基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

火灾视频图像的边缘检测

针对火灾视频图像存在较多噪声的特点，介绍了图像边缘的概念和几种传统的边缘检测算子，对各种边缘检测算子的优缺点进行了分析，给出了一种图像阈值分割与边缘检测相结合的方法.该方法先对火焰灰度图像进行分割，采用阈值迭代算法找到分割的阈值，使火焰与背景分离，然后再应用传统的边缘检测算子.通过利用拍摄的火焰视频图像对传统的算法和给出的算法进行多次试验及图像的对比分析，结果表明，提出的边缘检测方法检测出的火焰边缘在完整性和清晰度上具有更好的效果.     

玻璃缺陷图像分割方法研究与实现

根据玻璃缺陷的特点,提出一种采用迭代最优阈值与数学形态学相结合的方法对玻璃缺陷图像进行分割.实验结果表明,该方法实现了图像目标与背景的分割,有效提取了图像的边缘.     

基于MR图像的软骨特征自动分割方法

图像分割是关节软骨精确检测和评估的首要前提.针对股骨头软骨MR图像提出基于边缘的自动分割技术.利用Hough变换和髋关节的解剖学结构约束提取股骨头中心和图像的目标位置,确定出粗略分割图像的范围,并结合自适应阈值的Canny边缘检测算子确定被分割图像的边界,按照股骨头软骨边界的像素特点对检测结果进行逐一排查,以去除噪声获得精确的软骨内外边缘.提取内侧与外侧边缘之间的图像信息作为最后的分割结果.实验表明,分割方法可以实现对MR图像中髋关节股骨头软骨快速准确的自动分割.     

水下目标动态阈值检测的区间值模糊集熵方法

针对现有区间值模糊集的模糊熵度量的不足,提出该类模糊集的一种新的熵刻画,并将其应用到图像分割中.用区间值模糊集表示图像,依据最优阈值选取准则确定图像分割的初始阈值.结合Canny边缘检测结果研究一种针对水下图像的动态阈值分割算法,实现水下图像的目标检测.仿真实验结果表明该算法具有很好的图像分割和目标检测效果.     

复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性;其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度;将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生;最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

一种基于矢量阈值的自适应图像分割方法

针对灰度图像,提出一种基于空间特征矢量的图像分割方法,分割前首先对边缘进行增强处理,并构建以像素的灰度、梯度、像素邻域均值为特征的三维特征空间.将图像像素点引入对应于空间特征点.通过计算像素特征矢量与特征矢量阈值的差矢量,求出矢量差与特征矢量阈值的夹角,比较夹角与动态分割参数的关系,以判定像素所在区域(目标或背景).实验表明,该方法能较快的实现图像分割,分割的效果也较好.     

一种识别大型目标的综合方法

结合边缘检测、阈值化、数学形态学、图像分割等相对成熟的技术研究一种识别大型目标的方法。在二值化用Sobel算子获得边缘图像后 ,先用腐蚀算子去掉一些噪声和突出点 ;再用膨胀算子将余下的像素扩张成为一个一个的区域 ,然后使用图像分割技术从中找出符合判据的目标区域 ,最后提出了计算目标方向的公式和确定方位的方法。采用的每个单项技术并不复杂 ,但总体效率经实验证明很好。该方法简单 ,计算速度较快 ,鲁棒性较好 ,有希望应用到实时处理问题中     

基于灰度阈值分割的锥体零件缺陷识别算法

根据人的视觉感官特性，针对锥体零件缺陷检测中的图像信号预处理，利用含有缺陷的灰度图像的灰度统计特征自动找出分割图像的灰度阈值．研究了目前使用边缘检测、阈值分割、区域增长等方法．利用曲线拟合方法计算出灰度的分布曲线，用数学分析的方法求出曲线的局部极值．对于出现多个极值情况时进行分析筛选，把分割缺陷比较理想的极值作为灰度分割的阈值．以此分割图像，其分割效果比较理想．     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．     

一种基于边界和区域的MRI脑图像分割方法

应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.     

基于颜色模型极小值运算的细胞图像分割算法

为了能够快速准确地检测人类细胞形态及增殖分化等情况,提出一种高效自适应细胞图像的分割方法。首先提取图像六角锥体模型中特征明显的饱和度分量图像,并使用形态学重构、H-minima技术和图像增强技术对饱和度分量图像进行梯度修正;修正图像的梯度后,使用分水岭算法对图像进行分割;根据原图像灰度的一致性对分割结果进行区域合并,得到背景、细胞和细胞核3部分,最后使用形态学方法处理合并结果中的虚假噪点并平整区域边缘。实验结果表明,细胞与细胞核分割的准确度分别为0.978 8和0.967 7;Dice系数分别为0.938 8和0.937,实现了对医学显微细胞图像的精准分割。     

基于区域生长的智能车辆阴影路径图像分割方法

针对作者自主开发的视觉导航区域交通智能车辆(Cyber Car)的导航路径在阴影条件下难以应用单一传统阈值方法分割提取的问题,提出了基于区域生长的图像分割方法。该方法利用路径边缘信息寻找种子点,进而对整个路径区域进行生长,最终实现车辆导航路径的准确分割与提取。同时为满足车辆导航实时性的要求,还提出了对分块子图像进行压缩的方法。对不同阴影下导航路径图像的分割试验表明,该方法能够实时、准确地识别导航路径,并具有较强的抗干扰能力。     

图像分割的误差分散半调算法

为了减少数字图像半调过程中传统误差分散法产生的可见人工纹理,提出了一种基于图像分割技术的误差分散法．该方法使用图像分割技术将图像分割为同灰度区域和不同灰度区域,在半调过程中只对同灰度区域使用阈值调制,并使用与输入灰度相关的具有4个方向的误差分散系数处理半调误差．实验结果表明该方法能够有效地减少半调图像中的人工纹理,而且在峰值信噪比、加权信噪比和统一图像质量指标标准上优于Floyd-Steinberg的误差分散法、Ostromoukhov的误差分散法和Bingfeng Zhou的误差分散法．