一种基于梯度的直方图阈值图像分割改进方法

图像分割就是把图像分成一些具有不同特征而有意义的区域,以便进一步的图像分析和理解;图像增强就是从主观方面突出图像中有用的,感兴趣的细节部分,或是从客观方面改善图像质量,尽可能地逼近真实图像。分析了基于经典的灰度阈值图像分割在细节分割上的不足,结合图像增强中的微分梯度,对原有图像的细节进行锐化增强,从而达到改善分割后图像细节的效果。     

基于模糊马尔可夫场的脑部MR图像分割算法

在传统马尔可夫场模型的基础上,建立了模糊马尔可夫场模型。通过对模型的分析得出图像像素对不同类的隶属度计算公式,提出了一种高效、无监督的图像分割算法,从而实现了对脑部MR图像的精确分割。通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明新算法比传统的基于马尔可夫场的图像分割算法和模糊C-均值等图像分割算法有更精确的图像分割能力。     

基于改进的Snake模型的脑部MR图像分割方法

为实现对脑部磁共振图像的分割,提出了一种改进Snake模型的图像分割方法。通过引入轮廓中心的概念,在贪婪Snake模型的能量函数中增加距离势能作为外部约束能量,增大了外能的吸引范围,使分割结果不依赖于初始轮廓;对各能量项进行归一化操作,并以归一化扩散方程各分量的梯度矢量流代替MR图像的梯度,提高了模型处理弱边界和深度凹陷区域的能力;对各能量函数的离散化和参数的选择进行了阐述。实验结果表明,该算法是一种有效的分割脑部MR图像的方法。     

基于梯度的图像分割新方法

针对玉米图像和Lena图像的分割方法进行了讨论与研究,将传统的阈值分割与图像梯度计算结合在一起,提出了一种新的彩色图像分割方法.该方法对玉米图像和Lena图像不但具有较好的分割效果,而且具有计算简单,抗噪声能力强,并且同时适用于灰度与彩色图像的场合,较好地克服了传统阈值分割方法的缺点.实验表明该算法不仅能够较好地分割出图像边界,且具有较好的时间性能和较好的分割效果.     

基于二维直方图的杂草图像分割算法

区分绿色植物和土壤是农作物田地去除杂草的首要步骤,利用图像处理技术探索杂草图像分割算法。二维直方图的转换基于RGB色彩模型,并进一步改进了传统的阈值分割算法。     

自适应属性加权2维FCM分割算法

目的 为了提高2维直方图模糊C均值聚类分割算法的抗噪性和普适性,提出了属性加权2维直方图模糊C均值聚类分割新方法。方法 针对2维直方图模糊C均值聚类分割算法存在阈值参数选取不当导致抗噪性能差的不足,将属性加权引入2维直方图模糊C均值聚类并有效解决了每维属性聚类贡献度的问题。结果 本文算法相比2维直方图模糊C均值聚类分割法抗椒盐和高斯噪声性能平均提高了2～3 dB;同时,相比模糊局部C均值聚类分割法抗椒盐噪声性能平均提高了2～3 dB且抗高斯噪声性能稍差大约1 dB,但本文算法相比模糊局部C均值聚类分割法的速度平均提高了大约40倍。结论 实验结果表明,本文算法相比现有2维直方图模糊C均值聚类算法更适合噪声图像分割;同时,相比模糊局部C均值聚类算法更有利于实时性要求较高场合的目标跟踪和识别等需要。同时从大量图像测试得出,本文算法对于一般人工合成图像、智能交通图像及遥感图像等具有普遍适用性。     

乳腺动态增强MR图像序列的肿瘤分割

针对乳腺动态增强MRI的特点,本文提出一种基于二维直方图加权模糊聚类算法用于分割乳腺肿瘤。该方法通过对动态增强减影图进行分割来提取肿瘤,并且对福建肿瘤医院提供的临床数据进行了实验验证分析。实验结果表明,该方法对于动态对比增强的乳腺MRI图像的肿瘤分割具有较好的效果。     

基于遗传算法的最佳直方图熵图像分割算法研究

图像分割是图像处理的一个重要领域.阈值法是一种最简单、最基本的图像分割方法.确定最佳阈值是阈值分割法的关键,利用遗传算法的特点来快速准确地确定灰度图像直方图熵的最佳分割阅值,实现图像分割.通过仿真试验验证,分割效果明显,该算法具有很好的应用前景.     

基于图划分的图像直方图聚类分割

传统的基于图论的图像分割方法都是直接对图像灰度数据进行聚类分割,算法计算量较大。提出一种新的基于图论的直方图聚类分割算法,算法对图像直方图数据进行聚类,并由此得到分割阈值。由于输入值为直方图数据而不是图像灰度,数据量最大为 256而与像素数无关。实验研究表明,本方法在分割质量基本不变的情况下使得计算量大为减少。     

基于梯度向量流的医学图像自动分割

提出了一种基于梯度向量流的自动图像分割算法，该算法首先将梯度向量流场转化为一个标量场，该标量场能够显著简化种子点选取和区域增长的步骤。在得到图像的初始分割后，再使用基于区域邻接图的算法来将相似区域合并得到最终分割结果。试验结果表明，该算法能够有效地解决医学图像中多目标区域的自动分割问题。     

二维直方图斜分最大类间交叉熵的图像分割

利用二维直方图斜分原理,提出了一种基于最大类间交叉熵的快速图像分割方法。首先依据二维直方图斜分法构建最大类间交叉熵阈值选取公式,然后导出这种最大类间交叉熵阈值选取的快速递推算法,最后将定义的数组运算与这种快速算法相结合搜索最佳阈值向量,使整个算法更简明高效。实验结果表明,与当前二维直方图斜分阈值方法相比,此算法效率更高,通用性更强。     

多分辨率二维直方图阈值分割方法

鉴于二维直方图阈值分割方法利用灰度的空间相关性取得高的分割效果和多分辨率阈值分割方法具有阈值搜索灵活高效的特点,提出了一种基于多分辨率的二维直方图自适应阈值分割的结合方案,降低了二维直方图计算复杂度,提高了多分辨率阈值方法的搜索精度。实验结果表明,该方法取得的分割结果与二维直方图方法基本一致,计算复杂度随分辨率的级数成指数下降。     

结合灰度直方图和细胞自动机的多模态MRI脑胶质瘤分割

为了解决脑胶质瘤边界模糊、复杂而导致的分割不准确问题,提出了一种将灰度直方图（gray level histogram,GLH）与改进的细胞自动机相结合的脑胶质瘤分割算法。首先,对脑胶质瘤的T2加权图像和液体衰减反转（FLAIR）图像进行融合;然后,利用灰度直方图特性增强脑胶质瘤区域;最后,以加权距离为特征向量用改进的细胞自动机进行分割,并得到脑胶质瘤各组织分割结果。在20组BraTS2015（brain tumor segmentation）数据库数据和10组临床脑胶质瘤数据上进行分割实验,整个肿瘤区域及核心肿瘤区域的平均分割准确率分别达到90.76%和89.73%。实验结果表明,相对于对比方法,所提算法不仅能更好地分割出对比度明显的胶质瘤区域,还在一定程度上解决了模糊胶质瘤区域分割不准确的问题。该算法在保持不增加算法复杂度的同时,亦提高了算法分割的准确性和鲁棒性。     

二维直方图分水岭分割方法的研究

提出了一种二维直方图分水岭分割方法。该方法选取遥感影像总体分辨能力较强的两个特征构建二维直方图,直接将二维直方图看作一幅灰度影像,然后用标记分水岭算法对二维直方图进行分割以确定不同类别的地物在特征空间中的位置,最后对遥感影像中的每个像素进行类别标记。与传统二维直方图分割方法相比,新方法可以筛选出区分能力较强的两个特征构建二维直方图,因而能取得更为理想的分割效果。     

基于直方图重构的极大交叉熵图像分割方法

针对图像分割阈值选择问题,提出用动态参数将原始图像直方图分成两部分,构造两个新的相关直方图,分别对应于同原始图像等尺寸的虚拟图像,其中等概率像素是原始图像的相似像素。聚集计算两个构造直方图概率分布的交叉熵,分析其函数曲线极大值的峰谷关系,实现图像最佳多阈值分割。实验结果表明该方法的有效性。     

新的基于分解直方图的三维Otsu分割算法

Otsu是图像处理领域一种常见的图像分割方法.为了解决传统的三维Otsu法时间复杂度高、抗噪性低等缺点,提出了利用直方图投影技术和直方图分解技术对三维直方图降维,将其拆分成一个一维直方图和一个二维直方图,分别用一维Otsu法和二维曲线型Otsu法求阈值,再用获得的阈值确定图像点的归类.实验对比结果表明:该方法分割效果较好,运行时间短,能满足实时性的要求.     

基于直方图预处理与BF算法的含噪图像分割

图像中的噪声会直接影响图像分割质量,为快速、准确地识别含噪图像中的目标,提出一种基于直方图预处理与BF算法的含噪图像分割方法。该方法通过小波变换抑制图像中的噪声,分析增强图像的直方图特点以缩小分割阈值的分布范围,以二维最大类间方差为原则设计分割目标函数,利用BF算法快速搜索最优分割阈值。实验结果表明,该方法在收敛速度、稳定性和分割效果三个方面均优于基于遗传算法、人工鱼群算法等其他群体智能的分割方法。     

基于非归一化直方图的GrabCut图像分割算法改进

针对GrabCut算法在图像分割中存在迭代求解耗时长、分割结果欠分割的问题,提出了一种基于非归一化直方图改进的GrabCut算法。在保留GrabCut第一次分割结果的基础上,通过非归一化直方图计算像素点属于前景或背景的方法来代替高斯混合模型迭代学习的过程;在构图过程中引入一类新的节点Bin进行构图以提高分割精度。选取MSRA1000数据集中部分图片进行实验验证,结果表明该算法在分割效果和效率上都有明显的提升,在进行背景复杂图像的分割时改进算法优势更加明显。