一种改进的细胞图像分割算法的研究

针对细胞图像的特点,提出一种改进的基于分水岭算法的细胞图像分割方法。在该方法中．对细胞图像进行数学形态学变换,即采用Top—hat变换后的图像与原始图像相加再减去Bottom—hat变换后的图像以得到最大对比度的图像．继而进行距离变换,最后运用分水岭算法进行分割。实验证明,该改进方法能够得到较好的分割结果。     

一种改进的分水岭图像分割算法

分水岭算法在医学图像分割中有着广泛的应用。针对传统分水岭分割算法对噪声敏感和严重的过分割问题．本文提出了一种基于数学形态学的改进的分水岭图像分割算法。通过前期的预处理和汇水盆地的选取，有效地抑制了过分割现象。实验表明，该算法能够对血细胞图像进行快速、准确的分割，边缘定位精确，并且能够较好的克服噪声对图像的影响。     

基于卡尔曼滤波改进的精子图像序列分割方法

图像分割是精子图像识别的一项关键技术,在精子运动能力分析中起着至关重要的作用。本文对采集的连续精子图像序列进行灰度化、去噪等预处理后,采用Otsu算法对首幅动物精子图像二值化,对后续图像采用Kalman Filter确定二值化阈值范围,改进Otsu算法求出每一幅图像的适当阈值并进行二值化,缩短算法时间并能保证分割精度。应用形态学消除精子尾部和部分精子之间的粘连现象,通过计算和比较目标面积、形状因子,去除小颗粒杂质以及形状及灰度和精子相似的杂质,为精子运动能力检测提供高质量的分割图像。     

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。     

改进的分水岭算法在医学图像的分割

分水岭算法由于其分割速度快、精确而受到很大的关注,但它存在过分割的问题。经过研究给出了改进算法,从两个方面来改进:(1)在算法执行前对输入图像进行滤波降噪处理;(2)在算法执行中结合动态合并准则直接对算法本身的形成的过分割区域进行抑制。实验结果表明,该方法能有效地处理过分割现象,是一种行之有效的方法。     

改进的分水岭算法在医学图像的分割

分水岭算法由于其分割速度快、精确而受到很大的关注．但它存在过分割的问题。经过研究给出了改进算法,从两个方面来改进：（1）在算法执行前对输入图像进行滤波降噪处理;（2）在算法执行中结合动态合并准则直接对算法本身的形成的过分割区域进行抑制。实验结果表明,该方法能有效地处理过分割现象,是一种行之有效的方法。     

融合灰度和梯度信息的彩色细胞图像自动分割

为了开发血及骨髓涂片中白细胞自动分类及计算机辅助诊断系统,提出了一种融合灰度空间、彩色信息和数学形态学形态梯度信息的血细胞图像自动分割算法,以完成对白细胞（胞核和胞浆）的分割。在灰度空间,通过改进的迭代阈值分割算法,对白细胞的胞核进行了精确的定位和检出。通过彩色空间变换,有效地利用了图像中血细胞胞浆的颜色信息及先验知识,并且为了抑制过度分割,充分利用梯度信息,合理地对白细胞的胞核和胞浆进行了标记。在灰度梯度图像上提取血细胞的轮廓,并分别赋予不同的标记,表明数学形态梯度算法较传统的边缘检测算子具有更好的边缘提取能力。结果表明,胞核和胞浆的分割正确率分别为95.5％和92.6％,验证了该算法对彩色白细胞图像分割的有效性。     

基于改进遗传算法的自动阈值图像分割方法

图像分割法在图像分割的过程中只考虑象素的灰度值,没有考虑空间特性和存在计算复杂性过大的缺陷,影响图像效果.针对上述问题,提出一种基于改进遗传算法的自动阈值图像分割算法.方法对遗传算法中的编码办式、交叉算子、变异算子等参数进行了一些适当改进.把图像分割最佳阈值选取转换成优化问题.利用改进遗传算法的寻优高效性求解最佳阈值,实现图像分割.仿真结果证明,新算法极大地缩短了寻优时间,增强了图像分割过程中的抗噪性能,提高了图像分割的效率.从而有利于计算机视觉的后续处理,可以实现实时图像分割,具有实用价值.     

基于改进分水岭算法的图像分割

为了改善经典分水岭算法的过分割问题,该文将图像中的噪声视为过分割的直接因素,针对人脑核磁共振图像提出了一种基于预处理的改进算法。首先应用数学形态学的开闭运算对图像进行滤波,再求取其梯度,然后依据内外标记对梯度图像进行修正,最后在修正后的梯度图像上实施分水岭变换。实验结果表明,该方法和传统分水岭算法相比较,能有效地抑制过分割。     

神经元干细胞序列图像的结合局部灰度阈值的水平集分割算法

在光学显微镜成像的神经元干细胞序列图像中,针对目标与背景的弱对比度及细胞粘连、团簇等问题,提出一种新的分割算法.该算法基于无需初始化的水平集算法,通过引入曲率项来加速收敛;为降低算法的复杂度,提出衡量范数能量作为水平集进化的终止条件;最后结合局部灰度阈值法进一步分割粘连细胞.将该算法应用于2组细胞图像序列共120帧图像的分割中,不但解决了时间序列图像成像时焦距偏移带来的分割难题,而且能够准确地分离粘连、团簇细胞,并保留细胞的形态特征和位置信息.统计结果表明,分割成功帧所占整个序列的百分率较分水岭算法、传统水平集分割算法提高了30%～40%.     

基于改进的BP神经网络的血液细胞图像分割

采用BP神经网络来分割白细胞显微图像,在边缘检全上的效果尚不理想,针对此问题,提出了改进BP神经网络。提出了一种采用L-M算法的改进BP神经网络。在此基础上建立了基于改进BP神经网络的非线性系统模型。实验结果表明,它能有效地克服已有方法无法克服的边缘检出问题,使得分割图像能更好的接近真实图像。     

视频序列图像中运动对象分割综述*

视频分割技术作为多媒体技术应用的一个主要方面, 在视频编码、检索、多媒体交互中存在着广阔的前景, 而且在计算机视觉中也有着极为重要的应用; 但是由于视频图像内容复杂, 还没有一个通用的分割方法, 视频分割算法还面临着挑战。主要介绍视频分割中采用的一些算法, 并对各种算法和性能进行了比较和讨论。     

一种改进的自然图像分割方法*

提出了一种改进的Mean Shift自然图像分割方法。首先从数据分析的角度出发,由数据本身估计用于聚类的颜色带宽。然后根据上层的视觉任务调整颜色带宽,调整后的颜色带宽可以看作是分割分辨率。根据调整后的颜色带宽,估计每个像素的密度值,并采用直接搜索的方法搜索局部密度极大值点。在局部模式检测之后。通过一个全局标准控制的局部模式融合,就可以将图像分割成最终的结果。在不同的光照条件和复杂的背景下,这个全局标准能达到稳定分割结果和控制最终区域数目的目的。     

一种改进的期望最大图像分割方法

期望最大算法是进行极大似然估计的一种有效方法,它主要用于观测数据不完全或者似然函数不是解析时的参数估计。文中提出了一种期望最大化和贝叶斯信息准则相结合的图像分割方法。首先,运用K均值方法初始化图像分布;然后,运用期望最大算法估计输入图像参数数据,图像中类的数目由贝叶斯消息准则自动确定;最后,运用最大似然标准将像素归类于最相近的类中。实验中将此方法用于对葡萄叶部病害彩色图像的分割,其结果表明此方法有效。     

舌图像自动分割方法

提出了一种基于亮度信息和形态特征的舌图像自动分割方法。该方法首先利用大津法在亮度范围内自动选取阈值，进行二值化，然后通过对图像的像素进行标记，剔除非目标区域。最后利用数学形态学的方法获得最终的分割结果。试验结果表明，本方法具有令人满意的分割性能。     

基于改进BP神经网络的白细胞图像分割

采用BP神经网络来分割白细胞显微图像,在边缘检全上的效果尚不理想,针对此问题,提出了改进BP神经网络.提出了一种采用L-M算法的改进BP神经网络.在此基础上建立了基于改进BP神经网络的非线性系统模型.实验结果表明,它能有效地克服已有方法无法克服的边缘检出问题,使得分割图像能更好的接近真实图像.     

一种图像序列自动分割新方法

该文提出了一种固定场景下的图像序列自动分割的新方法。该方法分为两个阶段。在第一个阶段中,巧妙地采用形态学处理方法获得当前帧的运动区域,然后用当前帧对背景进行更新,经过数十帧的迭代,自动提取出初始背景;第二阶段对每帧作如下操作:首根据当前帧与背景的差分图像的直方图提取出噪声参数,并利用该参数求出对差分图像分割的双阈值,从而实现运动目标分割,最后再利用分割结果对背景进行自动更新。试验结果表明,用该方法进行分割不但效果好,而且速度快。