边缘信息引导的阈值图像分割算法

针对照度不均匀的图像提出了一种基于边缘信息构造阈值图像的分割算法。该算法着眼图像上目标、背景及照度在空间分布的连续性,利用边缘处梯度大、阈值容易确定的特点,以其边缘邻域中的极大值和极小值的均值作为该边缘处的阈值,然后以稀疏的边缘阈值为控制点,通过曲面拟合得到全图分布的阈值图像再对图像进行分割。该算法分割效果好,边缘吻合度高于其他典型算法,且抗模糊能力强,有利于平滑去噪,克服了基于边缘方法易受噪声影响的弱点。     

基于改进的JSEG算法的图像分割

针对JSEG算法在图像分割中出现的明显过分割现象,提出一种基于边缘信息的JSEG[1]改进方法。该方法首先将图像的颜色空间转换为LUV颜色空间,用PGF（Peer Group Filtering）[2]算法对图像进行平滑去噪,用分裂算法确定图像的类数,用GLA（Generalized Lloyd Algorithm）[3]算法完成量化,生成＂类图＂。然后计算每个像素的J值,并利用Canny算子检测的边缘信息,对J值进行修正,计算每个像素的局部相似程度,并在不同的尺寸下构建J图像,这样就能反映出最有可能的边界位置。最后在J图像上进行种子区域增长,直到获得最终的分割结果。实验结果表明该方法可以有效地改善JSEG算法在图像分割中存在的过分割现象。     

融合Canny边缘检测的多输出损失肺炎CT图像分割算法

针对肺炎的影像学特征如弥漫、多灶、磨玻璃的特点,提出一种肺部感染CT图像分割算法CEDMO。算法主干网络使用ResNet50,在特征提取中,先利用Canny算子对分割目标边缘进行检测,得到的边缘信息再与ResNet50进行融合计算,边缘信息还在解码器部分的多目标输出计算中作为一个引导值。在解码器部分对PSA注意力机制改进并设计了多输出约束,以获得了更多的细节信息和多个尺度的特征。在多输出中,设计了5个输出路径,每个路径的Loss都参与约束计算,使得训练结果加快收敛,从而提高计算效率。最后通过实验对比基线模型的结果,3个指标优于基线模型,其中Dice系数、灵敏度(SE)、增强对准度量(E_?^m)依次提高了4.7、4.5和1.3个百分点。     

基于边缘检测的图像分割算法的研究

本次课题所研究的图像检测主要采用边缘检测的方法来进行的。本文对这次课题中所使用的四种检测方法--Sobel边缘检测算子,Prewitt边缘检测算子,Canny边缘检测算子和Roberts边缘检测算子进行了详细的介绍和具体的算法设计,并对整个系统结构做了说明。然后对四种检测方法编写MATLAB程序。     

基于边缘检测算法的图像分割技术研究

基于边缘检测算法的图像分割技术是图像分析基础算法之一,在讨论边缘检测算法基本原理的基础上,在Matlab中实现了边缘检测算法,并对Sobel算子、Prewitt算子和Roberts算子在边缘检测中的效果进行了对比分析。     

基于边缘检测与分裂合并的图像分割算法

针对传统分裂合并算法容易产生方块效应与过分割的缺点,提出了一种结合边缘检测和分裂合并的图像分割算法.该算法直接利用图像的边缘信息进行分裂,不断将图像分裂为一些不规则形状的一致性区域,然后根据一定规则将相似的区域合并.实验表明,该算法能大幅减少分裂次数,并有效克服方块效应和过分割等缺点,图像分割效果较好.     

一种基于边缘检测的局部阀值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法，该方法将整睛灰度图像分成小块，在每个小块中利用梯度算子对小块中的边界点进行检测，寻找出小块内的所有边界点，然后沿着这些边界点的梯度方向找出最临近的点，以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割，该算法计算复杂度较低，避开了灰度直方图阈值分割方法中“谷底”难以确定的问题，同时照顾到了图像的局部灰度特性。     

基于边缘检测的图像分割技术浅析

图像分割是图像处理技术中的难点之一,多年来一直受到广大研究者的深入探讨。新的分割算法层出不穷,但是目前提出的算法,几乎都是针对具体的分割对象,而没有一种可以适用于所有情况的分割方法。边缘检测技术是图象处理中重要的一个关键步骤,本文将阐述基于边缘检测的图像分割技术背景,边缘检测的相关技术,同时对图像分割技术的发展进行展望。     

一种基于边缘梯度的图像分割方法

利用Krisch边缘方向算子，实现了对彩色和服图片中的和服边缘检测，同时根据真实边界点处的梯度强度值大于其左右邻域的梯度强度值的特征，获得了边缘细化。在结合边界跟踪技术的基础上，有效地去除了和服中大量的与和服分割无关的花瓣图案，得到了和服的有效边缘。实用的边缘连接技术则成功地实现了和服图片中和服各部分的分割。实验结果表明该方法在和服分割上是一种实用的和成功的方法。     

用于血管图像分割的简化模糊连接算法

血管系统成像在外科手术计划和血管疾病的诊断等方面都起着极其重要的作用．通过对模糊连接算法的分析和改进，提出一种简化的模糊连接算法，使运算时间得到了缩短，运算速度得到了提高．将该算法应用到实际的血管图像分割中，取得了比较满意的分割效果，三维重构的结果显示也比较好。     

基于SUSAN边缘信息的阈值分割算法

基于边缘信息的阈值分割方法因为在保持目标轮廓和分割低对比度图像方面具有良好性能,特别适用于对工业生产图片的分割,但是传统方法普遍存在对噪声敏感和阈值难以选取的问题,针对这些问题,提出一种基于SUSAN边缘信息的自适应图像阈值分割算法,使用SUSAN特征响应描述像素的边缘信息,以有效抑制噪声和弱边界的影响。基于图谱理论的最小最大割阈值分割算法相比于其他分割算法时空复杂度大大降低,且获取的阈值全局最优。实验结果表明,该算法能够准确分割出目标,保留丰富的细节内容,对低对比度图像和噪声图像也有很好的分割效果,获取的阈值相比于传统算法更优。     

基于边缘信息的分开合并图象分割方法

图象分割是目标识别和图象理解的关键的第一步处理。分开合并方法是一种有效的、实用的图象分割方法。本文提出了基于边缘信息实现分开合并方法，它利用边缘信息解决了自适应确定最佳初始层和在分开、合并过程中度量图象块属性一致性的问题。基于边缘信息的分开合并方法改进了图象分割质量，缩短了处理时间，分割复杂图象的实验结果是令人满意的。     

自动分布阈值图像多目标分割算法

为解决熙度不均匀条件下亮度特征不同的多个目标图像分割问题,根据目标局部区域的灰度特征,用分布式闻值进行图像二值化分割处理,提出模糊因子可调的快速序贯性平滑滤波算法,调节模糊因子对图像快速滤噪和自动生成近似照度图像,凭借照度图像生成分布式闻值图像,给出不同类型图像的模糊系数袁,快速地分割出明暗不同的目标。实验和工业视觉系统应用均表明算法分割效果和速度均好于最优局部闻值算法,可满足实时处理要求。     

基于图像分割的交通图像快速去雾算法

现有去雾算法较少考虑交通图像的特征,直接应用于交通图像去雾效果和实时性较差。针对这一情况,在充分分析了雾天交通图像特征的基础上,提出一种基于图像分割的交通图像快速去雾算法。算法首先采用改进的均值漂移算法分割出天空区域,然后在天空区域中较准确的估计出大气光强度值,最后采用基于双边滤波器的改进暗原色先验（DCP）算法实现去雾,并结合雾天交通图像的特征对去雾图像进行了后处理,增强了去雾效果。实验结果证明该算法实时性高且去雾效果好,在交通图像去雾方面所提出的算法的综合性能优于现有的同类去雾算法。     

基于螺纹边缘图像的快速SSDA算法

序贯相似性检测算法（sSDA）是针对传统的模板匹配算法提出的一种高效的图像匹配算法,但是SSDA算法难以满足螺纹检测的实时性。针对传统SSDA算法的不足,提出了一种基于螺纹边缘图像的快速SSDA算法。该方法用形态学对螺纹图像进行了边缘提取,然后只在边缘处进行匹配,从而大大减少了匹配的次数,同时提出了减小匹配运算量的方法。     

基于图像分割的快速立体匹配算法

针对Tao的平滑表面假设提出了一种基于图像分割的快速立体匹配算法。算法把参考图分割成多个区域，计算其中可靠区域的平面模板，通过贪婪算法把平面模板分配给不可靠区域使得全局评价函数取到最小值。该算法能克服基于局部算法中存在的边界模糊，以及低纹理区误匹配严重的缺点，解决了传统的基于全局算法中计算量过大的问题。实验表明，该算法能同时满足高精度和高实时性的要求。     

基于边缘信息的工业CT图像分割法

由于CT技术各方面的原因,工业CT扫描测量图像质量不是很理想。要获得精确的测量数据,必须进行准确的图像分割。该文采用多尺度二维小波变换模极大值作为分裂合并图像分割的一致性度量,采用四叉树结构作为图像块的初始划分,设置合适的门限值抑制噪声的干扰并提取出图像边缘信息。实验证明,对于皮鞋内嵌的CT测量图像该算法比常规的算法更理想,能够准确分割出皮鞋的内外腔边缘。     

针对弱边缘信息的左心室图像分割算法

基于距离正则水平集模型（DRLSE）的左心室MR图像分割算法对梯度信息有很强的依赖性,在图像弱边缘区域容易陷入局部最优,且对初始轮廓的选取敏感。为降低算法对初始轮廓的敏感程度,提高其在左心室图像弱边缘的分割能力,提出一种适用于弱边缘信息的左心室分割算法。在DRLSE的基础上,该分割算法提出运用拟合方法计算基于变异系数分割模型（PSM）的新局部项,算法依靠梯度与图像局部信息驱动曲线演化,降低了DRLSE对初始轮廓的敏感度;引入形状约束力,克服DRLSE算法在左心室外膜弱边界处出现边界泄露的情况。为验证所提算法分割的准确性,基于多伦多市患病儿童医院影像科提供的数据库,利用DRLSE、保持凸性水平集模型（CPLSE）模型、U-Net网络以及提出的内膜算法对心内膜进行分割;利用DRLSE、引入外膜形状约束力的DRLSE模型（DRLSE-shape）、U-Net网络以及提出的外膜算法对心外膜进行分割。实验结果表明,针对左心室内、外膜,所提算法优于上述算法,能降低DRLSE对初始轮廓的敏感程度,提升对左心室弱边界MR图像分割的精确度。     

基于信息瓶颈算法的图像分割

图像分割是图像信息处理的内容之一。分割方法有很多,其中较为典型的是模糊C均值(FCM)算法,但它存在一些缺陷。该文提出一种基于信息瓶颈的图像分割方法,用凝聚的信息瓶颈算法对图像像素进行聚类。在分割过程中,使用贝叶斯信息准则确定图像区域的类别数。对一个包含500幅图像的图像库进行实验,结果表明该方法具有很好的分割效果。