基于云理论的生长区域图像分割方法

针对种子点的选取和不确定信息的处理问题。提出了一种基于云理论的区域生长图像分割方法。首先利用图像的全局信息获取种子点,具体是把云变换生成的正态云模型的交叉点作为生长区域的种子点,以极大判定法则作为区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程。以云综合算法将相邻的区域进行合并,最终实现基于区域生长的不确定性图像分割。实验表明,该方法较其他方法能更好的的处理图像中的不确定性信息。且获得了较好的实验效果。     

一种基于改进水平集与边缘检测结合的轮廓提取与检验方法

目前图像分割方法主要研究图像分割精度、质量等,但对分割的结果研究甚少,通常是依靠人工检测结果的收敛性。通过分析图像边界的特点,给出了强边界、弱边界的定义和收敛准则,提出一种将改进的水平集与边缘检测相结合的图像分割方法,用来检验图像分割结果的收敛性,提高分割结果可信度。首先利用自适应区域生长分割出图像初始区域;然后利用预分割的结果构造初始水平集函数和进行边缘演化;最后,用边缘检测算子对分割结果进行检验,将检验得到的结果再进行水平集演化,如此往复,直到收敛。实验结果表明,该方法对弱边界图像有很好的分割效果,可较为理想地提取海马图像中的目标。     

图像分割技术及其在模拟指针式仪表自动检定系统中的应用

图像分割技术是智能模拟指针式仪表检定系统中的用的图像分割方法是根据系统自身的实际特点,将多种图像分割方法如基于阈值的分割和基于区域的分割综合使用,并根据具体的要求,对基于边缘的分割方法做了适当的改进,最终得到了适合系统自身要求和特点的图像分割方法.在实际应用系统中,该算法的分割的效果好于其他的单一的图像分割算法,分割出的图像清晰,噪声小,为后续的处理程序提供了良好的基础.     

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

基于ITK的医学影像分割算法研究

医学图像分割是医学影像领域非常重要的研究和应用课题。医学图像分割是图像分析、图像融合、图像分类检索以及医学图像专家库的应用基础。ITK（insight segmentation and registration toolkit）是美国国家卫生院专门开发的用于图像分割与配准的算法平台,专门针对医学影像领域,其中包含了丰富的图像分割的算法和操作。水平集（level-set）和区域增长法是分割领域最为成熟的分割算法。研究了水平集和区域生长算法的基本理论和算法基础,以及在图像分割上的应用和实现,分析了这两种算法的特点和应用范围。     

FCM聚类算法和粗糙集在医疗图像分割中的应用

本文通过结合FCM聚类算法和粗糙集，提出了一种新的图像分割方法。首先，以不同聚类数情况下FCM的分割结果为依据构建属性值表，基于属性构成的不可分辨关系将图像分成多个小区域；然后，通过值约简获得各属性权值并以此为依据，计算各区域之间的差异度，进而通过差异度定义的等价关系，实现各区域相似度评价；最后，通过相似度定义的最终等价关系实现区域合并，完成图像分割。该方法在人工生成图像和大脑CT图像及MRI图像的分割中得到验证，实验结果表明，本文方法和FCM方法相比，可以降低错分率，且对模糊边界区域的分割效果较好。     

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。     

图像分割中阈值法的研究

图像分割是由图像处理到图像分析的关键步骤,是一种基本的计算机视觉技术。对图像进行分割的方法有很多种,从分割操作策略上讲,可以分为基于区域生成的分割方法,基于边界检测的分割方法和区域生成与边界检测的混合方法。图像分割算法都是基于像素亮度值的相似性和不连续性来计算的,针对阈值图像分割的问题,在相似性的基础上依据实际应用评判标准,将具有相似性的图像区域划分到同一空间中进行迭代计算,并基于VisualC++软件环境进行算法的仿真,该系统能够对图像中的目标部分进行提取,较好的实现了图像分割。     

图像分割技术研究综述

图像分割是图像识别的前提,其效率直接影响图像识别的质量.目前主要有四种基本的图像分割方法,分别为基于阈值的图像分割法、基于区域的图像分割法、基于边缘的图像分割法、超像素图像分割法.介绍了每一种图像分割方法的优缺点和研究情况,以及图像分割技术在汽车自动驾驶中的应用.     

CT图像中的主动脉分割方法

CT图像中主动脉分割技术在临床医学诊断和定量分析研究过程中有着非常重要的意义.为了实现人体主动脉准确分割的目的,提出了一种联合C-V模型边界的区域分割算法.该算法以基于种子点的区域生长作为区域分割的生长方式,以C-V模型得到的最终演化轮廓曲线为约束条件,两者结合来达到分割主动脉区域的目的.实验过程中,将该算法与区域生长算法进行了精度对比,结果证明本分割算法的精度更高.     

LED芯片图像的势函数标记分水岭分割

全自动LED芯片测试分拣系统通过视觉图像处理精确定位LED芯片,其图像特征信息的提取建立在良好的图像分割基础上。为了精确提取图像特征,针对LED芯片图像的特点,改进了分水岭分割算法,采用直方图势函数提取标记,并在标记基础上对梯度图进行分水岭变换,实现了LED芯片图像的良好分割。实验结果表明,该方法有效地抑制了过分割现象,具有较好的抗噪性,对LED芯片图像感兴趣区域提取准确度高、鲁棒性强,分割效果较好。     

基于物体材质的X射线安检图像分割算法

在使用X射线扫描系统进行安检的过程中,安检员采取人眼识别X射线安检图像来确认旅客是否携带违禁品,而被检包裹内由于物品重叠、种类繁杂,难免会造成误检、漏检等情况。针对安检图像的成像特点,提出了基于K均值与区域生长的分割算法,该算法通过有针对性地选择聚类中心,并采取加权系数改进聚类中距离度量方法,针对安检图像中物体的材质进行有效的图像分割。实验结果显示,该算法能够有效分割出安检图像中不同材质的物体,与人工识别相比提高了安检工作的效率。     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在数字图像处理中,图像分割技术能够对待处理部分进行分割处理,以突出显示所要研究的目标对象.在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果.实验结果证明,此方法能准确表达图像各个灰度组成部分,克服了传统单阈值分割所带来的缺陷与不足.     

基于彩色图像的运动目标分割方法

针对彩色图像Hue-saturation-intensity颜色模型各分量所携带的颜色信息不同的特点,结合区域分割算法在彩色图像中提取区域颜色特征,并将区域颜色特征作为局部阈值分割方法的阈值特征,提出一种基于图像区域颜色特征的运动目标分割方法。分割试验显示了该运动目标分割方法的有效性和可行性。提出融合梯度算子和子区合并技术进行区域分割的方法,子区合并技术能够在一定程度上防止两个独立的区域被错误的合并成一个区域, 这种区域分割方法和常用的Region growing算法的对比分割试验显示该方法对灰度变化不均匀的区域进行分割的效果优于Region growing算法。     

光照不均匀图像的一种环带最优阈值分割方法

在水下探测、管道探测、工业内窥镜等视频监控系统中,南于主动补光,存在视频图像中央区域偏亮、四周偏暗的问题,无法直接进行图像分割。文章基于局部阈值化方法的思想,结合上述监控系统视频图像的特点,提出了环带划分的最优阈值分割方法。该方法的关键是根据图像亮区重心确定环带中心和根据目标尺寸确定环带宽度,进而把图像划分为若干子图像,然后对子图像运用局部阂值化方法寻找最佳阈值,实现图像分割。文中对水下鱼饵图像和字符探测图像分别运用全局阈值化方法、局部平均值阈值化方法及本文阈值化方法进行了仿真试验,实验表明本文方法对具有上述特点的图像的分割效果优于其他方法。     

基于多尺度水平集的MR图像海马区分割方法

针对MR图像中海马区存在灰度不均匀性,基于区域动态轮廓的C-V模型只利用区域信息无法获得准确的海马区分割问题,结合多尺度边缘约束的演化思想和图像区域的全局信息,提出了一种结合边缘和区域信息的多尺度水平集MR(magnetic resonance)图像海马区分割方法.首先,在C-V模型的基础上采用内部约束能量项,消除水平集的重初始化,提高分割速度;其次,改进水平集函数中外部能量项的图像区域全局信息,解决由于灰度不均匀所引起的分割不准确问题;最后,在水平集函数的外部能量项中加入基于多尺度图像边缘的梯度信息,作为边缘约束停止项,使分割效果达到优化.实验结果表明,该算法对存在灰度不均匀性的图像海马区分割速度快、准确率高.     

基于区域生长的红外图像火源检测方法

针对红外图像对比度低、分辨率差、背景干扰严重等问题,提出了一种基于区域生长的红外图像火源检测方法.利用阈值分割原理进行逐行扫描,所有灰度值大于阈值的像素被暂定为目标,所有灰度值小于阈值的像素被排除在外,然后,采用区域生长及类空间合并方法进一步确定火源区域.试验结果表明,该方法与归一化互相关匹配法(NCC)相比,误检率较...     

基于分水岭变换和图论的图像分割方法

提出了一种融合分水岭变换和图论的图像分割方法.利用图像的局部灰度信息进行分水岭变换后,将图像分割成多个小区域,再结合各小区域的灰度和空间信息从全局角度用Normalized Cut方法在区域之间进行分割,产生最终的分割结果.实验结果表明,该方法可以消除分水岭变换后所产生的过分割现象,是一种有效的图像自动分割方法.     

基于几何图像的三角网格分割

对反求工程中三角网格数据的分割算法进行研究,提出一种基于几何图像的三角网格分割方法.在网格参数化的基础上,改进几何图像的生成方法.结合形态学方法,用去除逼近项小波重建方法和梯度图像方法两种方法分割法矢图像,基于阈值法分割曲率图像,把几何图像的分割结果映射回到原始网格.实例表明基于几何图像的三角网格分割方法对没有复杂自由曲面的网格数据可以取得较好的分割效果.     

基于活跃度的脉冲耦合神经网络图像分割

针对脉冲耦合神经网络(PCNN)在图像分割中需多次人工调整网络参数的问题,提出了一种基于PCNN模型的图像自动分割方法.分析了图像中影响PCNN参数设置的因素,提出了一种图像自适应分块策略.将图像划分为内部复杂程度相近的子块,克服了同一参数无法同时对图像中复杂度差异较大的不同区域准确分割的不足.利用本文提出的局部图像活跃度(ADLA)指标对不同子块自适应地确定PCNN模型参数,有效解决了传统PCNN图像分割时需要人工确定关键参数的问题.最后,采用最大二维Tallis熵准则从分割后的二值结果序列中选择最佳结果.实验表明,本文方法的分割结果轮廓清晰、完整,即使在对比度低、背景呈大范围内连续变化等复杂情况下,也具有优异的性能.与传统PCNN分割方法相比,本文方法能自动、快速、准确地确定PCNN模型参数,且区域一致性测度(UM),区域对比度(CR),形状测度(SM),综合指标(CI)等客观评价的量化指标均优于传统PCNN分割方法12％以上.