结合分水岭算法和WKFCM算法的MRI图像分割

针对传统分水岭算法对MRI图像过分割的缺点,提出了一种基于分水岭算法和改进核聚类算法的MRI图像分割新方法.首先,通过传统的分水岭分割算法将MRI图像分割成不同的区域,然后根据改进的核聚类算法,利用Mercer核将各个区域的平均灰度值映射到高维特征空间,使得原来未显示出来的特征显现出来.这样就可以实现更准确的聚类,用灰...     

基于改进分水岭算法的彩色图像分割

分水岭分割算法能够精确定位图像边缘和得到封闭的轮廓线,广泛应用于图像分割。但是,对复杂的彩色图像,易产生过分割问题。本文综合考虑彩色图像的色度信息、边缘信息和区域邻接关系,提出了一种改进的分水岭分割算法,对分水岭分割后的图像进行相似区域合并。实验结果表明,本文提出的方法准确率高,运行速度快,有效地抑制了分水岭算法的过分割问题。     

结合高斯核与各向异性邻域抑制的模糊聚类图像分割

针对模糊C均值聚类算法对图像噪声点敏感且抑制力不足问题,所导致收敛慢去噪效果差分割效果的不足,提出一种结合高斯核和各向异性邻域抑制的模糊聚类图像分割方法。算法首先根据邻域窗均值及其邻域灰度值快速评估各向异性邻域权值,通过该权值抑制局部空间噪声,达到去噪模糊聚类目的;再通过高斯核将图像数据转为核函数矩阵,在特征空间对核函数矩阵实施线性算法。通过对测试图像加入噪声,比较其他算法,该算法在去噪、迭代次数和模糊聚类分割上有显著提升。     

基于像素概率模型的背景分割算法

背景分割的目的是提取出图像中感兴趣的前景区域,本文提出了一种基于像素概率模型的背景分割算法,该算法利用高斯混合模型描述每一被观察像素的近期色彩历史,根据分类原则确定当前帧中每一像素的类别,利用在线EM算法更新模型参数。实验结果表明,本文提出的算法可以鲁棒地分割出动态场景中的前景和背景。     

基于改进分水岭算法的菌落图像分割

随着计算机图像处理技术的快速发展,在菌落筛选环节上,传统的人工手动筛选已经逐渐被自动筛选仪器所替代。自动筛选仪器的核心是菌落图像识别模块,而菌落图像识别的关键在于图像分割技术,本文提出了一种改进的分水岭分割算法。该算法首先采用高斯滤波去除图像噪声,再对去噪后的图像进行形态学处理,然后进行倒角距离变换得到菌落距离图像,再采用形态学方法填补其空洞信息,接着对标记后的区域进行分水岭分割,最后利用区域合并算法聚集图像相似区域,从而得到最终的分割图像。采用本文提出的改进型分水岭算法进行菌落图像分割的准确率为93.4%,而传统的分水岭算法的分割准确率为75%,通过与传统分水岭对比实验的结果可以看出,改进后的算法较好地抑制了传统分水岭的过分割现象,极大提高了识别精度。     

结合Mean Shift和聚类算法的服装图像分割

在服装图像处理与分析中,准确快速的图像分割是进行后续图像分析与理解工作的基础。在服装图像分割中为了克服K均值聚类算法的性能受初始聚类中心的选取影响的问题,提出了二次聚类的分割思想。先利用自适应的Mean Shift算法,得到区域数目n以及n个区域的类心向量,然后调用K均值算法进行二次聚类。与常用的分水岭分割算法的对比实验表明,提出的算法提高了原始K均值算法的时间效率与分割效果,最终的分割结果具有实用性。     

肝脏磁共振图像的混合聚类分割

针对医学图像的自动分割,提出一种混合聚类方法.在对图像预处理后,将每个像素的邻域特征向量送入自组织特征映射网络(SOM)中进行训练.作为初步聚类的结果,SOM的输出典型向量根据命中图过滤,由层次合并聚类方法进一步处理.采用图像分割量化指数来确定聚类的最佳类别数;通过后处理得到最后分割结果,分析表明该方法是有效的.     

基于形态学标记连通的分水岭图像分割

为了解决传统分水岭算法的过分割问题,本文提出一种基于H-minima标记连通的图像分割的分水岭算法.该算法首先利用形态学中的H-minima方法对预处理后的梯度图像进行初始标记,然后利用连通域标记的方法进行重标记,利用强制最小标定技术使极小值只出现在标定的位置,最后,对标记后的梯度图像进行分水岭算法的图像分割.实验结果...     

基于非局部信息的模糊C-均值图像分割方法

模糊C-均值聚类算法(Fuzzy C-Means Algorithm,FCM)已经广泛应用于图像分割中。结合空间信息的FCM算法能更有效地抑制图像噪声,提高分割的质量。本文介绍了一个基于非局部空间信息的模糊C均值聚类算法的图像分割。算法包含两个部分:一是局部相似性测度,取决于中心像素与相邻像素之间的差异;另一个是非局部相似性测度,取决于所有像素的邻域结构类似于他们的邻域像素。此外,还引入了一个自适应权重用来控制局部相似性测度和非局部相似性测度的转化。本算法对合成图像和真实图像进行分割,并在不同类型的噪声下进行实验,结果表明本文所提出的算法十分有效,且具有较强的抗噪能力。     

基于改进 PCM 聚类方法的绝缘子图像分割

针对绝缘子图像背景复杂多样而导致提取绝缘子区域困难的问题,提出了一种改进的可能性 C-均值聚类方法(PCM) 对绝缘子图像进行分割。 方法主要基于两个方面进行改进,一方面通过定义局部相关因子、引入图像的空间局部信息以增强对 噪声的抗干扰能力、提高分割精度;另一方面通过在损失函数中加入类中心相斥项缓解传统 PCM 聚类中心点重合问题。 实验 利用人工合成数据和复杂背景的绝缘子图像对比该算法与 FCM、PCM、K-means、KFCM 和 IFCM 算法的聚类分割性能。 结果表 明改进 PCM 对噪声抗干扰能力更强、聚类精度更高,且对绝缘子图像的平均分割误差为 0. 153,相比其他对比方法对复杂环境 下的绝缘子图片有更好的分割性能。