基于遗传算法的原位根系CT图像的模糊阈值分割

原位根系CT图像的精确分割是实现植物根系3维重建和定量分析的重要基础。为了对原位根系CT序列图像进行准确、有效的分割,针对原位根系CT序列图像固有的模糊性特征,设计了一种基于遗传算法的模糊多阈值图像分割方法。该方法首先通过直方图分析确定了原位根系3维分割的初始阈值范围;然后通过设计一种模糊隶属度函数, 将图像模糊划分为若干个不同的区域; 最后采用最大模糊熵准则,并借助遗传算法寻找确定了一组序列图像的最佳分割阈值。编程实验结果证实,该算法不仅能更加准确、有效地对植物根系原位CT序列图像进行分割,并可提高图像阈值分割的精度和效率。     

CT图像椎骨分割的局部模糊主动轮廓方法

针对医学CT图像灰度值分布不均匀的问题,由于模糊能量主动轮廓（FEAC）模型用全局灰度信息对图像进行分割,导致过分割现象。对该方法作出改进,即一种局部化FEAC（LFEAC）模型,利用局部的加权平均值代替全局的均值。将该方法用于医学CT图像椎骨分割,实验表明分割效果比FEAC模型和CV模型好。     

根系CT序列图像区域生长分割的新方法

在对传统区域生长算法改进的基础上,针对原位根系CT序列图像的特点,提出了一种基于区域生长的植物根系CT序列图像分割算法。通过对208幅JPEG格式的植物根系CT序列图像进行直方图分析,确定植物根系区域的分割阈值范围,结合阈值分割实现改进区域生长法对单层根系图像进行分割得到目标区域。在此基础上,利用植物根系在介质环境中的空间连续性,进一步实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割。借助MITK（Medical Imaging Toolkit）工具箱对分割好的原位根系CT序列图像进行三维重建,对三维模型进行不同角度观测来判断分割的正确性。实验结果表明,该算法分割速度快、精度高,能够有效地去除CT图像背景中杂质像素,准确提取出植物根系目标区域。     

肺实质CT图像分割方法

针对肺部CT图像中因各组织灰度不均匀、结构复杂等因素造成双肺边界难以准确分割的问题,提出一种多阈值和基于投影的标记控制分水岭分割方法。运用多阈值法对图像进行粗分割,结合形态学开运算去除图像中残余的气管与主支气管;对于左右肺区未完全分离的情况,采用基于投影的标记控制分水岭分割方法进行分离;利用形态学开闭运算对粗分割结果进行细化。实验结果表明,该方法能够对肺实质进行较准确的分割。     

指纹图像的高效分级分割算法

文章中提同了一种新的指纹图像分割算法，引入分级分割的观点，首先从图像中分割得到完整的指纹区域，然后从指纹区域中提取出清晰的指纹区域和受噪声干扰但可恢复的指纹区域。区域生长被引入到第一级分割中，使算法更具鲁棒性，与两种重要的指纹图像分割算法相比较，分级分割算法对不同类型的指纹图像都能精确地进行分割，是一种高效自适应的指纹图像分割算法。     

CT图像导引中穿刺针的快速分割方法

在CT图像导引经皮穿刺中,快速准确定位穿刺针是手术成功的关键环节。为克服CT图像噪声影响和减少计算量,在OTSU阈值算法分割基础上,利用前景、背景区域继续对过度分割的目标进行二次处理,通过迭代计算求最优阈值,在分割输出图像熵最大时实现穿刺针的完整分割。仿真实验证明,标记的基准点和针尖的提取准确率达96％以上,具有较好的实用性。     

图像语义分割方法综述

图像语义分割是一种将图像分割成一系列具有特定语义类别属性的区域的方法,目前已成为当前图像理解分析和计算机视觉等领域的热点研究内容。在广泛文献调研的基础上,简述了图像语义分割方法的发展历程,从驱动类型的角度将当前主流的图像语义分割方法分为基于模型驱动的方法和基于数据驱动的方法,并分别进行了介绍,总结归纳了图像语义分割方法的性能评价标准,指出了图像语义分割方法的主要发展趋势。     

图像分割研究进展

至今提出的分割算法有上千种,而新的算法还在不断被提出。从图像分割实际应用的角度,或者从图像分割中使用的特定的理论工具的角度,可以对图像分割进行分类。Otsu算法、基于聚类的图像分割方法、运动分割、基于图论的图像分割方法和基于活动轮廓的图像分割方法是图像分割的主要研究领域,自然计算算法已成为图像分割新的研究热点。     

基于卷积神经网络的偏色光下植物图像分割方法

为了解决传统图像分割算法在植物工厂中偏色光植物图像上分割精确度不高、泛化性能差的问题,提出了一种基于卷积神经网络,并结合深度学习技术,对人工偏色光下植物图像进行精确分割的方法。采用该方法,最终在偏色光植物图像原始测试集上达到了91.89%的分割精确度,远超全卷积网络、聚类、阈值、区域生长等分割算法。此外,在不同色光之下的植物图片上进行测试,该方法也较上述其他分割算法有着更好的分割效果和泛化性能。实验结果表明,所提方法能够显著提高偏色光下植物图像分割的精确度,可以应用于实际的植物工厂工程项目当中。     

指纹自动识别中图像分割方法的研究

指纹图像分割是指纹自动识别的重要组成部分。本文是把直方图技术和高斯统计分布函数有效地结合起来，作为求取指纹图像二值化阈值的理论基础，在此基础上提出一种称之为“黄金分割算法”的最优化阈值法，计算机仿真结果表明利用该算法图像分割结果比较理想。     

肺实质CT图像细化分割

目的 由于肺部CT图像中各组织结构复杂、灰度分布不均匀,造成肺实质部分难以准确分割和提取。为了提高肺实质分割的准确率,本文提出了一种基于超像素的细化分割与模糊C均值聚类相结合的自动分割算法。方法 该算法充分利用肺部CT图像的灰度、纹理特征,同时为了正确标记超像素的分类,引入一种空间邻域信息来增强空间约束进而有效地解决灰度不均匀的问题,它能够对肺实质进行分割并除去其周围的主血管,然后利用形态学知识去除肺部的分支血管。结果 在临床患有四类疾病的患者CT图像数据集上采用改进的图像特征,使得肺实质分割的准确率提高了0.8%。同时,算法准确率提高到99.46%。结论 实验结果表明,本文算法能够实现肺部CT图像肺实质的自动细化分割,结果准确适用。该算法鲁棒性好、速度快,是一种精确有效的自动肺实质分割方法。     

Advances in image segmentation

Image segmentation is a subfield of image analysis whose potential for applications has stimulated both practical and theoretical research, particularly in the last decade. A selection of papers is reviewed to give an idea of the main lines of attack that are being pursued at present.     

基于MMD的建筑混凝土CT图像分割

本文利用改进的动态METROPOLIS方法(MMD)对混凝土圆柱体试件一个扫描断面的4个应力阶段的CT图像进行分割。基于MMD混凝土的CT图像分割使得混凝土的细观结构的CT统计分析简化,并为混凝土CT细观结构研究分析提供了重要参考。     

基于模糊连接度的交互式CT图像分割算法

如何准确地从CT图像中提取出感兴趣的组织,是医学图像分割中的难点。提出了一种基于模糊连接度的交互式CT图像分割算法：先根据用户指定的感兴趣区域的灰度范围预分割图像,然后用户从结果图像中选择目标和背景种子点,计算出各像素点与两类种子点的模糊连接度,最后根据连接度大小将像素点划分到目标或背景区域。分割过程中,用户可以通过增设或删除目标或背景种子点,修正分割的结果。实验表明,该算法能准确有效地分割出感兴趣区域。     

一种基于信任传播的混凝土CT图像分割方法*

提出一种信任传播(belief propagation)算法,对混凝土CT图像进行分割处理。从分割结果看,该方法能够完整地反映出混凝土材料的内部结构和缺陷,并且与模拟退火算法ICM、Metropolis和Gibbs采样法分割结果图进行了比较,结果表明,信任传播算法在图像分割效率和分割精度上都有明显的提高。该分析方法为混凝土应力分析提供了一种重要的辅助手段,具有重要的应用意义。     

工业CT图像自适应三维裂纹面分割*

在图像分割方法中,CV模型可以得到较好的分割结果,但是模型的收敛速度慢.在三维CV模型检测工件裂纹面的过程中,由于三维CT图像数据量比较庞大且三维CV模型本身分割速度慢,使得检测时间比较长.对于这一问题,研究了一种自适应预处理算法.该算法先对体数据进行三个方向投影,再对投影图利用迭代求最佳阈值的阈值分割方法和自适应矩形框来定位缺陷的大致区域.该方法能够自动适应裂纹面形状变化,同时大幅度减少了需要三维CV模型分割的数据量,可以非常明显地提高分割的速度.实验结果表明利用该预处理算法,三维CV模型的分割裂纹面的速度提高了近8倍.     

一种改进的双模态图像分割算法

在Mumford-Shah模型基础上提出了一个改进的双模态图像分割算法。该算法基于图像局部化信息创建驱动曲线演化的能量,引入的配准项提高了曲线的演化速度,基于曲线演化竞争的数据拟合项,使得曲线能更稳定地收敛到一个全局静态最小值,且算法对水平集函数初始化位置不敏感。实验结果表明,改进的算法具有收敛速度快、分割结果稳定的特点,尤其在医学CT图像方面具有更强的分割能力,更高的稳定性。     

分形理论在肝脏CT影像分割中的应用研究

针对肝脏CT影像的特点,提出了基于分形理论的分割算法。根据分形维数反映图像复杂程度的定义,通过计算两次突变的分维数,来确定图像的灰度值范围,并利用该灰度值范围确定阈值。并通过实验,表明利用分形维数所得到的阈值进行分割处理较传统方法有较大改进,且该方法计算的肝脏边缘分维数也为今后评价肝脏是否发生病变提供参考数据。     

图像分割技术研究与应用

图像分割是指将一副图像分解为若干互不交叠的有意义且具有相同属性的区域。图像分割是数字图像处理中的一项关键技术,其分割的准确性直接影响后续任务的有效性,因此具有十分重要的意义。现有的分割算法在不同程度上取得了一定的成功,但是图像分割的很多问题还远远没有解决,该方面的研究仍然面临很多挑战。文章分析了现有图像分割的各种算法的特点以及存在的问题,对基于图像分割的经典算法进行改进,实现了一种新的分割方法,并将其应用到机器视觉的相关产品当中,取得了良好的效果。