基于分水岭算法的红外图像分割方法

本文采用分水岭算法对红外图像进行分割,针对其存在的过分割问题以及红外图像的特点,提出了分割区域边界平均灰度及其面积对过分割区域进行合并,以得到有意义的分割结果。本算法利用空中红外目标图像进行了实验,实验表明,本算法适用于红外目标图像,并且效果良好。     

图像分割方法综述

图像分割是图像理解和物体识别的第一步。对于较为热门的基于物体分割的视频编码,首要问题也是图像分割,近来提出了不少较为新颖的分割方法。文章回顾了一些传统的方法,并与一些新方法加以比较。     

一种新的自动多阈值图像分割方法

本文提出了一种新的自动阈值图像分割方法.该方法选择二维灰度直方图的最佳一维投影作为输入信息,并利用了小波变换的多尺度特征分析此投影.在大尺度下抑制噪声并自动确定分割类数,在小尺度下精确定位阈值.实验表明新方法能够自动而快速地对图像进行分割而且有较强的抗干扰能力.     

改进的分水岭图像分割算法

针对传统的分水岭图像分割算法对噪声过于敏感和容易出现分割现象的特征,提出了新式的粒子群分水岭算法。以下主要探讨了改进的分水岭图像分割算法的具体步骤。     

基于NODE-UNet++和标记分水岭算法的红细胞图像分割

对血液涂片图像中的红细胞进行精确分割是一项重要的技术,也是一个难题,主要是因为红细胞经常重叠,没有明显边界。针对此问题,本文提出一种基于U-Net++和神经常微分方程（NeuralOrdinaryDifferentialEquations,NODE）的深度学习网络NODE-UNet++用于红细胞的初步分割,再利用标记分水岭算法分割血液涂片图像中的粘连红细胞。首先对图像进行裁剪和标注,突出待分割区域;然后应用新的语义分割体系结构NODE-UNet++对预处理后的图像进行初始分割得到概率灰度图;最后采用标记分水岭算法将灰度图中的粘连红细胞分离,得到最终红细胞分割结果图。实验结果表明,Dice系数达到96.89%、平均像素准确率达到98.97%、平均交并比达到96.33%。通过对不同血液涂片图像的分割结果表明,该方法能高效精确地提取每个红细胞,满足后续红细胞图像处理的需求。     

基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.     

基于模糊增强的医学图像分割分水岭算法研究

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将多尺度形态学边缘检测、模糊增强和控制标记符分水岭相结合的分割策略。该方法首先结合大结构元素和小结构元素各自的优点,用多尺度形态学边缘检测降弱过分割;其次用模糊增强算法使原始医学图像中粗细的边缘都能够得到增强;最后采用基于前景和背景标记的分水岭分割算法进行分割。仿真实验表明,该算法不仅可以有效的克服分水岭变换严重的过分割问题,得到有意义的区域分割,而且还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

基于数学形态学的医学CT图像分割方法研究

提出一种基于形态学分水岭算法的医学CT图像分割方法。针对传统分水岭算法易产生过分割现象的问题,分析产生过分割现象的原因并提出解决方案:首先利用形态学重构算法滤波,然后合并极小值,对梯度图像进行修正,最后对修正的梯度图像进行分水岭变换。仿真结果表明该方法能够抑制过分割现象,得到理想的分割结果。     

结合自适应TV模型和分水岭变换的图像分割算法

针对传统分水岭算法对噪声敏感,易出现过分割的现象,提出一种自适应全变分模型和标记分水岭算法相结合的图像分割算法。采用自适应全变分模型对原始图像进行滤波处理,平滑去噪的同时保留图像的边缘信息;求解其多尺度形态学梯度图像,并用基于最大熵的扩展极小值技术获得的前景和背景标记并对其多尺度梯度图像修改;对修改后的梯度图像进行分水岭变换,实现准确的分割。对比常用和相似的图像分割算法,实验结果表明,该算法在抗噪性、运行时间和分割交并比上有一定的优势。尤其是在噪声强、灰度值接近的医学图像上能够获得合理有意义的分割区域,效果良好。     

基于模糊形态学的激光图像处理算法研究

针对原始激光图像辨识处理中存在边缘不清晰等问题,提出了一种基于模糊形态学的新图像分割算法.文中剖析了浸没模拟分水岭算法与IFT分水岭算法,对模糊形态学的特性作了分析,基于对各种算法优势的融合,提出了一种改进的基于模糊形态学的图像分割算法.仿真对比研究实验中,用多种算法对图像进行分割处理,结果显示采用所提出的算法其分割效果更好,可较好地消除传统分水岭算法产生的过分割现象,无伪边缘,实现了目标与背景的分离,经处理后的图像边缘连续,图像更加平滑,柔和性更好,完整地保留了图像的细节.研究结果表明,所提出的图像处理算法有其可行性与可用性.     

基于遗传算法的彩色图像多阈值分割方法研究

针对彩色图像多阈值分割中阈值个数自动确定困难和优化时间长的问题,首先提出一种新的HSV空间中彩色图像投影预处理方法,然后计算待分割图像的颜色粗糙度,并根据颜色粗糙度确定图像分割的阈值数量,为提高分割效率,利用遗传算法搜索最优分割阈值组合,为提高分割精度,在遗传算法适应度函数设计时既考虑了类内的颜色离散度,又考虑了像素的空间关系。实验结果表明该方法具有较为理想的分割效果,对光线变化具有较好的鲁棒性。     

改进的分水岭算法在图像分割中的研究

图像分割作为图像处理中最基础的研究领域之一,占有很重要的地位,是大多数图像分析和处理的不可替代并且是首要步骤的一个基础环节,在理论研究和实际应用中都得到了人们广泛指重视,目前已提出了多种不同的图像分割方法,总体上来说这些算法主要建立在基于图像本身的相似性上,在许多应用领域都获得了成功,但是没有一种方法适用于所有的图像。分水岭算法近年来得到比较广泛的应用,此次研究中用基于形态学的分水岭分割方法对图像处理,进行仿真,与其他方法相比可以较好的分割对象。     

基于红外图像统计模型的分割方法

提出了一种新的红外图像的统计模型,它是由高斯和广义Gamma分布复合产生的,对太阳散射、背景热辐射以及闪烁影响都可以进行准确的描述。该模型可以推导出统计矩的闭合表达式,而且取特定的参数值,模型可以变为几类常用的简单模型。模型的参数可基于统计矩估计得到,然后再根据模型实现对图像的合理分割。     

基于最大类间方差法的肝脏CT图像分割及实现

针对肝脏CT图像中,肝脏组织与周围组织之间密度差别不大而易造成漏分或过分的现象,实现了一种能得到最优分割阈值的方法,即最大类间方差法.实验结果表明,该算法计算简单,将图像二值化同时得到最优分割阈值,从而能较好地分割出肝脏组织.文中也对该算法存在的问题进行了分析讨论.     

一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。     

基于Otsu算法的图像阀值自动选取算法研究与应用

针对图像处理在追踪运动物体领域的应用,选择Otsu图像分割算法进行研究分析,给出了该算法的C++程序代码。为验证算法在工程应用领域的有效性和准确性,将其应用到车辆目标检测系统中,该系统以运动目标检测与跟踪为出发点,通过读取视频帧、帧差处理、Otsu分割、形态学处理,连通分量分析进行目标检测,从而实现跟踪汽车运动的目的。最后在Opencv2．4．8和微软VS2010环境下对Otsu算法在该系统的应用进行测试,结果表明,Otsu算法能够快速高效的进行车辆检测及跟踪定位,具有较好的工程应用价值。     

基于最小生成树和局部阈值的彩色图像分割方法

针对分水岭图像分割算法对于彩色图像的过度分割问题,本文提出一种基于最小生成树和局部阈值的解决方法。该方法主要利用图论中的最小生成树,对分水岭算法产生的过度分割区域进行合并。与其它的基于最小生成树的方法不同,该方法只有当构造出一棵完整的最小生成树时,才能计算出一个局部阈值,该局部阈值可确定原构造最小生成树过程的终止条件,进而可分割出彩色图像中的两个区域。重复上述过程,可分割出原彩色图像中的所有区域。实验证明,本文方法能够对彩色图像进行准确的分割,并且分割结果能很好地符合人眼的感知。     

一种基于k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

基于变分法的图像分割的数值算法

解释一种图像分割问题的数学模型,并讨论图像分割问题与Mumford-Shah泛函的关系,对此问题首先就一维的情形提出一种可行的解法并推广到二维。若干试验结果验证了算法的有效性。