基于分水岭算法和图论的图像分割

提出一种新的基于分水岭算法和图论的图像分割方法FWTN(First Watershed Then Normalized cut),以克服传统的分水岭算法造成的图像过度分割。FWTN方法在分水岭算法之后,用Normalized Cut方法在区域之间进行分割,产生最终所分割的图像。FWTN成功地解决了过分割问题,同时还对Normalized Cut方法中的NP-hard问题有所改进。实验结果表明该算法是一种切实可行的图像分割方法。     

一种基于小波和分水岭算法的图像分割方法

用分水岭方法进行图像分割时,容易造成图像的过度分割。为了克服这种缺点,提出了一种基于小波变换和分水岭算法的图像分割方法,该方法首先利用小波变换产生多分辨率图像,然后对最低分辨率图像进行应用标记的分水岭分割,得到初始的分割区域,最后利用区域标记和小波反变换,得到高分辨率图像的分水岭分割结果,从而较好地解决了分水岭变换方法中的过度分割问题。     

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。     

一种基于小波和分水岭算法的图像分割方法

用分水岭方法进行图像分割时，容易造成图像的过度分割。为了克服这种缺点，提出了一种基于小波变换和分水岭算法的图像分割方法，该方法首先利用小波变换产生多分辨率图像，然后对最低分辨率图像进行应用标记的分水岭分割，得到初始的分割区域，最后利用区域标记和小波反变换，得到高分辨率图像的分水岭分割结果，从而较好地解决了分水岭变换方法中的过度分割问题。     

形态分水岭算法在重叠米粒图像分割中的应用

在大米检测盘上的颗粒往往会出现紧靠或者重叠的米团,导致大米检测图像中常出现重叠大米区域,这给后续大米检测分析等工作带来了很大的困难;虽然传统分水岭算法是一种广泛使用的分割方法,将其用于重叠米粒图像分割可以克服由于米粒交叠造成的图像分析困难,但缺陷在于它的过分割结果。提出了一种针对分水岭过分割问题的形态分水岭算法,它结合形态学和传统分水岭变换的优势。实验证明该算法简单、分割粘连颗粒和抑制过分割的效果很明显,运算的速度也满足实际要求。     

一种融合分水岭与ISODATA的岩心图像分割方法

分水岭算法用于图像分割,能获得封闭的和位置准确的轮廓,但容易造成过分割;ISODATA算法能将岩心砾石颗粒聚集成一类,但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点,提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分水岭算法得到过分割图像,ISODATA算法得到聚类图像,然后以ISODATA算法聚类的结果为依据,校正分水岭法的过分割问题。该方法用于砾岩图像的分割,取得了较好的实验效果。     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法;该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割;算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度;实验结果表明该算法是一种切实可行的图像分割方法。     

活立木图像分割算法研究

为了更好地避免图像过分割的缺陷,提高机器识别的准确度,提出一种基于分水岭算法的活立木图像分割算法。通过分析分水岭算法在实际分割中存在缺陷的原因,使用前处理与后处理相结合的方法克服过分割的缺陷。使用形态学重建技术进行图像前处理;使用分水岭算法对图像进行分割,并且利用标记对象法对图像进行标记;利用目标对象的色彩信息进行区域合并以及去除多余水坝,最终得到分割图像。针对10幅活立木图像,通过与人工分割的方法进行比较,所提出的基于分水岭算法的活立木图像分割算法能够有效地提取活立木的目标区域,分割的正确率达到88.42%。     

基于分水岭和区域合并的图像分割算法*

提出一种应用分水岭与区域合并相结合的图像分割算法.本方法首先利用数学形态学分水岭算法对图像进行分割,然后对分割后的图像进行相似区域合并,以减少分水岭方法产生的过分割现象,从而得到较好的分割效果.     

基于改进的分水岭算法图像分割方法研究

研究图像分割中保真问题,针对目前分水岭算法易产生过分割现象,导致图像分割边缘不明显现象,使得分割以后图像失真较大.为了解决上述问题,提出了一种基于空间模式聚类算法和分水岭算法相结合的图像分割方法.首先对图像采用分水岭算法进行图像分割,然后对产生过分割现象的图像区域采用基于空间模式聚类方案进行合并.仿真结果表明,与传统的分水岭图像分割方法相比,分割出的图像边缘效果明显清晰,有效保证原图效果.     

OpenCV分水岭算法的改进及其在细胞分割中的应用

分水岭算法是一种基于形态学的图像分割算法,能快速准确地确定连通区域的边界.将基于标记的分水岭算法用于细胞图像的分割,较好地解决了粘连细胞的分割问题.在该细胞分割算法的实现过程中,发现了OpenCV分水岭算法实现的缺陷,通过对相关代码的分析,发现该缺陷存在的原因是算法流程中对相邻像素相对关系的描述存在问题.将OpenCV分水岭算法中对相邻像素取差的绝对值,改为对相邻像素取差值,对该算法进行了改进.实验证明,改进后的OpenCV分水岭算法对细胞图像的分割效果明显好于直接使用OpenCV分水岭算法得到的结果.该方法在不影响分割速度的情况下,提高了OpenCV分水岭算法分割的准确度.     

基于形态学梯度的分水岭彩色图像分割

图像分割是从图像处理到图像分析的关键步骤之一。在改进了基于地形学距离的分水岭算法的基础上,提出了一种结合图像信息熵、形态学梯度与区域合并的图像分割方法。该算法首先利用信息熵在RGB颜色空间中对彩色图像求其形态学梯度,然后对彩色梯度图进行分水岭分割,最后对分水岭产生的过分割现象进行区域合并。通过Matlab对图像进行实验,结果证明该算法不仅能够减少分水岭算法的过分割现象,而且还提高了图像分割的精确性,同时在图像分割时具有很好的鲁棒性和适应性。     

一种基于标记的分水岭图像分割新算法

为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。利用本文提出的图像分割算法可以获得较为理想的图像分割结果。通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低分水岭算法的过分割问题。     

一种基于主动轮廓模型的医学图像序列分割算法

介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型,把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

基于梯度修正和区域合并的分水岭分割算法

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种改进的分水岭分割方法,该方法首先利用形态学算子得到梯度图像,然后利用形态学混合开闭重构算子进行梯度修正,去除了易造成过分割的区域细节和噪声,接着采用基于标记的分水岭算法进行分割,有效地克服了过分割现象.为了得到更好的分割效果,提出了基于区域一致性和边界曲率光滑性相结合的区域合并准则,对分割后的图像进行有效的合并,该方法能够很好的解决过分割现象,并且产生更有意义的分割效果.通过多组实验,并且和传统的分水岭算法进行对比,得到了满意的效果,结果表明了该方法的有效性.     

一种基于重构算子的分水岭变换算法

分水岭变换是数学形态学的主要分割工具,它通过对梯度图像进行分割,能够提供单像素宽的封闭的区域边缘.但是,直接对梯度图像进行分水岭变换存在严重的过分割问题,这个问题往往采用基于标记的分水岭变换加以改进,可是,有时又会带来欠分割问题.通常过分割和欠分割问题主要发生在灰度的非极大值或极小值的过渡区域.为了克服分水岭变换易造成过分割的问题,通过对分水岭变换产生的过分割以及标记点选取可能导致的欠分割原因进行分析,提出了一种基于重构的分水岭变换算法,该算法首先通过基于重构的变换序列滤波来平滑图像,以减少目标内部差异;然后针对梯度图像,利用重构闭来消除灰度过渡区域在梯度图像上所造成的极小;最后对其进行分水岭变换,可有效控制分水岭变换的过分割现象.     

一种改进的桥梁图像分水岭分割算法

针对传统分水岭分割方法存在的过分割问题,提出了一种改进的桥梁图像分水岭分割算法。该算法首先对桥梁裂缝图像进行高低帽形态学滤波,并运用多尺度梯度算子提取梯度图像,在分水岭变换之前使用自适应的标记提取方法对区域极小值进行标定,然后对初步分水岭分割的过分割区域使用改进fisher距离的区域合并算法进行合并,取散度作为停止度量。实验表明,该算法减少了分水岭算法的过分割现象,提高了桥梁图像分割的精确性,具有很好的鲁棒性和适应性。     

一种基于规则的脑组织磁共振图像分割新方法

本文将小波算法、分水岭算法及基于区域的模糊C均值算法相结合,提出了一种基于规则的二次分割方法实现对脑组织磁共振图像的分割。首先,采用一种基于小波的滤波嚣去除图像中的噪声;然后采用分水岭算法实现对图像的初始分割。为克服分水岭算法的过度分割问题,本文提出了基于区域的模糊C均值（RFCM）聚类算法实现对过度分割区域的合并。尽管分水岭算法存在过度分割现象,仍有一些区域分割得并不完全,尤其是在脑脊液与灰质,或灰质与白质的过渡区域。为此,本文提出一种局部区域连续性与全局信息相结合的基于规则的多阈值分割方法,对分水岭算法初始分割不完全的区域再次分割。通过对大量模拟数据和真实数据分割的实验证明了此方法的准确性和可靠性。     

基于SUSAN算子与分水岭算法的图像分割方法

针对分水岭图像分割算法中的过分割问题,提出了一种结合SUSAN算子和分水岭算法进行图像分割的方法.该方法首先用SUSAN算子对原始图像进行划分,检测出图像中不包含边界的区域,然后将检测结果作为标记符在梯度图像上进行标记,最后用分水岭算法对带标记的梯度图像进行分割.试验结果表明,该方法具有较好的分割效果.     

改进分水岭医学图像分割方法的研究

针对分水岭分割算法极易出现过分割现象这一弊端,对传统分水岭算法进行了改进,提出了一种新的基于阈值标记法的分水岭医学图像分割方法。其中采用最大熵阈值法来提取图像内部标记,对内部标记进行分水岭变换得外部标记。用内、外标记修正原始梯度图并作分水岭变换,所得的图为最终的分割图。实验发现,该方法对于抑制过分割是有效的。