基于形状约束和局部演化的二值水平集运动目标分割

针对水平集分割模型运算效率较低且易出现过分割的现象,结合视频中运动目标分割的应用背景,该文提出一种将运动目标检测作为先验形状约束和曲线局部演化方法相结合的二值水平集分割模型。该模型提出将运动目标检测的区域作为先验形状信息对水平集分割进行约束,并使用二值函数替换传统水平集函数提高运算效率,同时融入曲线的局部演化方法解决二值水平集模型缺乏曲线演化渐进性的问题。实验结果表明,该文方法在分割准确性、鲁棒性和运算效率等方面与相关模型相比均有不同程度的提高。     

一种新的基于局部信息的拟合模型

对于局部不均匀的图像来说,局部图像信息在图像分割中是非常关键的,然而C-V模型中则缺乏这样的信息。我们提出了一种新的融合了局部边界信息的水平集模型--局部最大最小信息模型,因此此模型能够有效地改进C-V模型在分割不均匀图像方面的性能,即可以解决局部不均匀图像的分割问题克服C-V模型所遇到的一些困难。最终,通过对人工的和真实的图像上的实验证明该模型可以有效地分割局部不均匀图像。     

一种基于综合集成和数学形态学的图像分割方法

图像分割是图像处理的重要步骤,是计算机视觉的基础,是模式识别与图像理解的重要组成部分。由于光照不均匀而形成的灰度图像,采取单一的分割方法不能获得良好的分割结果,为此,采用综合集成的方法对此类图像进行分割,并用数学形态学的运算对分割结果进行处理,改善了分割效果。试验结果表明,基于综合集成和数学形态学的分割方法能有效地分割这一类图像,获得良好的分割结果。     

一种新的基于水平集方法的SAR图像分割算法

本文基于Aubert-Aujol（AA）模型和变分水平集方法提出一个新的SAR图像分割模型;在反应-扩散框架下,将各项同性扩散算子加入到该模型的水平集演化方程中,并提出一个两步分裂水平集演化算法,该算法不需要周期性地更新水平集函数。通过对合成图像和Envisat SAR图像的分割实验,表明本文提出的算法具有较准确的边缘定位能力和噪声抑制能力。     

一种基于二维拉格朗日连续水平集的图像分割方法

在图像分割领域中,基于离散水平集的图像分割方法不但对低信噪比图像难以实现正确地分割,而且分割速度较慢。针对这一问题,该文提出了一个基于连续水平集的图像分割方法。利用2维拉格朗日基函数的线性组合把水平集函数表示成连续函数。最小化实现图像分割的能量函数,建立基函数系数演化的微分方程。因此能量函数的最小值可直接根据拉格朗日的系数值获得。利用简单有限差分法对系数演化微分方程求解,实现了低信噪比图像的快速分割。实验结果表明该方法具有理想的分割结果。     

一种改进的单参数水平集快速分割方法

针对传统水平集分割方法的参数多且速度较慢的问题,提出了一种新的基于单参数的快速水平集图像分割方法,改进了基于Mumford-Shah模型的Chan-Vese(C-V)模型,引入惩罚函数项、用水平集函数梯度的模取代Dirac函数,并且只保留长度项参数,构造出无须重新初始化且具有全局优化的新模型。此外,在算法实现中引入停止迭代判定式,实现自动分割同时得到单参数的取值规律。人工合成图像和医学图像分割的实验结果表明,该方法具有更快的速度和更好的鲁棒性。由于零水平集函数可以任意设定且便于调整单参数取值,新方法具有更广泛的适应性。     

乳腺B超图像结合形态学自动初始化的水平集分割算法

准确高效的乳腺超声肿瘤提取技术具有重要的应用价值,但超声图像灰度不均匀、伪影重、噪声强、乳腺病灶区域与周围组织相似度较高等特有属性,给自动分割带来了很大的挑战。本文提出基于水平集(Level Set)的乳腺肿瘤超声图像自动分割方法,用高斯滤波对乳腺超声图像进行预处理,然后使用阈值法和数学形态学的方法进行乳腺肿瘤区域的分割,最后结合Shawn Lankton等人设计的基于局部区域的水平集能量框架模型来实现对乳腺肿瘤的精确定位,得到乳腺肿瘤区域。分割实验结果表明,该方法能较为准确地定位乳腺超声肿瘤,分割精确度提高了5.71～10.95%,具有比较大的临床参考意义。     

一种数学形态学二值图象编码快速算法

本文利用图像的几何特征，提出了一种二值图象无关失真快速编码算法，用数学形态学技术来提取图象的轮廓信息，给出了输入图象被结构元素膨胀和腐蚀操作的快速算法，并且提出了一种新的轮廓信息编码方法，实验结果表明本文算法非常有效。     

基于改进水平集方法的粘连细胞分割

传统水平集方法对粘连细胞分割效果差,同时在分割过程中需要不断地重新初始化水平集函数。为了解决传统水平集方法在粘连细胞分割上的不足,提出了一种基于颜色特征的水平集方法。该方法将能够约束水平集函数与符号距离函数之间偏差的变分公式作为内部能量项,从而无需重新初始化水平集函数;把结合图像颜色特征信息的能量函数作为模型的外部能量项,以改进粘连细胞的分割效果。实验结果表明,该方法能有效地分割粘连细胞,算法实现比较简单。     

一种基于变分水平集的红外图像分割算法

红外图像大都存在边缘模糊或离散状边缘的特点,并且图像的先验知识较少,因此红外图像的分割是比较困难的。针对这种情况,该文提出了一种基于图像全局信息并且不需要重新初始化的变分水平集红外图像分割方法,不考虑图像边缘梯度的影响,将图像全局信息作为外部能量项,在很大程度上克服了边缘模糊时过分割的情况。同时通过引入内部变形能量约束水平集函数逼近符号距离函数,省去了重新初始化水平集函数的过程,简化了计算,减小了因重新初始化水平集函数带来的误差。将算法应用在红外图像的分割中,验证了算法的有效性。     

基于局部灰度分析的红外图像轮廓跟踪算法

针对在红外图像边缘提取时,断边和分支点会导致伪边界的问题,提出了一种带搜索控制准则的红外图像轮廓跟踪算法.该算法根据飞行目标红外图像特点,将基于最大距离法的局部阈值分割用于目标图像的提取.给出了关于图像局部灰度特性的3个推论,并由此将遗传算法用于轮廓跟踪过程,自动判断出轮廓跟踪过程中出现的分支点、断边,搜索断边并连接.实验结果表明,采用该算法可得到清晰、光滑的轮廓图像,并且具有较快的运算速度,可实现实时处理.     

Image segmentation via image decomposition and fuzzy region competition

Taking into account the morphological diversity of images, this paper presents a novel multiphase image segmentation method that combines image decomposition and fuzzy region competition into a unified model. To efficiently solve the minimization of the energy functional, we design an optimal iteration algorithm which integrates a modified cartoon-texture dictionary learning algorithm and wavelet shrinkage. Compared with the classical fuzzy region competition method, the proposed method not only improves the overall segmentation results, but also has more strong robustness. A series of experimental results demonstrate the applicability and effectiveness of the proposed method.     

基于数学形态学的图像形态滤波

文中定义了多结构元素腐蚀、膨胀、开、闭四种多结构元素数学形态学滤波器,讨论了它们的性质和滤波性能,指出多结构元素腐蚀滤波和膨胀滤波在噪声滤除,尤其是滤除附着在目标图像边缘上的噪声方面优于多结构元素开、闭滤波;多结构元素开滤波和闭滤波在目标图像的细节保护方面则优于多结构元素的腐蚀滤波和膨胀滤波;多结构元素的腐蚀、膨胀、开、闭滤波在细节保护方面均优于单一结构元素的开、闭滤波。最后根据形态学表示理论给出了基于多结构元素的数学形态学滤波器设计方法。     

基于数学形态滤波算子的医学图像边缘检测

利用数学形态学中开、闭滤波算子构造了一种边缘检测器，并将其用于医学图象的边缘检测。仿真结果表明，该边缘检测器可以较好的去除噪声并同时进行边缘检测。     

基于形态学梯度的红外图像分割算法

提出了一种新的红外图像分割方法。该方法利用形态学方法来处理红外图像。首先进行形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着提出了一种计算红外图像梯度的多尺度算法提取图像形态学梯度,而后分析了图像分形特征估计方法与形态学梯度的关系,提出了一种新的红外图像分形特征估计算法,在此基础上对图像进行分割。实验结果表明,该算法能较好地解决红外图像的分割问题。     

多尺度形态梯度算法及其在图像分割中的应用

分水岭变换是一种适用于图像分割的强有力的形态工具.然而,基于分水岭变换的图像分割方法的性能在很大程度上依赖于用来计算待分割图像梯度的算法.本文首先提出了一种计算图像形态梯度的多尺度算法,对阶跃边缘和"模糊"边缘进行了有效的处理其次,提出了一种去除因噪声或量化误差造成的局部"谷底"的算法.实验结果表明,采用本文算法后进行分水岭变换,即使不进行区域合并也能产生有意义的分割,极大地减轻了计算负担.     

形态学滤波在玫瑰扫描亚成像系统中的应用

在玫瑰扫描亚成像系统中,由于采集到图像的不均匀性和欠采样性,用传统的方法很难恢复被扫描物体的图像。为了比较真实的恢复被扫描的物体图像,为目标识别提供失真小的图像,文中提出用形态学滤波的方法处理亚成像。根据目标识别的要求提出了一套判据,根据这些判据,对形态学滤波和传统低通滤波处理亚图像的效果进行了比较。实际应用表明：在玫瑰扫描亚成像系统中,前者较优。     

基于形态学尺度空间和梯度修正的分水岭分割

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种基于形态学尺度空间和梯度修正的分水岭图像分割方法,该方法利用形态学混合开闭重建尺度空间和梯度修正技术,在平滑原始图像的同时保留了重要的区域轮廓而去除了易造成过分割的区域细节和噪声,克服了传统的形态学开闭尺度空间在平滑细节和噪声时,部分重要区域轮廓也被平滑及不满足尺度因果性的问题。对平滑后的图像采用梯度修正分水岭变换,保持了尺度和分割区域数目间的因果性,进一步消除了标准分水岭的过分割现象。仿真实验表明,该方法能有效地消除过分割现象,分割的区域数目满足尺度因果性,且具有较高的区域轮廓定位能力。