基于箱型图与折点阈值边界的电缆分割方法

针对电缆区域多样且数量较多等原因导致各区域难以分割的问题,提出一种基于箱型图与折点阈值边界的电缆分割方法.设计一种HSV空间下的阈值边界分割方法;根据电缆结构特征对各区域进行初步分割,对分割结果进行统计,根据箱型图计算各通道的初始阈值边界;计算折点阈值边界并完成区域的精确分割.实验结果表明,该算法对于不同的电缆区域可以自适应计算该区域的色调中位数以及阈值边界,算法分割效果好,鲁棒性高.     

基于改进JSEG算法的高分辨率遥感图像分割方法

JSEG算法是一种有效的彩色图像分割方法,但该方法直接用于遥感图像分割时,往往会出现因遥感图像区域边界较模糊而导致区域边界分割不准确,或因区域阴影而导致的过分割现象。为了解决上述问题,提出基于改进JSEG算法的遥感图像分割方法,该方法利用能更好描述区域内颜色的同质性的局部同质矩阵来校正传统JSEG算法中的局部J值,以实现对区域边界的准确反映,提高区域边界分割的准确性;利用图像的LBP/C纹理特征,合并具有相似纹理信息的颜色类,以减弱传统JSEG算法的过分割现象。仿真实验验证了上述方法的有效性。     

图像分割方法综述

图像分割是图像处理与计算机视觉的基本问题之一 ,是图像处理图像分析的关键步骤。对传统的图像分割方法和近年来出现的一些新方法进行了综述。具体介绍了基于区域的分割方法、基于边界的分割方法 ,基于区域和边界技术相结合的分割方法及基于特定理论的分割方法。     

一种基于区域分级合并的彩色图像分割方法

在区域合并过程中,手工设置颜色相似性和边界距离的权重极大地影响了分割的精度和自动化.针对这一问题,提出了一种新的基于区域分级合并的彩色图像分割算法.该方法能够根据邻接区域的边界特点设置权重因子,从而自适应地融合区域的颜色相似性和边界距离.使用均值漂移算法对图像进行初始分割,将原图像分割为具有较好边界的同质区域;通过计算区域相似度对区域进行分级合并.多幅彩色图像的分割实验结果证明,所提算法优于传统的基于区域合并的方法.     

勾画式交互的网格模型分割

提出一种基于区域增长的交互三维网格模型分割方法。在区域增长的基础上,首先由用户利用基于勾画的交互方式选定部分顶点作为目标和背景,其余顶点作为未知区域,利用区域增长的方法自动生成目标的边界,从而完成模型的分割。此方法中边界顶点分割结果的好坏直接影响到了最终的分割结果,因此,在利用区域增长方法形成边界时,将既与目标相邻又与背景相邻的顶点标记为特殊点,在其余未知部分分割完成之后,重新对特殊点进行一次区域增长算法。此时由于大部分顶点的状态已经确定,获得的边界将更为准确。实验表明分割结果有了很大程度的改进。     

CT影像中边缘病变的二维肺野分割研究

为了研究采用基于先验形状约束的活动轮廓模型方法来正确分割胸腔CT影像中高密度病变影响边缘的肺野区域, 对已分割获得的胸腔CT影像中的二维肺野区域的形状根据其相似性进行粗略分类, 并对这些先验形状进行分类学习, 通过学习获得的PCA形状向量与活动轮廓相结合的迭代方法拟合肺野区域的正确边界, 最后通过基于边界的区域分割方法对胸腔CT影像进行分割, 得到正确的肺野区域。通过所得分割结果的对比表明, 采用该模型来拟合肺野区域边界来完成肺野分割是可行的, 同时从分割结果的量化评价指标(准确性和敏感性、特异性)可看出本方法分割能够得到正确的肺野区域。     

应用最小生成树实现点云分割

点云分割是点云参数化、形状识别、编辑造型等领域的关键基础算法。提出一种基于最小生成树的点云模型分割算法,包括生成带状分割边界、区域增长、拆分带状分割边界以及生成最终区域4个步骤。算法采用Snake模型提取分割曲线并向两侧扩展形成带状分割边,利用最小生成树实现区域增长来提取区域内部点,最后拆分带状分割边界并与已有区域合并形成最终区域。实验结果表明,该算法能够有效避免过分割和欠分割,能够生成光顺分割边界,与Level Set分割算法相比具有较高的效率。     

改进CV模型的医学图像分割

基于水平集的图像分割方法能有效处理拓扑结构较复杂、有分支的目标,分割结果对目标初始轮廓的位置不敏感,对图像中对比度低的边界的识别效果不佳。广义模糊算子能有效提高图像边界区域与非边界区域的对比度,图像细节分明、失真度小。运用广义模糊算子来改进水平集分割方法中的Chan-Vese模型（简称CV模型）的速度函数;并扩大传统CV模型的边界检测范围以减少迭代次数,加快收敛速度;最后消除误分割区域以进一步提高分割的准确性。对模拟和真实医学图像分割的实验结果表明：改进后的模型能较大提高分割的准确性及效率。     

三维网格的边界强度分割算法

提出一种新的基于网格边界几何信息的快速分割算法,首先按照原始网格模型面片的拓扑关系建立对偶图,并根据网格面片的几何信息设定顶点权和边权;使用k-way 多级分割方法在对偶图上进行快速分割,得到预分割区域以及各分割区域的初始边界;然后定义分割片的特征边界和边界强度函数,用以表示各预分割区域边界上的形变模型;通过最小化形变模型的能量函数,推动初始边界向特征边界运动,最终得到符合最小值法则的有意义的子网格.实验结果表明,该算法快速有效,适用于各种局部边缘特点较显著的三角网格模型.     

融合边界信息的高分辨率遥感影像分割优化算法

目的 针对目前区域分割算法获取的区域边界与真实地物边界不一致问题,利用高分辨率遥感影像地物内具有均质性和地物间边缘信息突出的特点,提出一种融合边界信息的高分辨率遥感影像分割优化算法。方法 首先采用Canny算法对遥感影像进行边缘提取并进行边缘连接处理,产生闭合边界;然后将边界与初始分割结果进行融合处理,获得新的分割结果;最后在闭合边界约束下,基于灰度相似性准则对新的分割结果进行区域合并,获得优化后的最终分割结果。结果 采用本文提出的分割优化算法对Mean Shift算法和eCognition软件获得的分割结果进行优化处理,优化后的分割结果与初始分割结果相比正确分割率（RR）平均提高了4%,验证了本文算法的有效性。结论 该优化算法适用性广,可优化基于区域、基于边界和基于聚类等多种分割方法,同时该算法既能保持高分辨率遥感影像分割的区域完整性,又能保持地物边缘细节特征,提高了分割精度。     

基于局部特征的图像边缘检测

针对传统边缘检测对噪声较敏感且不能准确定位的不足,分析了图像边缘邻域像素之间的关系,提出了基于局部特征的图像边缘检测方法,建立了判断该像素点是否位于边缘上的准则函数。本方法以像素点为研究对象,检测的边缘可能为噪声点或伪边缘点,因此利用图像边缘连续性和噪声点孤立性的特点,运用形态学提取图像边缘并克服了噪声对边缘检测的影响;然后运用形态方向梯度去除伪边缘点。实验结果表明该方法能够准确地检测出图像的边缘,并克服了传统利用微分算子检测边缘的不足。     

基于自组织定向的边缘优化方法

传统的边缘检测方法通常采用预先的平滑滤波操作排除噪声的干扰，这使得去除噪声的同时也损失了图像的细节。因此，滤波去噪比例和边缘检测精度一直是一对矛盾，本文针对这个问题提出了一种基于边缘定向的边缘优化策略。边缘具有一定的方向是它区别于杂乱无序的噪声的鲜明特征，利用这一特征，可以不需要平滑滤波操作并能很好地解决以上问题。文中还根据数字图像的特点提出了自组织定向这一获取图像边缘方向的有效方法。     

粗糙集理论在阴影图像边缘检测中的应用

粗糙集理论是一种新的处理模糊和不确定性问题的数学工具,该文提出一种基于粗糙集阴影边缘方法,该算法根据粗糙集理论、梯度、最大邻域差及噪声的条件属性,将一幅图像划分为不同的子图像,然后对子图像分别进行处理,得到阴影边缘点,再对边缘点进行细化和跟踪,删除那些假边缘点,最后得到阴影边缘图像。通过对所得结果进行分析可知,结合粗糙集理论的阴影图像边缘检测算法与其他的常规检测方法相比,无论从视觉效果还是检测精确度上都得到了改善。     

一种改进的图像边缘检测算法的研究

图像边缘时图像的基本特征之一,阐述了边缘检测的基本理论和传统的边缘检测算子理论,提出了一种改进的图像边缘检测方法。通过实验表明,该方法能够有效的对图像边缘进行检测,目标边缘定位精度较好,并且能有效减少噪声对图像的干扰,从而提高了图像边缘检测的抗干扰能力。     

五帧差分和边缘检测的运动目标检测

为了改进传统三帧差分的运动目标检测方法易出现的空洞和与虚假边缘的现象, 提出了一种基于五帧差分和边缘检测相融合的运动目标检测方法。该算法首先利用优化的Canny边缘检测算法快速提取五帧连续图像的边缘图像, 然后对五帧连续的边缘图像进图像的五帧差分运算, 最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单, 实验结果表明, 该算法准确率高, 连通性好, 能满足实时性检测的要求。     

结合LOG算子和小波变换的图像边缘检测方法

针对目前常用的边缘检测方法对噪声比较敏感,测得的边缘比较粗糙等现象,在传统边缘检测方法的基础上提出了一种基于数据融合的边缘检测方法。该方法分别采用改进的LOG算子和离散小波变换对原始图像进行边缘检测,建立相应的融合原则,并将两种方法检测出来的边缘进行数据融合,得到最终的图像边缘。实验证明,该方法结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果。     

图象边界的遗传算法规整

为了使检测的图象边界更符合有效的理想边界结构,同时能滤除边界图象中的噪声干扰,提出了一种基于遗传算法在图象边界规整方法。该方法首先将已经检测得到的边界图象编码为两维二值码串个体,并根据理想边界模板集来计算每个个体的适应度;然后通过交叉、变异和选择等遗传运算对被检测出的非理想边界进行规整。在遗传算法收敛时,该算法不仅能得到最适合有效理想边界结构的边界图象,并能有效地滤除边界图象中的噪声。     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。     

一种基于多尺度梯度的边缘提取方法

通过扩展传统的基于梯度的边缘提取方法,提出一种新的简单有效的边缘提取方法。根据梯度在边缘处的响应,基于不同尺度的梯度的有机结合得到一种新的边缘特征定义。该表示方法具有自适应性,然后结合非最大抑制的思想得到响应大的位置,即自适应地将局部极大信息确认为边缘,从而得到具有鲁棒性的边缘提取结果。实验表明,该算法的性能优越,对噪声不敏感。     

改进的Sobel算子彩色图像边缘检测

为了解决传统灰度图像边缘检测中容易出现的边缘定位偏差、边缘丢失以及边缘不连续等问题,结合传统的Sobel梯度边缘检测方法和图像阈值分割技术,提出了一种改进的Sobel算子彩色图像边缘检测方法。通过对比试验结果表明,该方法可以有效地降低色彩边缘的误检率,一定程度上提高了边缘检测器的性能。