JSEG图像分割算法改进

图像分割是一种重要的和关键的图像分析技术,目的是把图像分成各具特性的区域并提取感兴趣的部分。在基于内容的图像检索中,要对图像特征进行提取,图像分割是其中一个重要的步骤。现在图像分割算法已经有很多,为提高图像检索效率,对JSEG算法进行改进,实验证明该算法有效提高图像检索效率。     

基于FCM和图割的交互式图像分割方法

为了提高在前景和背景颜色相似情况下图像的分割效果,提出了一种基于模糊C均值聚类(FCM)和图割的交互式图像分割方法。首先,利用分水岭算法对图像进行预处理,将图像分成多个小区域,用区域代替像素点进行分析。然后,采用模糊C均值算法对用户标记的前景区域和背景区域分别进行聚类分析,挖掘用户交互所提供的隐藏信息。用未标记区域的颜色分量到前景区域及背景区域类心的最小距离表示相似能量,用未标记区域与其相邻区域的相关性表示先验能量。最后,利用最大流/最小割算法求能量函数的全局最优解。与其他方法相比,该文方法具有较好的分割性能,能从前景背景相似的图像中较精确地提取感兴趣的物体,且用户操作简单。     

基于K-means聚类十字线的套印偏差检测方法研究

目的研究并改进基于十字线套准标识符的印刷品套印偏差检测算法,以提升偏差量检测精度。方法使用K-means聚类算法对分色后得到的C,M,Y,K图像分别进行聚类处理,然后分割图像并提取出各色前景像素,进而使用C,M,Y图像中的前景十字线分别减去K图像中的十字线,以消除四色重叠区域的干扰,最后提取十字线中心并计算偏差量。结果使用15幅印刷品图像样张进行实验,改进的基于K-means聚类十字线的套印偏差检测算法的检测结果,比大津法更接近人工测量值,误差在±0.04mm以内。结论基于K-means聚类的十字线分割法对前景十字线的提取,较大津法抗叠印干扰性更强。     

过渡区提取方法综述

图像分割是图像理论发展的瓶颈, 过渡区是指图像中介于目标和背景之间的 特殊区域,借助于过渡区的确定进行图像 分割。主要介绍了过渡区提取的两大类方法 ：基于梯度的方法和基于非梯度的方法, 并对提取效果以及存在的问题做了简要分析。     

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。     

基于多残差网络的遥感图像语义分割方法

高分辨率遥感图像含有许多较为复杂的地物信息,对其进行的语义分割存在分割精度低、分割边界模糊等问题.本文提出一种新型的多尺度语义分割网络模型,旨在提高遥感图像语义分割精度.该模型为编码—解码(Encoder-Decoder)网络结构,编码器利用残差网络对图像特征进行提取;解码器利用反卷积进行上采样;残差连接将提取到的高级...     

基于 YCbCr 颜色空间的快递单手写文字分割

目的在YCbCr颜色空间下,利用Cb颜色分量信息结合阈值分割方法,提取快递单图像手写体文字信息。方法首先将图像从RGB颜色空间转换到YCbCr颜色空间下,然后在Cb颜色分量图像下进行图像阈值分割处理操作,最后对提取出的手写体文字信息进行中值滤波去噪处理,并将该算法提取的结果与基于YCbCr颜色空间使用K均值聚类方法提取的结果在分割效果、分割时间与文字识别率上进行对比。结果利用Cb颜色分量提取出的手写体文字信息更清晰,具有更快的处理速度和更高的识别率,快递单图像平均处理时间为1.36 s,识别率为89%。结论单独利用Cb颜色分量信息提取手写文字就可得到较好的提取效果,算法简单、可行。     

基于方差和显著性特征的超声图像分割方法研究

针对超声图像对比度小导致的影像上相邻灰度差别很小,人眼有时难于区分的问题,提出了一种基于方差和显著性特征的超声图像分割方法。首先提取图像中已知样本像素点的方差和显著性特征;然后利用支持向量机根据提取的样本像素点方差和显著性特征进行样本训练,得到分类模型;最后根据训练模型对整幅图像上的像素点进行分类,实现图像的有效分割。实验结果表明该方法针对超声图像的分割是有效的。     

基于区域生长法的超声图像分割

分割是医学图像处理的一个重要方面,其目的是把原始图像中感兴趣的区域提取出来,尽可能为临床诊断、病理分析、治疗提供可靠的依据。本文对超声图像进行直方图规定化预处理,然后采用区域生长法对超声图像进行分割,取得了满意的效果。     

基于多阈值单水平集方法的医学图像分割

针对Chan-Vese的无边界主动轮廓模型(CV模型)只能区分前景与背景的缺点,提出了一种基于多阈值单水平集的医学图像分割方法,并将此方法应用于微创手术的预处理中.由于医学图像结构复杂,具有器官轮廓多连接等特点,因此使用常规的水平集方法进行分割往往不能取得理想的效果,而该方法采用修改目标泛函的方式引入多类分割,具有多区域分割的特点,只需经过一次单水平集的迭代循环,即可将图像根据灰度不同划分为多个区域,具有精确、快速等优点.对不同的合成图像和医学图像的实验结果表明,该方法实现了快速精确的多区域分割,能很好地提取到医学图像中的骨骼轮廓,分割效果达到了预期水平.     

基于阈值的几种图像分割算法研究

图像分割就是将图像分成若干具有特定意义的区域,并将它们提取出来进行处理的技术。本文介绍了阈值化分割技术的基本原理,描述了几种常用的图像分割算法,并对几种算法的优缺点进行了分析。     

红外车辆目标的自动模糊分割

针对红外图像的特点,提出了一种基于遗传算法的自动模糊分割红外车辆目标图像的方法.首先选取图像的感兴趣区域以加快运算速度;然后对感兴趣区域图像进行模糊增强,借助于二维OTSU方法对增强后的感兴趣区域进行阈值分割,为了加快分割算法的速度,先限定一个最佳阈值范围,再利用遗传算法在此阈值范围内自动搜索最佳分割阈值;为了弥补单独利用二维OTSU方法分割的不足,采用缩短模糊边缘宽度的方法来提取感兴趣区域红外车辆目标图像的边缘.最后把二维OTSU方法分割的图像与模糊边缘提取得到的边缘图像进行或运算后进行填充以得到最终的车辆目标分割图像.实验结果表明,对于红外车辆目标图像,一维OTSU和二维OTSU算法只是基本分割出了红外车辆目标的主体,而本文提出的自动模糊分割技术不仅准确分割出了红外车辆目标的主体,而且对于坦克的模糊炮塔亦得到了完整的分割.     

基于U-net的水位线检测

提出一种基于U-net水位线自动分割的新方法,并通过多种场景进行验证。首先标记出原始图像中的水和背景并对其灰度化;然后利用处理后的图像和原始图像制作出数据集,把数据集作为输入利用U-net对图像进行分割;最后将所有分割出来的图像进行边缘提取得到水位线。实验结果表明:U-net水位自动分割可以精确地标记出水位线,同时解决了在水位测量过程中图像背景所带来的影响,分割效果明显优于其它分割方法,识别率达到96%以上。     

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。     

医学图像的交互分割及三维表面重建

提出一种基于灰度信息的三维医学图像交互分割方法,并对分割提取的组织或区域进行了三维表面重建,在分割过程中,首先对图像进行滤波,确定阈值范围进行二值化,然后根据待提取组织或区域的特征,选取合适的数学形态学操作,最后对区域进行种子填充,这一过程是一个交互的过程,对提取出的区域用MT算法构造等值面,用灰度梯度法计算表面法微量,并实现高质量三维显示。     

基于计算机视觉测量技术的图像轮廓提取方法研究

图像分割与轮廓提取是计算机视觉测量技术的关键环节。针对传统边缘检测方法中存在的问题，结合计算机视觉测量技术的特点，提出了一种实用的轮廓提取方法。该方法采用灰度阈值法进行图像分割，并用数学形态学方法对二值图像进行缺陷修补，通过链码跟踪存储轮廓信息，实现了具有单像素边缘的图像轮廓提取。文中给出了关键技术的原理及实现方法。实验表明，与经典的边缘检测方法相比，此方法具有抗干扰性强、精度高等特点，能满足工程测量的实际需要。     

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.     

医学图像中细胞分割方法简介

细胞分割作为细胞跟踪、细胞分裂检测过程中提取细胞特征的一个重要手段,在医疗图像处理、分析领域占据重要的地位。本文通过对国内外常见生物医学细胞图像分割方法的大量研究,较为全面地介绍了现行的各种细胞分割方法,同时对各个方法的优缺点进行了论述,最后对细胞分割算法进行了归纳总结。     

基于标记的多尺度分水岭视频目标分割算法

针对视频目标提取的问题,提出了基于标记的多尺度分水岭视频目标分割算法.该算法以帧间变化检测为基础,通过改进的最小Tsallis交叉熵进行去噪、滤波,经形态学处理后得到运动目标初始二值掩模,并利用初始二值掩模得到用于分水岭算法的前景与背景标记,用该标记修正当前帧的多尺度形态学梯度图像,最后进行分水岭分割,得到具有精确边界的视频对象.实验结果表明,该算法能有效地分割和提取视频序列中的单个、多个以及快速运动的目标,继承了变化检测和分水岭算法速度快的优点,克服了分水岭容易产生过分割的缺点,具有较强的适用性.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.