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。     

基于改进Canny算法的图像边缘检测

鉴于传统Canny边缘检测算法在高斯滤波方差和高低阈值选取上需要人工干预,不具备自适应能力。文章提出了一种通过迭代分割求取最佳高、低阈值的方法,改善了人为设定阈值自适应性不强的缺点,提高了边缘定位的精度。与此同时,还将检测结果与原Canny、Sobel和Log等边缘检测算子对图像的处理结果进行了比较,实验结果表明,采用改进的Canny边缘检测算法可以得到较为完整、清晰的边缘轮廓,具有更好的检测精度和准确度。     

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。     

基于边缘信息的快速配准算法

为了实现快速、高精度的图像配准,首先利用LOG算子提取图像边缘信息,然后利用Freeman码,并定义了一种边缘轮廓间的相似性度量,找到两幅图像中对应的边缘轮廓,最后在矩不变量思想的基础上定义了一种矩中心点,利用矩中心点之间的对应关系实现了高效率、高精度的图像配准。通过实验,证实了该算法的快速性和准确性。     

一种基于视觉特性的遥感图像分割

SAR图像存在乘性相干斑的影响,传统的图像分割方法不能很好保持图像的结构信息．文章研究了基于视觉特性的组合分割方法,该方法通过塔型方向滤波器组进行去噪,发展了各向异性的核期望转移滤波器,核的形状、尺度和方向都能自适应图像的局部结构,最后结合边缘检测对图像分割进行修正．分析和实验表明该方法对SAR图像是有效的．     

基于熵约束的快速FCM聚类多阈值图像分割算法

针对传统FCM聚类多阈值分割算法计算费时、应用范围受限制的缺点,提出基于信息熵判据的快速FCM聚类多阈值分割算法.研究在保持图像信息前提下重采样率必须满足的最基本条件,并给出约束公式.根据信息熵原理,计算原图像和重采样图像的熵,根据重采样图像相对信息熵变化情况,判别满足熵约束的采样率.实验结果表明,在多阈值图像分割中,本文算法在基本保持与传统FCM聚类同水平分割效果的前提下,平均计算用时较传统FCM分割算法缩短,效率明显提高,实验结果和理论分析相符.证明本文算法的正确性.     

基于K均值聚类的彩色图像快速分割方法

为克服K均值聚类算法大幅图像分割时运算代价太大、耗时长等问题,论文在K均值聚类算法的基础上,结合块矩阵、查找表技术提出了一种快速彩色图像分割方法.对大量彩色图像的分割实验表明,新算法比传统的K均值聚类算法快了一个数量级,并且该算法产生了较好的分割结果.     

边缘和区域多阶段结合的图像分割

基于局部灰度的边缘检测和基于全局灰度统计的阈值分割是两种最要的图像分割方法.针对这两种方法单独使用时得不到理想分割结果的问题,提出一种边缘和区域多阶段结合的策略,利用边缘像素的灰度确定子区域分割阈值,将边缘和区域边界距离评估作为子区域递归分割的终止条件,最后叠加边缘图修订区域分割结果.实验表明,本文方法对于目标灰度不均的细胞图像能获得理想的分割效果.     

基于信息瓶颈法的图像分离-合并分割算法

在图像处理中,分割算法是其主要研究焦点之一。针对该问题,提出基于信息瓶颈法的新图像分离 合并分割算法。该方法的目的是抽取与输入相关的一个变量的紧密表征,并使得在考虑与输出相关的另一个变量互信息的损失最小。首先,基于一系列图像区域和强度直方图集合之间定义信息渠道,在此渠道中,以互信息的最大化来优化图像分割法;然后,通过最小化互信息损失,完成在上一阶段中获得的多区域合并过程。在二维图像上做的实验表明所提出算法的性能。     

一种新颖的基于边缘检测的图像分割方法

针对家庭数字照片的特点以及应用范围,提出了带有衰减因子的Robert微分算子与动态的自适应阈值相结合的边缘检测方法,并利用了边缘检测后边缘点的方向信息,作为Hough变换的方向角,可以较快提取出边缘线段,从而通过边缘跟踪获得无噪声点的相似区域,这为进一步提取图像的颜色特征或形状特征提供了良好的基础。     

一种基于图像上下文信息的无监督彩色图像分割算法

提出一种基于图像上下文信息的彩色图像无监督分割算法.根据传统马尔可夫随机场(MRF)势函数的定义,引入图像邻域内每两像素问亮度欧氏距离及空间位置信息,完善传统马尔可夫随机场模型中的势函数.将分割问题转化为最大后验问题并运用迭代条件模型求解.运用K均值算法在设定的分类数范围内初始化分割,运用最小消息长度准则选择最佳分类数,实现无监督分割.实验中,将合成图像及真实图像用于分割过程并与其它算法比较,证明本文算法更具优势.