基于流域算法的粘连颗粒图像分割

在分割颗粒图像中,经常会有颗粒重叠粘连,这给图像的后续分析处理带来了很大的麻烦。针对这一问题,提出了一种有效的基于流域分割算法的颗粒图像分析方法。该算法提出一种新的种子点选取方法,使得种子区域最大化,然后以种子区域为核心通过流域膨胀变换重建原图,当图像中所有像素点都重建完时,粘连颗粒图像的分割就完成了。文中主要叙述了算法的设计思想及实现,并给出了实验结果。实验表明该算法能有效改善因多种子点而引起的过分割现象,对形状不规则的颗粒也同样适用,能取得比较满意的分割效果。     

粘连颗粒分割方法研究

颗粒图像的分割中,经常遇到颗粒粘连、重叠在一起的现象,需要将它们分离为单个颗粒目标。本文提出了一种基于灰度形态学重建的图像分割新算法,实验结果表明,该算法既能更有效地分割粘连颗粒,其应用于图像处理也有着较好的应用前景。     

基于改进滴水算法的芯片图像粘连字符分割

为克服粘连字符对芯片字符识别的影响,提出一种基于改进滴水算法的粘连字符分割方法。在芯片图像进行必要的预处理后,提取单张芯片的标准字符信息,利用水平投影和连通域分析提取粘连区域。通过垂直投影和上下轮廓得到上下轮廓极值点;分别以粘连区域左右两端为起点,利用标准字符信息对极值点进行筛选,选取方差较小的一组作为候选分割点;通过分割点对应关系补齐遗漏的有效分割点;上下有效分割点分别作为水滴起始点和终止点,定义新的滴落路径对粘连字符进行分割。实验结果表明,该算法可有效解决芯片图像的字符粘连问题,并且在分割精准度上拥有良好的表现。     

交互式流域算法在医学图像分割中的应用

本文首先介绍了流域算法的基本思想、基本原理以及流域变换过程中所存在的问题,回顾了为加快流域变换的计算而进行的大量研究工作,然后利用区域信息、结合交互式流域变换分割医学图像,实验结果表明该方法能有效地解决流域变换中的过度分割问题。     

交互式流域算法在医学图像分割中的应用

图像分割是图像处理中的主要问题,而医学图像领域是图像分割的一个重要的应用领域,医学图像具有复杂性,因而医学图像分割一直是图像处理中的一个研究热点和难点,对于一般的图像分割方法很难得到满意的结果.首先介绍了流域算法的基本思想、基本步骤以及流域变换过程中所存在的过度分割问题,然后利用区域中的面积信息和平均灰度信息、结合交互式流域变换,用户有效地选择感兴趣区域分割医学图像,实验结果表明采用该方法分割区域个数明显减少,能有效地解决流域变换中的过度分割问题.     

数学形态学流域分割算法在遥感影像水系图图像分割中的应用

本文把数学形态学的流域分割算法引入到处理遥感影像图上，实现了大数据量遥感影像水系图的流域分割。本文提供的流域分割方法与传统分割方法不同，该方法是根据数学形态学的知识，通过选取极低点，以极低点为中心膨胀得到分割区域来实现的。在膨胀时本文采用了八邻域膨胀的方法，提高了效率，缩短了运行时间，使分割得到了较好的效果。这种方法对于数据量很大的影像图尤其适用。     

基于图论的遥感图像分割算法分析

遥感图像处理技术目前已经广泛的应用于军事以及农业等众多领域。遥感图像中的目标物如果进行分割,那么就可以得到更多的目标物信息,并且可以为进一步的处理奠定良好基础,比如说对于目标物的跟踪、分析以及识别等。本文对图像分割的标准进行了介绍,并且对基于图论的交互式遥感图像分割法进行了详细的分析。     

基于分水岭变换的粘连颗粒图像分割方法

提出了一种基于分水岭变换的粘连颗粒图像分割方法. 首先对图像进行预处理,进行二值化;然后通过距离变换和灰度形态重构得到每个目标的种子区域（目标标记）;再根据目标标记使用强制最小技术修正距离变换图;最后,对修正后的距离变换图进行分水岭变换,得到分割结果. 在Matlab环境下进行实验,结果表明该算法效果良好,能有效的抑制过分割.     

基于能量最小的拉普拉斯流域分割算法

针对拉普拉斯流域分割边界处分割效果不好的缺点,根据能量区域集中性原理,定义了一个差异度函数。当两个区域间的差异度大于它们其中任何一个,则认为它们之间有边缘存在,否则它们属于同一个区域,应进行合并。通过在vs2008环境进行仿真,对蝴蝶图像进行分割,最终分割成蝴蝶和三个背景区域,不同的区域用不同的颜色表示。实验表明该算法分割效果较好,速度也比较快。     

基于自适应多重欧氏距离变换的分水岭粘连颗粒分割方法

颗粒形状以及颗粒粘连程度是影响粘连颗粒分割效果的主要因素,现有粘连颗粒分割方法主要存在两方面不足:一些方法只能应对某一特定形状颗粒的分割问题;大多数方法不能根据颗粒粘连程度自适应地调整分割算法,当粘连程度较大时容易出现欠分割.针对上述问题,该文提出了一种不限定颗粒形状的自适应粘连颗粒图像分割方法,该方法根据颗粒粘连程度...     

基于自适应标记提取的分水岭彩图分割算法

针对分水岭算法过分割问题,提出一种基于自适应提取标记的改进算法。该算法结合极小值深度和汇水盆地尺度信息提取与物体相关的极小值标记,根据梯度图像中极值点的统计信息自适应设定标记提取的阈值。提取到的标记采用形态学极小值标定技术强制作为原始梯度图像的极小值,在修改过的梯度图像上进行分水岭分割。仿真结果表明,该算法能有效解决分水岭算法的过分割问题,具有更强的抗噪性能和边缘定位能力,且计算复杂度较小。     

基于直观分水岭定义的图像分割算法

由Vincent与Soille提出的基于沉浸模拟的分水岭算法(以下简写为V-S算法)已经成为图像分割领域中最主要的数学形态学方法。虽然V-S算法被认为是目前最快的分水岭算法,但它仍然不能满足一些实时应用对分割速度的要求。为此,在V-S算法的基础上提出了一种新的图像分割算法。新算法采用了一种新的泛洪方法,它利用了二维图像中各像素点间的规则空间关系信息计算满足基本直观定义的分水岭。实验结果表明:新算法的执行速度大大快于V-S算法,而分割效果与V-S算法相当。对新算法、V-S算法和两个分水岭定义之间的关系也作了讨论。     

一种基于改进分水岭算法的图像分割方法

使用分水岭方法对图像进行分割引起了人们的重视,但是在图像分割中,分水岭变换使用的是梯度图像,容易造成过度分割。因此首先对原始图像进行平滑,将平滑后的图像使用分水岭变换,同一标号的像素属于同一贮水盆地,而将距不同贮水盆地距离相等的像素标为分水岭点,这样就得到了图像的初始分割结果;最后应用灰度齐次性准则和边界强度准则进行区域的融合,从而解决了过度分割问题。实验结果表明,该方法得到了精确的、有意义的分割结果。     

基于链码的分水岭变换算法

为了快速准确地进行图像分割，通过对现有分水岭变换算法的分析，并借鉴图像处理中常用的链码思想，提出了基于链码的分水岭变换算法，并首先扩展了传统链码的定义，将其分为指出链码和指入链码；然后提出并阐述了利用链码实现分水岭变换的两个性质；最后给出了基于链码的分水岭变换算法的具体描述，并详细分析了新算法的时间和空间复杂度。实验结果表明，新算法具有较低的时间和空间复杂度，且变换结果更有利于后续的图像理解。     

基于马尔科夫随机场的粘连字符串切分算法

粘连字符串模式复杂,难以通过基于传统图像处理的方法进行准确分割,针对该问题,提出一种基于机器学习的粘连字符串切分方法.包括训练和分割2个部分,对字符串之间的分割位置进行学习,对于输入的粘连字符串,利用马尔科夫随机场网络得到各点可作为分割点的概率,在概率图上使用图像分割的算法确定分割位置.实验结果表明,该算法对模拟的粘连字符串、重叠字符串和真实的手写字符串都可以得到较好的分割结果.     

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。     

基于模糊距离变换的颗粒图像分割方法

在颗粒图像中,经常存在颗粒重叠或者粘连现象。本文提出了一种新的图像分割方法。该方法首先对颗粒图像进行二值化,然后对图像作模糊距离变换得到模糊距离图,再利用分水岭算法将粘连或者部分重叠颗粒分离。实验证明,此法能够将粘连颗粒物图像有效分离。     

基于形态学重建和极大值标记的分水岭分割算法

针对传统分水岭算法的过分割问题,结合形态学重建和极大值标记技术研究并实现一种新算法。该算法首先进行开闭重建预处理,较好地去除了各类噪声并保留目标原有的结构;然后进行局部极大值调整及标记,有效地避免了过分割;最后对局部极大值图像进行分水岭分割,取得了较好的实验效果。论文还探讨该算法的关键因素即结构元素的选择问题,经大量实验得出结论———选择与目标图像形状相似、大小相宜的结构元素可获得较好的分割效果。     

基于距离变换的粘连细胞分割方法

在医学细胞图像中,经常会有细胞重叠和粘连的现象。将粘连在一起的细胞群单个分开是医学细胞处理中一项重要而困难的问题。对这一情况,文章提出了一种有效的分割算法。先用最大类间方差法对图像进行二值化,然后对图像作距离变换,将像素点位置信息转化为灰度信息,再利用分水岭算法,找到粘连边界点,从而将细胞群分开。实验证明,该算法能成功地分离粘连细胞。