基于分水岭算法的MELK图像分割*

提出一种基于分水岭算法的MELK图像分割方法,以解决信息量较小的MELK图像分割问题。综合应用多种技术以避免分水岭算法的过分割问题。首先应用高斯低通滤波器对MELK图像进行增强;采用加权差分算子求取梯度图像;应用Ostu方法进行对梯度阈值化,并进行分水岭变换;最后,应用RAG区域合并方法完成MELK图像分割。实验结果表明,该分割方法能够有效地分割信息量较小的MELK图像。     

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。     

基于改进分水岭算法的图像分割技术

针对交通中的车辆图像提出了一种基于标记提取的改进分水岭算法.首先应用形态学的开闭运算重建滤波,然后对修改了标记符的梯度图像进行分水岭分割,最后将目标区域提取出来并进行合并.实验结果表明,这种方法可以达到较好的分割效果.     

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。     

基于形态滤波的分水岭算法在玻璃瓶口图像分割的应用

本文根据低对比度的玻璃瓶口图像的暗区信息难提取的特点,将基于形态滤波的分水岭算法运用在图像分割处理,把图像分割成多个对象区域,然后对各区域进行标识。结果表明,该方法相对传统的分水岭分割方法能取得较好的检测效果,处理后的二值化图像比阈值分割后的图像要好。     

形态学分水岭算法在粘连图像分割中的应用

针对分水岭算法对噪声敏感和易于产生过分割的问题,提出运用顶帽变换对图像进行Ostu局部阈值处理,改善光照不均和噪声对图像分割的影响;采用多尺度形态学梯度,解决结构元素的形状和尺寸对梯度图像产生的影响。实验结果表明,该算法既能有效地分割粘连颗粒,又能有效抑制过分割现象。     

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。     

形态分水岭算法在重叠米粒图像分割中的应用

在大米检测盘上的颗粒往往会出现紧靠或者重叠的米团,导致大米检测图像中常出现重叠大米区域,这给后续大米检测分析等工作带来了很大的困难;虽然传统分水岭算法是一种广泛使用的分割方法,将其用于重叠米粒图像分割可以克服由于米粒交叠造成的图像分析困难,但缺陷在于它的过分割结果。提出了一种针对分水岭过分割问题的形态分水岭算法,它结合形态学和传统分水岭变换的优势。实验证明该算法简单、分割粘连颗粒和抑制过分割的效果很明显,运算的速度也满足实际要求。     

基于改进的分水岭算法图像分割方法研究

研究图像分割中保真问题,针对目前分水岭算法易产生过分割现象,导致图像分割边缘不明显现象,使得分割以后图像失真较大.为了解决上述问题,提出了一种基于空间模式聚类算法和分水岭算法相结合的图像分割方法.首先对图像采用分水岭算法进行图像分割,然后对产生过分割现象的图像区域采用基于空间模式聚类方案进行合并.仿真结果表明,与传统的分水岭图像分割方法相比,分割出的图像边缘效果明显清晰,有效保证原图效果.     

一种改进的基于分水岭算法的粘连分割研究

在细胞图像制作过程中,由于设备或人为原因,经常会出现细胞粘连程度分布不均匀的情况,从而影响分割的效果,给后续的统计分析造成了一定的困难。提出自适应距离变换,结合分水岭分割的处理方法,把细胞的粘连程度信息引入到距离变换函数中,根据细胞粘连程度的不同,自适应地变换距离函数的参数,从而有效地防止欠分割和过分割。实验证明,这种改进的方法能成功地分离不同粘连程度的粘连细胞,并具有良好的稳定性。     

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.     

The Viscous Watershed Transform

The watershed transform is the basic morphological tool for image segmentation. Watershed lines, also called divide lines, are a topographical concept: a drop of water falling on a topographical surface follows a steepest descent line until it stops when reaching a regional minimum. Falling on a divide line, the same drop of water may glide towards one or the other of both adjacent catchment basins. For segmenting an image, one takes as topographic surface the modulus of its gradient: the associated watershed lines will follow the contour lines in the initial image. The trajectory of a drop of water is disturbed if the relief is not smooth: it is undefined for instance on plateaus. On the other hand, each regional minimum of the gradient image is the attraction point of a catchment basin. As gradient images generally present many minima, the result is a strong oversegmentation. For these reasons a more robust scheme is used for the construction of the watershed based on flooding: a set of sources are defined, pouring water in such a way that the altitude of the water increases with constant speed. As the flooding proceeds, the boundaries of the lakes propagate in the direction of the steepest descent line of the gradient. The set of points where lakes created by two distinct sources meet are the contours. As the sources are far less numerous than the minima, there is no more oversegmentation. And on the plateaus the flooding also is well defined and propagates from the boundary towards the inside of the plateau. Used in conjunction with markers, the watershed is a powerful, fast and robust segmentation method. Powerful: it has been used with success in a variety of applications. Robust: it is insensitive to the precise placement or shape of the markers. Fast: efficient algorithms are able to mimic the progression of the flood. In some cases however the resulting segmentation will be poor: the contours always belong to the watershed lines of the gradient and these lines are poorly defined when the initial image is blurred or extremely noisy. In such cases, an additional regularization has to take place. Denoising and filtering the image before constructing the gradient is a widely used method. It is however not always sufficient. In some cases, one desires smoothing the contour, despite the chaotic fluctuations of the watershed lines. For this two options are possible. The first consists in using a viscous fluid for the flooding: a viscous fluid will not be able to follow all irregularities of the relief and produce lakes with smooth boundaries. Simulating a viscous fluid is however computationally intensive. For this reason we propose an alternative solution, in which the topographic surface is modified in such a way that flooding it with a non viscous fluid will produce the same lakes as flooding the original relief with a viscous fluid. On this new relief, the standard watershed algorithm can be used, which has been optimized for various architectures. Two types of viscous fluids will be presented, yielding two distinct regularization methods. We will illustrate the method on various examples.Corinne Vachier received an engineer degree from the Ecole Supérieure dElectricité, Paris and a Ph.D. in Mathematical Morphology from the Ecole des Mines de Paris, respectively in 1991 and 1995. From 1992 to 1995, she was research engineer in General Electric Medical Systems, Buc, France and phd student in the Centre de Morphologie Mathématique (CMM) of the Ecole des Mines de Paris. She became in 1996 an associate professor at the University Paris 12. She joined Jean-Michel Morels Team at the Centre de Mathématiques et Leurs Applications (CMLA) at the Ecole Nationale Supérieure de Cachan in 2001. Her research interests include mathematical morphology with emphasis on multiscale representations. Current applicative interests are focused on medical imaging.Fernand Meyer got an engineer degree from the Ecole des Mines de Paris in 1975. He works since 1975 at the Centre de Morphologie Mathématique (CMM) of the Ecole des Mines de Paris, where he is currently director. His first research area was Early and automatic detection of cervical cancer on cytological smears, subject of his PhD thesis, obtained in 1979. He participated actively to the development of mathematical morphology: particle reconstruction, top-hat transform, the morphological segmentation paradigm based on the watershed transform and markers, the theory of digital skeleton, the introduction of hierarchical queues for high speed watershed computations, morphological interpolations, the theory of levelings, multiscale segmentation.     

基于极小值跟踪法的水线变换图像分割

提出了一种基于极小值跟踪法的水线变换图像分割方法。针对水线变换中的过分割及水线漂移的问题,该方法用形态闭求得图像的凹谷,对所得的凹谷图像采用极小提升法,以减少凹谷图像中的极小值的个数,然后跟踪极小值在原凹谷图像中的位置,根据标记对原凹谷图像进行测地重建后,采用水线变换进行分割。实验结果表明,该算法可以有效地解决地分割及水线漂移问题,改善分割质量。     

分水岭算法在重叠细胞图象分割中的应用

分水岭算法是一种广泛使用的分割方法,将其用于细胞图象分割可以克服由于细胞交叠造成的图象分析困难,但缺陷在于它的过分割结果。本文给出一种针对分水岭过分割问题的解决方案,引入灰度差值图的概念,提出一种基于灰度差值图和距离图的变换,将变换结果作为分水岭算法的输入图象;最后对需要存在过分割的区域根据区域灰度性质合并过分割区域。     

基于距离变换的改进分水岭算法在白细胞图像分割中的应用

在白细胞图像中,由于白细胞细胞核的存在,直接应用分水岭算法时,往往达不到较好的效果。本文提出一种结合EM聚类的改进分水岭算法。通过将EM聚类获得的图像中细胞核区域替换,然后使用基于距离变换的分水岭分割,确定白细胞区域。对距离变换后的图像采用形态学处理减少了细胞分割中的过分割现象。同时使用细胞核位置的先验条件,合并分水岭分割区域,进一步减小过分割的影响。本文方法提供一种新的将分水岭算法应用于白细胞分割的思路。同时实验证明,方法在分割精度上有着良好的表现。     

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。     

利用分水岭分割的多分辨率遥感图像融合算法

对全色图像和多光谱图像进行融合可以获得更加清晰的图像信息。提出了一种基于分水岭分割和小波变换的多分辨率图像融合算法。利用正交小波变换得到原图像的小波金字塔表示。对近似图像进行分水岭分割,并且用小波逆变换把原始分割结果逐步映射回更高的分辨率层。通过联合区域分析,得到各层的联合区域分割图,并用此图来指导各层小波系数的融合。对融合系数进行小波逆变换,得到融合的图像。实验结果表明,该法对遥感图像的融合十分有效,能很好地兼顾融合图像的光谱质量和空间清晰度。     

基于分水岭变换和图割的彩色图像快速分割

基于图割理论的图像分割具有结合多种知识的统一图像分割框架,可获取全局最优解,但海量的像素级处理单元以及为达到一定分割精度而采用的迭代求解模式,导致算法分割效率不高。以GrabCut算法为基础,通过分水岭变换,将图像划分成区域内颜色相似的若干分块,以各个块内像素的RGB均值代表所在分块的全部像素点来估计高斯混合模型参数,使问题规模减小,算法效率得到提高。