图像过渡区提取与分割的逆向云方法

针对图像自动分割中的最优阈值选择问题,提出了一种基于云模型和过渡区思想的图像阈值化方法。该方法首先通过逆向云算法获得给定图像的云模型;其次设计自适应阈值搜索准则,在云模型的骨干元素区间内最小化该准则,生成图像过渡区的云模型;然后采用极大判定法则实现图像过渡区的不确定性提取;最终根据过渡区像素的灰度峰值完成图像阈值化。新方法利用云模型解决图像过渡区的提取与分割问题,具有不确定性。定性和定量的实验结果及分析表明,该方法分割效果较好、性能稳定,具有合理性和有效性。     

基于小波变换的图像过渡区提取与分割

复杂背景下目标的准确分割是自动目标识别中的关键技术之一。该文将基于过渡区提取的图像分割技术应用于自然纹理场景的图像分割,提出了基于小波变换的过渡区提取与分割算法,克服了以往过渡区直接提取方法的不足。实验结果表明,该方法用于自然纹理场景下的目标分割具有很好的分割效果。     

基于云空间和模糊嫡的边缘检测算法

基于模糊集理论及云理论,提出了对象云的图像模糊边缘检测方法(OCFD).算法充分考虑图像的模糊性和随机性,建立起图像空间与云空间的映射模型,生成模糊对象云和边界云,完成图像空间到云空间的映射.在云空间中实现逻辑云运算的边界云提取,提出并实现了基于边界云的过渡区定义及其提取算法.最后利用最大模糊熵在过渡区内实现检测边缘.实验证明,OCFD算法在检测性能方面优于模糊Sobel,Pal.King等算法,为图像的模糊理解和分析提供了一种新的思路,同时也丰富和拓展了云理论.     

基于分水岭算法的医学图像分割

本文采用分水岭算法对医学图像进行分割,针对医学图像的特点以及该算法存在的过分割问题,首先将原图像转换为形态梯度图像,并对形态梯度图像定义一组形态开闭滤波器进行处理,以获得较好的参考图像;然后采用基于连接像素的分水岭算法进行分割。为了获得整体目标,还定义了一个基于分割区域边界平均灰度及其面积的检验准则,并将其作为区域合并的根据。该方法应用于医学图像分割的结果表明,形态滤波器组的引入很好地防止了过分割,基于分割区域边界平均灰度及其面积的准则对分割区域进行合并是行之有效的。     

一种基于包含度理论的图像分割方法

采用模糊集中的包含度提出阈值化分割图像方法.由于人眼视觉的主观性和图像结构的不确定性使得图像分割比较适合采用模糊技术进行处理.首先引人基于模糊集的包含度理论,其次基于模糊包含度公式定义图像分割选取阈值的新准则函数,最后基于互信息量和混沌理论给出该分割方法中的模糊隶属函数参数的最佳选取办法.实验结果表明,本文方法是可行的,且分割性能明显优于基于模糊熵或相似度的分割法.     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

起伏背景的红外图像过渡区提取

将基于过渡区提取的图像分割技术应用于起伏背景的红外图像的分割.为了实现复杂背景下过渡区的准确提取,首先采用基于直方图的非均衡拉伸算法对原始图像进行处理,以提高整体对比度;然后采用基于小波分析的能量特征图像法区分目标区域和背景区域,这是因为能量特征的选取与背景纹理的方向无关,对目标的变化具有旋转、平移不变性,当目标区域越平滑,检测的精度就越高.对比实验验证了该方法对起伏背景下人造目标具有较强的自适应性和良好的分割效果.     

基于形态开闭滤波二值标记和纹理特征合并的分水岭算法

为了防止分水岭算法过分割问题 ,研究了一种基于形态处理和纹理分析的图象分水岭分割方法 ,该方法是在分水岭算法的基础上 ,首先对形态梯度图象运用形态开闭滤波器组的方法来获得较好的参考图象 ,然后将提取的二值化初始分割结果作为区域标记来进行分割 .另外 ,为了获得整体目标 ,还定义了一个基于纹理特征的一致性和对比度的检验准则 ,并将其作为区域合并的根据 .该方法应用于多个视频序列初始目标分割的结果表明 ,形态滤波器组的引入很好地防止了过分割 ,并证明基于纹理特征均匀性和对比度的准则对分割区域进行进一步的纹理合并是行之有效的 .     

基于最小最大概率分割准则的图像阈值分割方法

最小最大概率机是基于错分概率最小化的新型分类器。文中讨论一维空间两类别最小最大概率问题的求解。以此为基础,给出图像阈值分割最小最大概率分割点的定义,提出设计阈值分割准则函数的方法,同时提出基于最小最大概率准则的阈值分割算法,此算法保证图像阈值分割正确率的下界。实验表明,文中方法是有效的。     

一种基于模糊连通度的图像阈值分割算法

提出一种新的图像阈值分割方法。该方法给出模糊连通度定义,采用图像划分测度作为区分目标和背景的阈值分割准则,在计算图像划分测度时,采用基于灰度级的权值矩阵代替常用的基于像素的权值矩阵来描述图像中各像素之间的关系,从而减小算法实现的复杂性,提高算法运算速度。仿真实验结果表明,与大多数模糊阈值分割方法相比,该方法更具优越性。     

Image segmentation in the presence of uncertainty

This article incorporates fuzzy set theory into the task of image segmentation. the basic concept is to allow the fuzzy membership function to model the uncertainty and vagueness of definition of objects in digital images. We define a fuzzy segmentation as a fuzzy c-partition of an image and incorporate this definition and fuzzy criteria into several image segmentation techniques including segmentation by clustering, region growing, and relaxation labelling. the algorithms are tested on digital forward looking infrared (FLIR) images and digital subtraction angiographic images. These techniques are shown to perform at least as well as their crisp or probabilistic counterparts when converted to a crisp partition. However, the real advantage to a fuzzy methodology is that the degree of membership provides a model of uncertainty and can subsequently be used by feature extraction and object recognition algorithms to increase the amount of information available in decision processes.     

基于云模型的图像区域分割方法

基于区域的图像分割方法由于其高效、稳健的特点成为自动或半自动图像分割方法的研究热点之一。针对区域分割方法中存在的不确定性问题,提出了一种基于云模型的区域分割方法。首先以云变换为基础确定了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,最后以云综合算法为基础将相邻区域进行合并,实现了基于区域的不确定性图像分割。两组图像分割实验表明该方法可以准确地分割出目标,并优于传统的图像分割算法。     

基于局部复杂度的图像过渡区处理研究

图像过渡区是图像中普遍存在的特定区域。由于图像过渡区的存在,不仅致使图像分割不准确,而且对图像的后续分析和理解也易产生偏差。针对此问题,提出了一种基于局部复杂度的图像过渡区处理方法,该方法首先采用统计图像局部复杂度的方法准确提取图像的过渡区,然后确定图像过渡区的处理方向,进而进行插值或修正处理。实验结果表明,处理后的图像,其边缘部分更清晰,过渡带的现象得到很好的遏制。此方法既可以遏制图像的过渡带,又可保留图像原有的内部细节。具有较高的实用性和推广性。     

Local entropy-based transition region extraction and thresholding

Transition region based thresholding is a newly developed approach for image segmentation in recent years. Gradient-based transition region extraction methods (G-TREM) are greatly affected by noise. Local entropy in information theory represents the variance of local region and catches the natural properties of transition regions. In this paper, we present a novel local entropy-based transition region extraction method (LE-TREM), which effectively reduces the affects of noise. Experimental results demonstrate that LE-TREM significantly outperforms the conventional G-TREM.     

面向生物医学图像的交互式分割算法

结合阈值法和区域生长算法,提出一种面向生物医学图像的交互式分割算法。利用阈值法对图像中用户选取的感兴趣区域进行预分割,通过阈值分割得到的目标区域确定区域生长算法的种子像素与相似性准则,获得最终分割结果。实验结果表明,该算法简单快速、对生物医学图像可取得良好的分割效果。     

基于边缘信息C_V模型的医学图像分割方法

图像分割是医学处理中的重要研究内容之一,提出一种基于边缘信息的改进的C_V模型的医学图像分割方法.在模型中增加了表征边界特征的项,利用图像的边界信息与区域信息为分割服务,克服了传统C_V模型不能利用图像的梯度信息的不足.并对C_V模型的区域信息项进行了改造,改变了传统C_V模型中均值取值的定义,提高了对灰度层次丰富的图像分割能力.增加了距离函数惩罚项,将距离函数重新初始化的过程并入整个水平集框架模型中,极大地提高了曲线演化与分割速度.实验表明该模型是有效的医学图像分割方法.     

基于图论的图像分割研究进展

基于图论的图像分割技术是近年来国际上图像分割领域的一个新的研究热点。该方法将图像映射为带权无向图,把像素视作节点,利用最小剪切准则得到图像的最佳分割。论文对图论方法用于图像分割的基本理论进行了简要介绍,并对当前图论方法用于图像分割的最新研究进展进行了综述。     

基于复合矢量场的改进ACM模型与医学图像分割

提出了一种基于复合矢量场的改进ACM模型分割算法。采用广义模糊理论对图像进行处理,得到较理想的边缘映射图,在此基础上构建一个复合矢量场替代原有的力场,使得图像的分割结果有了较大的改进。实验结果证明,该算法能在较大范围内捕获图像的特征、较好地处理深度凹陷区域和大曲率边缘的能力。