一种彩色图像的分割算法

本主要根据灰度图像的分裂合并算法思想,利用图像的边缘信息,提出了基于边缘的彩色图像分割算法。实现了彩色图像的分割,提出了分割算法的效率。     

图像融合与分裂合并相结合的分割算法研究

针对传统的分裂合并算法中存在的计算复杂度和分割后易于破坏边界信息的问题,提出一种将图像融合与分裂合并算法相结合的分割策略。首先对原始图像降低分辨率,抑制部分噪声,降低细节干扰,减少后期计算量;接着使用自适应边缘提取算法提取边缘信息并对优化图像进行分割;然后将处理后图像进行融合并还原尺度,以此来改善分裂合并算法带来的边界破坏问题。实验结果表明,该方法能够缓解传统算法中的运算量问题,尤其是边界破坏的问题,且分割效果较好。     

免疫遗传算法在图像分割中的应用

为了提高在连续多帧图像中背景提取的计算速度,提出了一种利用免疫思想的改进型遗传算法.该算法利用灰度图像的直方图熵作为评价标准对图像进行背景分割.相对于传统方法,可以大幅度提高连续多帧图像的背景提取速度.     

改进的OTSU算法在图像分割中的应用

针对用传统OTSU算法处理灰度级不连续的图像时，所求出的阈值不能很好地收敛到全局最优的种种问题，对OTSU算法进行修改，并把改进后的删算法应用在心脏这类灰度级不连续图像上，实验表明该方法具有良好的分割效果．     

改进的OTSU算法在图像分割中的应用

针对用传统OTSU算法处理灰度级不连续的图像时,所求出的阈值不能很好地收敛到全局最优的种种问题,对OTSU算法进行修改,并把改进后的OTSU算法应用在心脏这类灰度级不连续图像上,实验表明该方法具有良好的分割效果.     

基于四叉树结构的地形可视化建模

介绍了一种可行的大规模地形动态三维可视化的实现方法。结合实际地形高程数据,采用四叉树结构来组织地形顶点,应用视相关的动态层次细节技术来减小系统实时运算量。探讨了裂缝消除的方法,实现了基于普通PC机的视点漫游和实时绘制功能。     

分裂-合并方法在图象分割、目标提取中的应用

提出了一种“分裂－合并－收缩－合并－扩张”的图象大区域的分割方法；可以适用于多灰度级图象；算法引入金塔式的分割思想，对图象进行大区域的粗分割，对目标进行大区域扫描，小区域的分块分割，提取目标区域，依据目标区域的骨架特征对目标进行识别，还提出了一种新的道路识别方法。     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

基于属性直方图的图像分割方法及其在声呐图像分割中的应用

图像分割是图像识别中的主要问题，同时它又是一个经典难题；声呐图像恶劣的品质使图像的分割变得更为困难，属性直方图概念是直方图概念的推广；Otsu阈值化方法是一种性能良好的方法，本文将属性直方图概念应用于Otsu法中，提出了一中基于属性直方图的图像分割方法，文中阐述了这种方法的原理，并以声呐图像分割作为实例说明了这种方法的可行性。     

基于四叉树和交叉熵的面向对象图像分割方法

为了解决光照不均的非均匀图像分割问题,提出了基于面向对象思想的图像分割算法.针对非均匀图像的特点,以四叉树作为分析结构,在Shannon熵上推导出子集熵与全集熵的关系,作为图像的面向对象描述.基于此关系,充分考虑非均匀图像子集的局部灰度分布,最小化子集与全集的交叉熵,抹去子集的局部灰度偏移特征,从而得到分割阈值与局部灰度分布相关的分割方法.实验表明,相比常用的动态阈值算法,该算法具有运算量少、分割结果自适应性好的特点.     

改进的分水岭分割算法在图像分割中的应用

针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割流程大致为：先求形态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割,可以很好地抑制过分割现象,感兴趣的区域也得以保留．实验表明该算法简单有效,能够得到理想的分割结果．     

一个快速的人机交互式目标分割系统

由于视觉计算理论的局限、硬件水平的限制，研究全自动动的遥感图象解译方法还不现实。因此开发了一种计算机辅助图象判断读系统。在图象中感兴趣的区域指定一个核，利用有约束的区域增长法来分割目标，并用数学形态学的结合对分割出的目标进行处理，获得了目标的分割图象。该系统能帮助判读员在复杂的航空图片中迅速均勾画出某一目标的轮廓，确定目标的种类，进一步的工作还可以让计算机完成目标的识别，把可能的识别结果按概率的大     

复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

一种快速、准确的图像阈值分割新方法

图像分割是数字图像处理系统中基本而关键的技术。通过阈值分割是其最简单的技术,它假设目标和背景是可以分离的．本文将自适应遗传算法与OTSU算法相结合应用于最佳阈值的确定中,提出了相应的算法并用于图像分割,仿真结果表明,该方法不仅可以实现准确的图像分割,并且使得分割速度大大提高。     

水平集方法在CT肝脏图像分割中的应用

水平集方法在医学图像分割上有着广泛的应用。作者使用水平集方法用于CT肝脏图像的分割 ,并针对CT图像的特点 ,提出了一种结合图像灰度和曲线曲率信息的速度函数 ,实验结果表明该方法是有效的。     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

基于数学形态学的细胞图像分割

该文提出了一种基于数学形态学理论的方法,用于分割细胞图像。首先利用灰度形态学中的重构运算对输入图像进行滤波来削弱或去除噪声的影响,然后取其形态学梯度并结合Top-Hat和Bottom-Hat两个变换来增强梯度图像的对比度,最终由分水岭算法完成分割。关于过分割的改进,该文引出一个特殊的Otsu阈值来标记图像,得到的结果无需进一步的后处理。