最后采用逻辑"或"运算融合单通道的分割结果,得到最终分割图像。结果与一般分割算法相比,该方法的分割效果好,误分率低,改善了图像的分割质量。结论该算法具有很好的推广性,能够应用于彩色印品缺陷检测、彩色包装图像检测中。     

一种改进的倾斜航拍图像注释块分割方法

航拍图像的注释信息中记录着航拍中重要的成像参数,如相机类型及外方位元素等。本文针对当前倾斜航拍图像注释块分割存在的一系列问题,提出采用小波变换进行分割的改进方法,并结合数学形态学的方法进一步分割出注释块。实验证明,该方法不仅快速,而且准确,取得了良好的分割效果。     

综合边缘检测和区域生长的红外图像分割方法

针对红外图像的特点,提出了一种综合应用边缘检测和区域生长方法的图像分割方法。其思路为:先对图像进行边缘提取,得到边缘像素点集;然后利用该点集的平均灰度和目标区域的连通性作为生长判决条件,采用区域生长法实现图像分割。仿真结果表明,该方法能快速准确有效地实现红外图像分割,避免了单独使用边缘提取或区域生长法进行图像分割时的典型分割错误。     

模糊聚类方法在医学图像分割中的应用

模糊聚类方法已被广泛应用到图像分割领域,重点研究模糊聚类方法以及模糊聚类方法在医学图像分割中的应用,同时对分割方法应用图像进行实验,分析。     

水平集在盐水白带细胞显微图像分割中的应用

盐水白带细胞种类繁多成分复杂,细胞存在弱边缘、相互交织和面积小不易区分等特点,加之受杂质的影响,都给细胞分割带来困难.为此本文采用一种新的水平集方法,解决了传统水平集方法的演化曲线难以探测到细胞弱边缘的问题,而且这种水平集方法避免了重新初始化符号距离函数减少了计算量.实验结果表明,这种方法的演化曲线可以探测到细胞弱边缘,能够对盐水白带细胞显微图像进行分割.     

图像前景提取技术研究

图像分割一直是模式识别和计算机视觉的研究问题。图像分割也是为进一步对图像进行分析、识别、跟踪、理解、压缩编码等,分割的准确性直接影响后续任务的有效性,如何快速、有效地将感兴趣的目标从复杂的背景中分割出来,具有十分重要的意义。而目前交互式前景提取,是一种在用户给出简单的标记信息的基础上进行前景提取的技术,相对于普通的前景提取方法,它能够更有效更快的提取前景。     

一种改进的Graph Cuts交互图像分割方法

本文提出了一种改进的Graph Cuts交互图像分割方法。Graph Cuts交互图像分割方法首先由用户选定部分像素作为对象和背景，其余像素为未知区域；然后根据以像素为顶点，以像素相邻关系为边，构造一个图；最后通过图的最小分割方法将图像分为对象和背景两部分。此方法分割图像的结果直接受到用户选定对象和背景像素操作的影响，对象和背景边界的像素容易被分割错误。我们分别对对象区域和背景区域进行腐蚀操作，使分割错误的像素重新变为未知区域（对于在对象或背景内部被错误划分的像素，可以利用类似画笔的工具，直接将其标为对像或背景），然后重新进行一次Graph Cuts分割。由于这次选定了大部分的对象和背景区域，实验结果表明，最后分割结果正确率明显提高了。     

图像分割方法综述

图像分割是数字图像处理中的关键技术之一。本文针对当前主流的灰度图像分割算法进行了分析、分类、归纳和总结,指出了各类方法的优缺点,为选择不同的分割算法提供了一定的依据。     

基于多特征的模糊c均值聚类的图像分割

图像分割是图像处理中最为基础和重要的领域之一，是对图像进行视觉分析和模式识别的基本前提。本文提出采用像索点在θ方向上的非覆盖均值差分作为像素点的一个重要特征，联合其他常用特征，对图像进行c均值模糊聚类分析。实验结果表明本文提出的方法可以很好的从图像中分割出有意义的区域。     

改进的模糊阈值图像分割方法

提出了一种自适应的模糊阈值图像分割方法,通过预分割和直方图信息相结合的方法,解决了传统的模糊闽值图像分割法难以自动获取窗宽的困难;并针对模糊闽值图像分割方法不能适用于直方图呈单峰分布的图像的缺陷,提出了一个新的平滑迭代公式。该平滑迭代公式利用像素点的邻域信息使图像增强,再使用自适应的模糊阈值图像分割方法进行分割,可以拓宽模糊阈值图像分割方法的适用范围。实验结果表明,使用该方法的目标分割正确率达97.3％,显示了较高的分割精度和较强的鲁棒性。     

基于注意力机制与Swin Transformer模型的腰椎图像分割方法

腰椎图像的精确分割是腰椎间盘疾病自动化诊断的重要前提,现有的分割方法在实际应用于分割任务时仍然存在无法精确分割的问题.对此,本文提出了一种基于注意力机制与Swin Transformer模型的腰椎图像分割网络模型.该模型在卷积网络中引入Swin Transformer模型,使用移动窗口的Transformer模块对卷积提取的高层语义信息进行全局信息建模;然后使用注意力机制对上采样过程中跳过连接中传递的低级特征施加权重,去除背景信息,最终实现腰椎图像的精细分割.实验结果表明,本文的腰椎图像分割方法相似度系数指标达到91.18％,性能优于UNet及其变型网络模型.     

分水岭变换和统计区域合并的图像分割算法研究

提出了一种基于分水岭变换和统计区域合并的图像分割方法.该方法综合利用高斯低通滤波、分水岭变换和统计区域合并,先对原始图像提取分割标记,然后利用Meyer分水岭变换对标记分水岭进行分割,最后利用概率统计的方法对过分割区域进行合并.该算法通过调节尺度参数可以实现由粗到细(coarse-to-fine)的分割.实验结果表明,这种简单可行的算法在分割噪声图像时依然有良好的效果,具有较强的鲁棒性.     

结合遗传算法与方向图法的指纹图像分割

指纹作为人体的重要特征，由于其唯一性和终生不变性，越来越成为生物测定技术的重要手段，在自动指纹识别中，指纹图像分割是图像预处理中关键的一环，不仅能够对图像信息进行压缩，保留脊谷线的主要信息，同时能够去除大量的粘连，加速后续处理的速度和提高指纹特征提取和匹配的精度，将基于遗传算法的阈值分割方法和方向图法相结合对指纹图像进行分割。     

一种基于熵率超像素分割的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于熵率超像素分割的多聚焦图像融合方法。首先,将多聚焦源图像进行预融合;然后,用熵率超像素分割方法将融合图像分割成不同的区域,得到一幅融合图像的分割图像,对得到的分割图像进行膨胀操作得到新的分割图像,每个区域计算源图像相应区域的区域空间频率,从源图像中选择区域空间频率大的区域赋予融合图像。最后,当融合图像的相邻区域来自不同的源图像时,对他们的边界进行边缘处理,从而得到最终的融合图像。实验结果表明,所提出的方法能够得到较好融合效果,同时还具有运行效率高等优点。     

采用自适应邻域马尔可夫场的极化SAR图像分割

提出了一种新的马尔可夫场(MRF)极化SAR图像分割方法,对于图像中的每个像素,利用极化SAR数据总功率(span)图,得到该像素的马尔可夫场自适应邻域系统,且对区域标号过程的参数进行修正.使用该方法对机载极化SAR数据进行分割,实验结果表明,与传统的马尔可夫场方法、最大似然方法相比,该方法可以得到较好的分割结果.     

矿岩爆破图像二值化分割技术的研究与选择

爆破块度图像分析法是当前爆破块度统计的重要方法,图像分割技术是该分析方法的关键与难点。针对爆堆及块石图像的特殊性,研究了基于二值化的矿岩爆破图像分割技术,分析了阈值分割、区域生长分割、标记分水岭分割等当前主要的图像分割方法。通过研究图像上同一截面灰度值切片的变换与矿块实际边缘的吻合程度,发现数学形态学分割方法得到的二值图像边界清晰、断点少,相对于门限法更适用于爆破块度图像,其生成的二值化图像层次清晰,便于像素特征的提取。图像分割先进技术的应用,对于实现矿岩爆破图像块度分析的智能化提供了广阔的空间。