三维网格引导的癌变病人CT图像的腹腔分割

针对癌变CT图像中各器官变形严重,传统分割算法无法有效、完整地分割整个腹腔的问题,提出基于三维网格的分割算法.首先借助肋骨和脊椎等骨架获得初始腹腔骨架;然后构造一个球形初始三角网格,并建立与腹腔骨架间的关联;再通过3个目标函数变形网格;最后在网格附近的边界点优化网格,获得腹腔分割结果.实验结果表明,该算法能够有效地对病变严重的CT图像进行腹腔分割,对噪声和器官变形有良好的鲁棒性.     

基于自适应阈值的网格图像行分割算法

针对网格图像文字自动识别受网格横线影响的问题,提出将网格图像按照网格横线进行行分割的自适应阈值算法。在对网格图像行分割过程中,首先对灰度图像使用类别方差自动门限法(OSTU算法)取得图像二值化的阈值,将此阈值作为全局阈值对图像进行二值化操作。然后针对图像的二值化数据进行了水平投影,利用统计法取得行分隔的阈值,并结合行分隔阈值实现了网格图像行分割的算法。最后将算法在Matlab中进行了验证和分析。     

基于图像分割的三维重构

三维重构方法是医学图像可视化系统、治疗计划系统的重要技术。基于图像分割的三维重构方法结合了图像分割、等值面抽取、网格简化三种技术,是不同于传统Marching Cubes算法的一种三维重构方法。它首先将医学图像分割为二值图,然后利用Marching Cubes方法进行等值面抽取,最后对得到的网格模型进行简化。实验结果表明,基于图像分割的三维重构方法加快了Marching Cubes的运算速度,改善了重构的效果,有利于实现对基于三维重构的大型几何模型的实时绘制和交互。     

一种提花织物图像的有限元分割算法

提花织物图像分割是提花图案设计的关键,曲线演化模型是一种流行的图像分割方法,但是该方法无法检测含噪环境下的图像特征.由于Mumford-Shah(MS)模型能够在噪声环境下对不连续边集进行检测,因此它比曲线演化模型更适于对含噪提花织物图像的分割.提出一种结合有限元法和拟牛顿法的MS模型数值求解算法,并有效用于含噪提花织物图像的分割.首先定义了自适应三角剖分空间上的离散MS模型,并在每次迭代前对有限元网格进行自适应调整,以提高迭代的性能.接着采用拟牛顿最小化方法,通过收敛意义上的离散有限元逼近得到离散MS模型的最小值.该算法被用到含噪提花织物图像的分割中,取得了良好的效果.     

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D-S证据理论的多源图像分割算法

针对多源图像分割问题,提出了一种可靠的分割算法.采用被污染的高斯分布描述待分割图像,MRF模型描述分割图像的先验分布,并利用D-S证据理论融合多源数据的不确定性,依据置信度最大的原则,确定多源图像数据的分割标记类别.用仿真图像和多源遥感图像的分割结果,证明了该算法提供了更准确、可靠的分割结果.     

基于模糊C均值聚类的比色传感器阵列图像分割算法

结合当前比色传感器阵列多样性、不稳定等特点,并针对当前现有的阵列图像分割算法中或者效率低,或者易受光照环境影响等现状,本文在模糊C均值聚类算法基础上,提出了一种图像分割算法.该算法首先通过HSI颜色空间下I分量在行、列投影实现图像网格划分,并结合局部阵列点图像的平滑直方图信息解决了FCM算法聚类条件初始化的难题.其次,为了提高阵列点图像分割结果的准确度,该算法通过目标函数引入了不同权重系数的H分量和I分量,实现了色彩信息的引入.通过图像分割效果测试,本文所提出的图像分割算法在所有阵列点图像分割中展示了96.54%的总体最优分割精度,可以有效、准确地实现比色传感器阵列图像的目标提取.     

一种有效的水下图像分割算法

水下图像具有信噪比低、边缘模糊等特点,直接使用传统分割方法对水下图像进行处理,效果较差,存在边缘扩大、轮廓变形等缺点.为提出新的抗噪性能好、能够克服水下成像过程中非线性影响的算法,文中在模糊理论的基础上,结合用熵的概念,提出了一种能根据图像自身特点自适应选择变换参数、使图像分割效果达到最佳的算法.通过对水下图像处理实验证明,该算法对简单背景的水下图像分割是有效的.和传统分割方法相比,该算法具有更强的自适应性和抗噪性能.     

基于小波的文档图像分割改进算法

文档图像分割的研究对于打印、传真以及这样的数据处理工作具有十分重要的意义 .提出了一个文档图像分割的新算法 .分割算法的特征是基于根据文档图像中各种图像类型直方图的不同特性 .算法中重要的特征是通过小波图像来加强原始图像的特征 ,从而使得精确度提高     

一种基于二值图像的形状分割算法研究

提出一种基于二值图像的形状分割方法.该方法首先对图像边界进行处理,提取边界凹角点,然后对图像的形状骨架的分支进行分析,结合这两者的信息进行分割.通过修剪骨架分支的长度来消除噪声干扰,同时控制图像的分割子区域的大小及个数,有效提高了算法的效率和分割精度.与其他算法相比,本算法能根据后续处理需要将剪纸图像分割为若干子区域,为提高后续处理的效率和结果优化提供了可靠的基础,分割结果更适合后续的剪纸图像变形处理.