基于改进的分水岭算法的路面裂缝检测

传统的分水岭算法在图像处理中具有保持微弱边缘信息良好的优点,但容易产生过分割问题。针对传统分水岭算法过分割的问题对分水岭合并算法进行了改进,结合沥青路面裂缝特点提出了梯度熵的概念,同时提出了自适应区域合并算法作为判断区域合并的准则,通过该方法在路面裂缝检测上的应用,实验结果表明,该方法与改进前分水岭算法相比,提取出的路面裂缝噪声少,细节保持得好,而且有效地解决了过分割问题。     

分水岭算法的改进方法研究

现有分水岭算法对噪声敏感且存在过分割现象。结合当前研究进展,介绍模拟泛洪的分水岭算法和模拟降水的分水岭算法。针对传统算法的缺点,总结4种分水岭算法的改进方法,分析其优缺点并指出未来分水岭算法的研究方向。     

基于改进分水岭及区域合并的图像分割方法

改进了基于地形学距离的分水岭算法,提出了一种结合了图像灰度、边缘信息与信息熵的图像分割方法。首先利用改进的分水岭算法将图像分成多个小区域,根据各个区域之间的临接关系,建立RAG;其次,利用提出的区域相似度合并区域;最后根据最大熵准则停止合并过程,获取最终的分割结果。实验结果表明,与改进前的分水岭算法相比,该方法边缘定位更加准确。与k-mean和基于边缘的分割方法相比,能够较好地分割出图像的细节,同时分割结果也更加符合人的视觉特性。     

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性, 针对分水岭分割算法中的过分割问题, 提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割, 主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换; 然后在初步分割变换后, 通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则, 对分割后的区域进一步合并。实验结果表明, 新算法有效地解决了分水岭算法的过分割问题, 具有较强的抗噪性能和边缘定位能力, 能够满足医学图像的分割要求。     

基于多分辨率的分水岭图像分割算法

针对分水岭分割算法的2个缺陷：耗时较长和过分割问题，该算法在低分辨率图像上进行分水岭分割，提高了分割的速度；由低分辨率图像返回到高分辨率图像时，采用了一种基于边缘信息的合并函数，避免了边缘信息的丢失，保证了分割的准确性。该文设计了一种基于梯度图像的噪声抑制方法，可抑制高斯噪声对梯度图像的影响，有效避免了过分割问题。实验结果证明，该算法兼顾了效率和分割的准确性。     

基于改进分水岭变换的矿石图像分割算法

为了准确测量传送带上的矿石尺寸,提出了一种局部自适应阈值化和改进的分水岭变换相结合的矿石图像分割算法.该算法利用基于积分图像的自适应阈值化算法提取矿石区域;对二值图像做距离变换与双边滤波处理,并应用提出的基于区域合并的分水岭变换算法对图像进行分割;将提取的矿石区域与分割结果进行合并,得到最终的分割结果.对现场采集的复杂的矿石图像进行仿真实验,实验结果表明,该算法分割准确、速度快、光照自适应强.     

基于分水岭算法的虹膜区域分割

在论文中使用了分水岭分割算法与区域合并相结合的方法,有效地对虹膜图像进行分割,并减少过度分割现象。首先对原图像做平滑处理,使用sobel梯度算子得到原图像的梯度图,然后使用分水岭算法对梯度图进行区域分割,最后将分割图像的过度分割部分进行区域合并。实验证明这种方法可以应用于分割带有噪声的图像,也能够减少过度分割现象。仿真结果表明,把这种方法用于虹膜区域分割中,可以得到精确的、封闭的虹膜边缘。     

基于分水岭算法的虹膜区域分割

在论文中使用了分水岭分割算法与区域合并相结合的方法,有效地对虹膜图像进行分割,并减少过度分割现象.首先对原图像做平滑处理,使用sobel梯度算子得到原图像的梯度图,然后使用分水岭算法对梯度图进行区域分割,最后将分割图像的过度分割部分进行区域合并.实验证明这种方法可以应用于分割带有噪声的图像,也能够减少过度分割现象.仿真结果表明,把这种方法用于虹膜区域分割中,可以得到精确的、封闭的虹膜边缘.     

基于各向异性扩散的医学图像分水岭分割算法

针对医学图像形态建模过程易产生过分割的问题,提出了一种基于各向异性扩散的分水岭分割算法。该算法首先对原始图像进行自适应各向异性扩散滤波,然后引入多尺度的形态梯度图像作为分水岭变换的参考图像,以突出图像中物体的边界轮廓,平滑具有均匀亮度的区域。最后,定义基于边界平均灰度和面积的区域合并准则,对分割后的区域进一步合并。实验结果表明,该算法能有效抑制过分割,具有较强的抗噪声性能,得到的分割结果可以满足医学图像建模的需要。     

基于Otsu多阈值和分水岭算法的乳腺肿块分割

在乳腺X线图像中,肿块大多埋没在复杂的、高密度的腺体背景中难以检出和识别.针对这一问题,提出了一种应用快速多阈值Otsu算法和改进的分水岭算法相结合的乳腺X图像肿块分割方法.首先对乳腺X图像进行形态学预处理,然后应用多阈值Otsu算法对图像进行处理,并对图像运用分水岭算法进行分割.为了避免过分割现象,对分割后的图像进行了相似区域合并.实验表明该方法对于乳腺X图像中各种类型的可疑肿块的分割都是有效的.     

基于改进快速分水岭变换的图像区域融合

提出一种改进的快速分水岭变换算法,可在只增加很小算法复杂度的情况下获得梯度图像的多尺度信息;进而构造了一个新的区域相似性函数,该函数综合考虑了灰度差异、边界强度、融合进度、边界复杂度、纹理信息等多方面因素,并将改进分水岭变换中获得的多尺度信息用作评价边界强度的指标．实验证明,该算法有很好的鲁棒性和适应性．     

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.     

基于形态学及区域合并的分水岭图像分割算法

针对传统分水岭算法在图像分割过程中的过分割问题,提出了基于形态学标记及MSRM的分水岭改进算法。利用形态学混合开闭运算实现图像重建,采用Laplace锐化强化图像边界,其次标记目标物和背景,修正幅值图像,经分水岭变换实现图像的粗分割,然后利用MSRM区域合并法实现目标物和背景的有效分割。对比聚类分割和基于H-minima标记的分水岭算法和Otsu类间最大间距算法,改进后的算法在分割效果、算法运行时间和分割精确度和召回率上具有明显优势,与上述其他算法在平均分割时间上提升3.86 ms,2.88 ms,5.64 ms。分割交并比IOU平均值96.42%,比其他算法平均值高出12.65%,2.77%和3.07%。     

分水岭算法在重叠细胞图象分割中的应用

分水岭算法是一种广泛使用的分割方法,将其用于细胞图象分割可以克服由于细胞交叠造成的图象分析困难,但缺陷在于它的过分割结果。本文给出一种针对分水岭过分割问题的解决方案,引入灰度差值图的概念,提出一种基于灰度差值图和距离图的变换,将变换结果作为分水岭算法的输入图象;最后对需要存在过分割的区域根据区域灰度性质合并过分割区域。     

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。     

基于假设检验和区域合并的视频对象分割

提出了基于假设检验和区域合并的视频对象分割算法。初始分割采用分水岭算法，接着根据颜色相似性进行区域合并，然后利用光流场估计和全局运动估计获得全局运动的残余误差，最后以各个区域的残余误差数据进行假设检验和小区域验证来确定运动区域，通过组合所有的运动区域即可分割出具有准确边缘的完整视频对象。对MPEG-4测试序列的实验结果表明了本算法具有良好的分割性能。     

基于区域分离与聚合的分水岭分割

针对目前采用分水岭变换实现的图像分割容易出现过分割,导致图像分割边缘不明显现象,使得分割之后图像边缘失真.论文提出了一种结合拉普拉斯滤波和区域分离与聚合的改进分水岭变换图像分割方法.仿真结果表明,与传统的分水岭图像分割方法相比,该方法分割出的图像能有效抑制图像的过分割现象.     

基于改进控制标记符分水岭的牙体硬组织分割

针对口腔视频图像中的牙齿形态特点,提出了一种基于改进控制标记符分水岭变换的牙体硬组织分割算法,进而为临床诊断、矫正、修复等提供参考。该方法首先对牙齿图像进行预处理,并结合牙体硬组织颜色特征分析,提取出牙体硬组织区域,作为初步控制标记符;其次,利用支持向量机对初步控制标记符进行分类优化,并经形态学操作处理后,提取出最终的控制标记符;最后,利用基于改进控制标记符的分水岭方法对图像进行分割,将视频图像分成同质区域,并通过计算区域平均特征,完成牙体硬组织的自动分割。仿真实验结果表明,本算法具有较好的适应性和鲁棒性,提高了牙齿硬组织的分割精度。     

改进标记分水岭的乳腺X线图像肿块检测方法

乳腺X线图像肿块大小不一,固定参数的传统标记分水岭算法无法实现乳腺X线图像肿块的有效检测。针对此问题,文中提出了一种结合形状特征和改进型标记分水岭的乳腺X线图像肿块检测方法。在计算前景标记时,结合标记的形状特征判定前景标记,通过对前景标记进行形态学膨胀并提取边缘以获得背景标记,利用改进型自适应参数标记分水岭算法实现肿块检测。实验结果表明,文中算法通过结合形状特征,自适应地选择合适的形态学参数,使得肿块检测准确率高于传统标记分水岭算法。