生物细胞图像阈值分割方法研究

阈值法是最基本的图像分割方法之一，被应用于很多领域，特别是在图像相对简单的生物图像处理方面得到了广泛使用。介绍了运用计算机对生物细胞图像进行处理和分析，能在一定程度上协助医生对病症的诊断。     

一种新的自适应图像分割方法

目的研究图像分割的最佳阈值．方法一种基于灰度图像直方图嫡和遗传算法的自适应图像分割算法．结果在此研究中,分割问题被定义为一个优化问题,由于遗传算法能够有效地搜索分割参数空间,则以遗传算法的适应值作为质量标准．结论此方法可用于最佳阈值分割．     

图像背景自适应分割技术研究

图像在进行分类识别之前,重要的一步处理过程是进行背景分割,以便把识别对象与图像背景分开,阈值化分割算法是图像分割中应用数量最多的一类,但如何设置阈值进行图像背景的自适应分割成了问题的关键所在。通过图像分割技术,比较分析各种算法的优缺点,提出一种用于图像背景自适应分割的方案。此算法不需要人为设定其他参数,是一种自动选择阈值的方法,且选取出来的阈值理想,对各种情况的表现都较为良好。     

基于直方图判别的细胞图像分割

最优阈值的选取是细胞图像分割中的核心问题，单一的分割方法往往不能适用于各种疏密不一的细胞图像。针对传统的阈值分割方法不能有效地解决稀疏细胞图像分离的问题，该文利用图像直方图的统计特性，提出了一种极小阈值点的搜索方法。并在对直方图进行统计分析的基础上，自动选取恰当的(方法来对不同类型的细胞图像进行分割。实验表明，通过这种方式处理的细胞图像分割效果较好。     

一种新的图像背景自适应分割算法

在对图像分割技术进行综合研究的基础上提出一种以最大类间方差法为基础的图像背景自适应分割算法,此算法根据目标和背景区域的灰度统计量来自动选取最优阈值。最后通过仿真与常规的迭代法、四叉树、分水岭等算法处理后的效果图做了比较。     

生物细胞图像阈值分割方法研究

阈值法是最基本的图像分割方法之一,被应用于很多领域,特别是在图像相对简单的生物图像处理方面得到了广泛使用。介绍了运用计算机对生物细胞图像进行处理和分析,能在一定程度上协助医生对病症的诊断。     

改进Otsu图像分割方法

在计算分割阈值时,利用类内灰度差方进行多次迭代,获得阈值初值。图像总体灰度均值分别与目标及背景进行方差计算,得到最终分割阈值。     

多分辨率下自适应阈值判定的分水岭车辆图像分割算法

针对分水岭算法产生过分割现象,提出一种基于自适应阈值判定分水岭算法的图像分割方法,首先对图像进行多分辨率小波分解,再在某一尺度下计算梯度图像,并对该梯度图像进行自适应阈值判别,最后使用分水岭算法进行图像分割。实验结果表明该方法能取得较好的分割效果,有效的降低了过分割现象。     

基于遗传算法的图像多阀值自动分割方案

图像多阈值分割是图像处理的基本技术之一。遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法。本文将遗传算法引入图像分割,提出一种新的图像多阈值分割方案,并加以改进。该方案能够快速正确的实现分割,且不需事先认为的确定分割类型。实验结果令人满意。     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

基于自适应区域的医学图像自动分割

为了改善传统分割算法对初始条件的依赖性,提出一种基于自适应区域的医学图像自动分割框架.该框架将分割算法和目标检测技术集成到一起,通过检测已经分割出的目标信息来预测该目标在待分割切片上的局部区域,然后基于该局部区域预估目标的阈值范围和几何形状等信息,为应用分割算法提供初始参数.该框架已经应用到区域生长、基于阈值的水平集等常用分割算法.实验结果表明,该框架有效减少了分割中的人工交互操作,并且能自动处理目标复杂分叉情况.     

基于迭代的癌细胞图象自动多阈值分割

随着现代医学研究的飞快发展，显微图象定量分析已经广泛应用到临床诊断，病理分析，癌变分级分类等越来越多的医学领域之内。本文将传统的迭代算法应用到癌细胞图象的多阈值分割中，可根据实际需要确定阈值个数，不但可以快速准确地将细胞质、细胞核分割开来，还可以根据需要确定阈值个数，从而分割出癌变细胞核内的粗颗粒状物质以进行进一步的纹理分析。     

自适应气球力主动轮廓的图像分割

集成图像的先验信息到模型中是改善主动轮廓模型分割复杂背景图像性能的一种重要方法．采用统计方法确定目标区域，根据区域自适应地决定主动轮廓模型气球力的方向，对测地线主动轮廓模型进行改进．结果表明：主动轮廓曲线的收敛仅依赖图像梯度这一局部性质的情形被改变，主动轮廓曲线的收缩或扩张和目标区域联系起来．图像分割实验说明改进的模型能较好地对带噪声且为弱边缘的人工合成图像、医学超声图像得到理想的目标边缘轮廓．自适应气球力主动轮廓分割图像能提高在图像弱边缘处的定位能力和精确度，减少对噪声的敏感性，加快曲线收敛到目标边界的速度．     

基于机器视觉的图像分割算法的研究

提出了一种自适应的局部阈值图象分割的算法,实验表明新算法能够自动而快速地对图像进行分割,该方法在织物缺陷检测应用,瑕疵检测率达到90％．     

基于Ncut的自适应图像分割方法

为了解决传统归一化割(Normalized cut,Ncut)算法需要人工干预因素过多,限制了算法的通用性,本文对传统Ncut算法进行了改进,提出了自适应的图像分割方法。首先采用基团势的理论替代了传统的Ncut算法中计算权值矩阵时两个控制参数对结果的影响;然后为了减少K-means算法对分类数目和类中心的敏感,本文采用基于最小生成树的聚类方法对Ncut计算出的特征向量进行分类,得到最终的分类数目和初始类中心,然后再采用K-means算法进行聚类得到最终的分割结果。实验结果显示,本文的算法不仅提高了算法的通用性,并且分割效果比较好。     

组织细胞图像简易分割方法的研究

组织细胞图像分割是计算机视觉细胞追踪系统的基本问题和细胞图象识别所必需的步骤。介绍了分割的分步策略及方法,首先是作近似区域的分割,分割出含有选择细胞和一部分细胞周期背景的大致区域;然后再对近似区域作进一步的分割,即从近似区域中分割出所要选择的细胞图象。提出的方法结合了前人方法的优点,能有效降低周围背景灰度和细胞区域纹理对分割结果的影响。结果表明这种方法易于实现对组织细胞图像的分割。     

基于模糊自适应共振理论的图象分割

提出了一种基于模糊ＡＲＴ神经网络的灰度门限化图象分割方法,该方法不仅可以自动确定分类数目,而且还能有效抑制噪声,对人工和实际图象的分割实验结果验证了本方法的有效性。     

局部熵驱动的主动轮廓线纹理图像分割

该文通过对主动轮廓线技术发展的回顾和从纹理图像分割的实际问题出发,提出一种基于局部熵驱动的主动轮廓线纹理图像分割模型。该模型的能量泛涵包含一个惩罚区域弧长的几何正则项和一个使用纹理模式区分不同区域的数据拟合项,特别是数据拟合项用到了局部熵来提取图像纹理并且采用L1范数作为熵的相似性度量。然后将该能量泛涵嵌入到变分的水平集公式中,通过求解能量最小化问题,得到相应的曲线演化方程。最后,采用Berkeley图像分割库中图像实验验证了该方法的有效性。