基于形态学梯度的分水岭彩色图像分割

图像分割是从图像处理到图像分析的关键步骤之一。在改进了基于地形学距离的分水岭算法的基础上,提出了一种结合图像信息熵、形态学梯度与区域合并的图像分割方法。该算法首先利用信息熵在RGB颜色空间中对彩色图像求其形态学梯度,然后对彩色梯度图进行分水岭分割,最后对分水岭产生的过分割现象进行区域合并。通过Matlab对图像进行实验,结果证明该算法不仅能够减少分水岭算法的过分割现象,而且还提高了图像分割的精确性,同时在图像分割时具有很好的鲁棒性和适应性。     

相对颜色空间下梯度分层重构的分水岭分割

为了改善传统分水岭算法中的过分割现象,考虑到反射亮光对图像的干扰,提出了一种相对颜色空间下的梯度分层重构的分水岭分割算法。首先将彩色图像由RGB空间转换到与反射亮光无关的相对颜色空间;其次结合图像信息熵获得彩色图像的梯度图像;然后根据梯度直方图的分布信息,对梯度图像进行分层重构;随后采用形态学极小值标定技术对合并后的梯度图像进行强制标定;最后对修正后的图像进行分水岭分割。对不同类型的图像进行分割实验,实验结果显示该算法相比其他3种典型的分水岭算法在分割区域个数、运行时间及区域间差异性指标(DIR)上的表现都较为突出。该算法更符合人眼对图像的感知,分割效果和性能较好,具有较高的鲁棒性和实用性。     

自适应梯度重建分水岭分割算法

目的 针对灰度分水岭算法存在过分割且难以直接应用到彩色图像分割的问题,提出一种自适应梯度重建分水岭分割算法。方法 该方法首先利用PCA技术对彩色图像降维,然后计算降维后的梯度图像,并采用自适应重建算法修正梯度图像,最后对优化后的梯度图像应用分水岭变换实现对彩色图像的正确分割。结果 采用融合了颜色距离、均方差和区域信息的性能指标和分割区域数对分割效果进行评估,对不同类型的彩色图像进行分割实验,本文算法在正确分割图像的同时获得了较高的性能指标。与现有的分水岭分割算法相比,提出的方法能有效剔除图像中的伪极小值,减少图像中的极小值数目,从而解决了过分割问题,有效提升了分割效果。结论 本文算法具有较好的适用性和较高的鲁棒性。     

基于形态学梯度重构和标记提取的分水岭图像分割

为了解决传统分水岭算法的过分割问题,提出一种使用形态学梯度重构和标记提取技术进行图像预处理的分水岭图像分割方法。该方法基于多尺度概念,进行梯度重构时采用了不同尺寸的结构元素,在对重构后的各梯度图像的区域极小值进行标记后,将各标记点的并集作为最终标记图像,用其修改梯度图像,然后进行分水岭变换,实现图像的区域分割。实验结果表明,该方法既能有效解决分水岭算法的过分割问题,又保留了各尺度下的重要目标,并且可以根据图像特点和具体的分割要求,调整分割过程中所选参数,得到满意的图像分割效果。     

基于形态学分水岭的彩色图像分割

将数学形态学理论应用到彩色图像处理是当前的研究热点问题。由于彩色图像的高维特性,导致经典的分水岭方法难以直接拓展到彩色图像处理中。已有的方法常常忽略彩色图像的色度信息,因此分割精度较低。本文提出了一种新的方法,该方法首先定义了新的彩色空间,在新的彩色空间下对彩色图像的色调和亮度分量分别进行分割,然后利用饱和度加权以实现各个分量的融合,得到最终的分割结果。实验结果表明,本文提出的新方法能正确分割彩色图像,分割效果明显优于传统的方法。     

改进分水岭算法的彩色图像分割技术

针对传统的分水岭变换可能产生严重的过渡分割,提出的分水岭变换算法在梯度图中去除了无相关点,用梯度临界值控制分割函数式。实验结果显示该算法对具有不同特征的图像均可有效地改进分割的精确性。     

阈值标记的分水岭彩色图像分割

目的 针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法 该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果 在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论 该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。     

基于分水岭和重叠率衡量的多级彩色图像分割

由于分水岭方法进行图像分割时经常是在梯度图像上进行,并经常产生过分割的结果,因此为克服图像过分割问题和提高分割的准确性,提出了一种基于分水岭和重叠率衡量分层融合策略的彩色图像分割新算法——HWO。该算法首先将RGB颜色空间转化到Lab颜色空间,并根据a、b维来提取统计2维直方图,同时在直方图上运用分水岭分割方法,通过对峰进行填充来得到图像的初步分割结果;然后将与填充对应的分割区域样本与高斯分布结合起来,对图像进行高斯混合模型假设下的参数估计;最后对模型与模型间进行重叠率衡量及分层区域融合,以得到最终的图像分割结果。实验中,首先采用训练图像集对算法涉及的两个参数进行确定,然后对测试图像集的分割效果和分割时间性能进行评估,评估是以标准的人工分割图像库为基准的。实验结果表明,该算法可解决过分割问题,其评估所得分准率及分全率综合衡量系数为0.609,而人工分割综合衡量系数为0.79,同时新方法的分割时间仅为传统方法的1/3,分割速度有了较大提高。     

分水岭图像分割算法的研究

针对分水岭算法在对复杂粘连物体图片的分割过程中产生局部极值过多和分割后区域边缘不能准确定位的弊端,提出对要分割的图像做基于形态学的开闭重建运算;然后对图像的形态学梯度图像进行滤波重建,通过对梯度幅值图像进行修改,标记出要分割区域的最小值,过滤掉无关的较小值;最后运用分水岭算法对标记的图像进行分割,取得了较好的分割效果.     

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。     

基于梯度修正和区域融合的分水岭分割算法

针对传统分水岭算法中存在的过分割现象,提出了一种基于梯度修正和层次区域融合的分水岭分割方法。该算法首先利用开闭双重建操作以及非线性变换对梯度图像进行修正;然后求取浮点活动图像并作为分水岭算法的输入;最后在区域灰度相似性准则的基础上,结合对比度和边界强度准则对分水岭变换结果进行小区域的合并,得到最终的分割结果。实验结果表明,该算法能有效地解决过分割问题,具有良好的鲁棒性和适应性。     

融合多结构滤波和多尺度重建的分水岭算法

为了解决传统分水岭算法中存在的过分割问题,提出一种结合多结构形态学开闭滤波和多尺度形态学开闭重建的新方法。该方法用12种不同结构的结构元对原始图像进行开闭滤波,接着对梯度图像应用多尺度开闭重建,通过加权融合不同的重建梯度为最终的梯度。在重建后的梯度上应用扩展最小变换技术（H-minima）以提取标记,用所得的标记修正原始梯度,在修改后的梯度上进行分水岭分割。实验结果表明：该方法不仅能有效抑制分水岭算法中的过分割,而且通过调节分割过程中的参数,还能防止欠分割的发生,对于不同的需求均可得到理想的分割效果。     

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑,实现了消除噪声、简化图像、保持物体重要轮廓信息的作用．最后,给出一种改进的快速区域合并算法优化分割结果．实验证明,采用文中分割方法可以获得很好的分割结果。     

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。     

结合新颜色空间与OTSU的分水岭彩色图像分割算法

鉴于传统分水岭算法存在过分割的缺点,并且考虑到反射亮光对图像的干扰,提出一种基于新颜色空间的改进分水岭彩色图像分割算法。该方法通过计算得到彩色图像在新颜色空间下不受反射亮光干扰的分量梯度,接着叠加融合在不同尺寸结构元下开闭重建的梯度图像,得到最终梯度图。同时,对最终梯度图采用最大类间方差算法自动获取阈值,用获得的二值标记图像对原始梯度图进行强制标定,对修正后的梯度图像用分水岭分割。实验结果表明：该方法得到了准确、连续的目标轮廓,达到了符合人类视觉的最小分割区域数。相比同类算法,该方法可以抑制反射亮光产生的无意义的区域,不需要人工设定阈值,较好的保持了物体的边缘信息,提高了鲁棒性和适用性。     

一种适用于PCB检测的彩色图像分割算法

针对光学检测印刷电路板(PCB)需要进行图像分割的问题,提出一种结合K-均值聚类算法的分水岭算法,用于PCB彩色图像分割。即首先将PCB彩色图像聚类,分成不同的颜色区域,按照不同区域进行分水岭分割,最后,将分割线透明地加在原始图像上,完成分割。实验表明,该算法可以分割PCB彩色图像,并且分割效果好。     

融合灰度和梯度信息的彩色细胞图像自动分割

为了开发血及骨髓涂片中白细胞自动分类及计算机辅助诊断系统,提出了一种融合灰度空间、彩色信息和数学形态学形态梯度信息的血细胞图像自动分割算法,以完成对白细胞（胞核和胞浆）的分割。在灰度空间,通过改进的迭代阈值分割算法,对白细胞的胞核进行了精确的定位和检出。通过彩色空间变换,有效地利用了图像中血细胞胞浆的颜色信息及先验知识,并且为了抑制过度分割,充分利用梯度信息,合理地对白细胞的胞核和胞浆进行了标记。在灰度梯度图像上提取血细胞的轮廓,并分别赋予不同的标记,表明数学形态梯度算法较传统的边缘检测算子具有更好的边缘提取能力。结果表明,胞核和胞浆的分割正确率分别为95.5％和92.6％,验证了该算法对彩色白细胞图像分割的有效性。