一种基于区域灰度值的路径探测细胞分割方法

目前国内外很多研究人员提出各种各样的细胞分割方法,但是由于医学图像的复杂性,不同图像之间差异巨大,没有一种方法是通用的,只能具体情况具体分析。针对医学彗星图像中,两个彗星细胞粘连的情况,提出一种基于区域灰度值的路径探测方法,对粘连细胞进行分割。实验结果表明,该方法可以取得较理想的分割效果。     

一种新的灰度直方图分割阈值的自动检测方法

本文提出了一种新的灰度直方图的阈值点自动提取方法。利用灰度直方图的直观特征,把直方图的峰点作为分水岭,每两个相邻的峰值点和两者之间的谷点组成一个水域。从最低的谷点向上升高水位,直到各个水域水满为止。找到水量最大的几个水域,其谷底就是作为分割阈值的谷点。     

利用图像像素灰度值变化速度的相似性进行图像分割

提出了一种利用相邻象素间灰度值变化速度的相似性进行图像分割的方法。它不同于直接利用相邻象素间灰度值的相似性进行图像分割的方法。经该方法分割后的图像可以忽略目标内部象素灰度的差异,更加有利于目标区域的形状提取。     

一种基于灰度分割的自动调焦算法

针对红外图像的自动调焦问题,提出了基于灰度分割的图像清晰度评价函数,对比传统的图像清晰度评价算法,新算法满足无偏性和单峰性,并且具有更高的灵敏度和较快的计算速度。     

基于区域的烟尘图像分割方法

烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割,并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。     

基于局部灰度占比的粘连细胞分割方法

针对医学细胞图像中的粘连现象,对采集到的细胞图像进行均值聚类、二值化、空洞填充、距离变换等预处理操作后,根据距离变换图像的像素灰度值来选取实现粘连细胞分割的最佳阚值,在分析重叠或粘连细胞图像的局部像素特征的基础上,对距离变换处理后图片的局部灰度占比分布进行了全面的分析和处理.实验结果表明,该方法简单易行,具有较好的分割效果.     

用于灰度不均图像分割的自适应灰度拟合模型

针对灰度不均图像的分割问题,提出了一个结合全局信息的局部区域自适应灰度拟合模型。首先,分别利用图像的局部和全局信息构造了局部拟合项和全局拟合项;其次,利用像素点邻域内灰度的极差反映该点邻域内灰度的偏差程度,并以此定义了一个自适应权值函数;最后,利用定义的权值函数为局部项和全局项自适应赋权值,得到所提模型的能量泛函,并使用变分法推导出模型的水平集函数迭代方程。数值实现采用有限差分法。实验结果表明,与区域可变灰度拟合（RSF）模型和局部和全局灰度拟合（LGIF）模型相比,所提模型不仅能够稳定、准确地分割多种灰度不均图像,而且对演化曲线初始轮廓的位置、大小和形状具有更强的鲁棒性。     

设计局部最大灰度值探测CNN模板的定理与应用

基于细胞神经网络(CellularNeuralNetwork,CNN)的图像处理的研究和应用已取得了很大进展。在图像处理中,有时需要确定图像各局部区域中最大灰度点的位置。文章对实现局部最大灰度值探测功能的CNN模板进行了理论分析和鲁棒性研究,提出了一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。通过数值模拟实例确认了理论结果在计算机图像处理中应用的有效性。     

基于细胞神经网络的灰度图像边缘提取

针对细胞神经网络(cellular neural network,CNN),研究了图像边缘提取的过程,给出算法流程,阐述了算法实现过程中的几个关键步骤.对二值图像和灰度图像,分别采用基于CNN的算法和传统算子(prewitt、sobel、canny)进行边缘提取,定性分析比较了两类算法在性能上的优劣.实验结果表明,基于CNN的算法在硬件实现上能够高速并行计算,而且处理速度与图像大小无关,能够实现图像实时处理.     

一种利用灰度信息和二值信息的手写字符分割

在字符识别系统中,字符的有效分割是识别的关键。该文描述了一种两阶段的手写字符分割方法。根据字符倾斜角度将原字符串图像划分出若干个形状不规则的区域,每个区域含有一条分割线;针对现有分割方法的某些局限性,提出采用字符图像灰度信息和二值信息相结合的方式来求取分割区域中的分割路径。实验结果表明了该方法对于手写字符分割的有效性。     

一种细胞分割新方法

为了解决传统的细胞彩色图像分割中遇到的诸多问题,采用了一种新颖的多光谱成像技术进行图像采集,并探索性地将支持向量机用于骨髓细胞图像的分割。实验证明这种以多光谱技术为基础的分割方法推广性好,准确率非常高,并且对采集设备状况和涂片质量依赖性低。     

多灰度等级图象分割算法及实现

以图象的相关系数为量化参数,讨论了像素的空间和灰度相关性,建立了直方图正态分布叠加模型,在此基础上,构造了基于灰度直方图的多灰度等级图象分割算法。该算法计算量小、实时性强,可应用于基于计算机视觉的实时检测系统。     

显微细胞图像的自动分割

由于细胞组织本身的复杂特性以及显微镜的影响,细胞图像的分割成为图像分割中的一大难题,考虑到边缘检测可以准确的为分割提供边缘点,提出了基于区域一致性测度的边缘检测算法,针对细胞图像的特点,实现其初始轮廓的自动获取,运用活动轮廓模型对初始轮廓进行优化,从而达到在大样本条件下直接对彩色细胞图像自动分割的目的。     

基于双随机场能量函数的区域化图像分割*

为了提高图像分割算法的抗噪性,并充分利用特征场和标号场在能量函数分割模型中的作用,提出基于双随机场能量函数的区域化图像分割方法.首先,利用几何划分将图像域划分为一系列子区域.在此基础上,采用多值高斯分布的负对数定义区域化特征场能量函数,用于描述同质区域内像素颜色的统计分布一致性.扩展传统建模邻域像素标号关系的Potts模型至邻域子区域,定义区域化标号场能量函数,用于表征各子区域标号之间的相关性.联合特征场和标号场,采用KL散度定义异质性能量函数,用于刻画同质区域间颜色统计分布异质性.利用非约束吉布斯表达式将定义的特征场和标号场能量函数转换为描述图像分割的概率分布函数.最后,在最大化上述概率分布函数准则下,设计合适的M-H采样算法,获得最优图像分割.在合成图像、遥感图像和自然纹理图像上进行分割实验,验证文中方法的有效性和准确性.     

一种基于AOS格式的多相水平集快速分割方法

采用迎风格式的水平集算法实现需要在曲线演化过程中重新初始化水平集函数的要求,为保证算法的稳定,时间步长选取较小值,算法运行速度较慢。文中基于无须重新初始化的水平集方法,在算法数值实现中引入AOS半隐格式,对基于不同统计模型的水平集分割算法给出统一的数值实现。以二相水平集分割算法为基础提出一种新的多相水平集分割方法。该方法采用一个水平集函数进行多次演化实现多区域分割,其优点包括：1)采用AOS半隐格式,该格式无条件稳定,可采用较大的时间步长;2)对多个统计模型进行统一处理;3)采用单一的水平集函数进行演化,减少水平集演化方程的数量,算法更加灵活。实验结果表明,该方法具有较快的分割速度,对具有多个区域的图像能够进行较准确的分割。     

一种基于灰度共生矩阵的云图检索方法

卫星云图检索可帮助气象预报人员快速定位历史相似天气．根据云图纹理特征区分度较大的特点提出一种采用纹理特征对卫星云图进行相似性检索的方法。针时找到一个普遍适用的纹理特征非常困难的问题．提出一种根据特征值的方差分布情况从大量备选特征中快速找出适合某类图像检索所需的纹理特征值的方法,并以灰度共生矩阵的特征值提取为例．对卫星云图进行相似性检索。检索流程为：首先对云图进行云地分离的预处理．然后从云图的灰度共生矩阵中提取有效的检索特征生成特征值．并与历史云图库对应的特征库进行相似距离计算．最后根据距离的排序顺序输出最终的检索结果。实验表明．该方法能有效地从历史云图库中检索出具有相似视觉特征的云图．说明该方法可以用于卫星云图的相似性检索。     

电路板图像分割的K均值聚类算法研究

对电路板的图像进行分割,可以提取电路板中的目标物,以对电路板进行检测。文章使用K均值聚类算法完成对电路板图像的分割,针对传统的K均值聚类算法的不足,提出了使用直方图波形的有效波峰个数来确定K值的大小,并通过使用一种比传统的绝对误差的表示更简洁的表达式,达到了快速分割的目的。对一些电路板图像分割的实验结果表明,文章的方法能够根据目标物的数目有效的确定K值的大小,且比传统的K均值算法减少了运算量及计算时间。     

一种基于数据库的图像分割评价方法*

介绍了一个专用于机票工程项目中分割算法评测方法。该方法基于两个图像数据库及一套误差度量准则。图像数据库中的标准图像部分是基于主观视觉一致性的人工分割,具有评价的统计客观性。初步的应用证明该研究尤其是对算法的细微分析、提高整个工程有效性具有重要意义。     

一种灰度级抽取的图像分割方法研究

阈值分割方法依据图像直方图分析,利用最优化法则进行最优阈值选取,完成图像分割,这类方法将直方图最优分析等价于图像最优分割.但是,直方图提供的是图像灰度级统计信息而无空间关系信息,则闽值分割可能会导致分割失败,所以有必要进行灰度级空间信息的考察以完成图像分割任务.提出一种灰度级抽取分割方法,首先利用层次聚类方法对各灰度级像素进行空间远邻考察,并给出一种类别数与类间距关系确定最优类别数的方法,然后对近邻灰度级进行抽取并组合,最终形成分割结果.本文对该方法与若干阈值分割方法进行了对比验证,实验表明,所提方法在图像分割方面具有优势,能够得到较为满意分割结果.