一种基于标记分水岭的高分辨率遥感影像分割方法

为避免分水岭分割高分影像的过分割现象并充分利用高分影像的特点,该文提出一种基于标记的分水岭分割方法,即基于影像先验知识指导分割的原则,对遥感影像进行各向异性扩散平滑滤波后,计算生成融合了光谱和纹理特征的梯度图像;从梯度图像中提取标记重建对象的边缘特征,并执行基于标记的分水岭变换,得到最终的分割结果。实验表明,该方法能够充分利用高分影像的特征信息,并能有效地抑制分水岭过分割现象。

改进的标记分水岭遥感影像分割方法

在Meyer算法的基础上,提出一种改进的标记分水岭遥感影像分割方法,该方法针对高空间分辨率遥感影像的特点,依据梯度影像的分布特征自动提取合适的标记影像。浸没过程中,非标记像素按照梯度值由小到大进行处理,并使用正反两个队列记录当前处理的像素。实验证明,将该算法用于高分辨率遥感影像分割,不仅获得高质量的分割结果,而且具有极高的运行效率与空间利用效率。

基于改进标记分水岭的高分辨率遥感影像海岸水边线提取方法

利用遥感技术快速提取海岸线是一种重要的技术手段,针对传统分水岭算法在高分辨率多光谱卫星数据处理中存在的过分割和抗干扰能力差的问题,本文提出了一种基于扩展极值变换标记分水岭的算法。首先通过形态学重建、扩展极值变换等方法建立前景和背景标记,初步抑制灰度极小值和极大值区域,然后依据这两类标记对梯度图像进行修正,进而进行分水岭变换,提取岛屿水边线。以南海典型海岛为研究区域,利用2017年GF-2卫星数据对本文提出的方法进行验证和精度评价,研究结果表明:改进的分水岭算法对GF-2数据的人工岸线提取质量在1个像素(4 m)之内高于90%,沙质岸线提取质量在1.5个像素(6 m)之内高于90%,可以用于高分辨率多光谱影像的分割和海岛水边线的提取。

基于K均值聚类与标记分水岭的棉花图像分割

针对棉花识别中由于光照不均、背景复杂等不利影响降低识别率的问题,提出了一种基于K均值聚类与标记分水岭的棉花图像分割算法。基于棉花和背景在颜色上的信息差别,使用K均值聚类算法将复杂背景棉花分成棉叶、棉花、土壤和棉枝四类。进一步,基于棉花和背景在亮度上的信息差异,利用二维Otsu算法对棉花目标初次分割,并通过标记分水岭算法完成目标识别。通过实验验证:改进的标记分水岭算法能够有效解决棉花目标的过分割问题,显著提高了识别率,同时该方法对具有同类特征的花卉采摘视觉系统的设计具有参考价值。

利用标记分水岭法实现夏克-哈特曼波前传感器质心探测

由于光斑质心探测精度直接影响夏克-哈特曼波前传感器的波前探测精度,本文提出基于标记分水岭法来确定阵列光斑质心探测窗口。首先,对采集到的夏克-哈特曼阵列光斑图像进行平滑并求出其梯度图像;然后,利用大津(OTSU)阈值法在求出的梯度图像上进行目标标记,最后在标记过的梯度图像上进行分水岭分割,确定出每个光斑的探测窗口。由于该方法确定的质心探测窗口是对光斑实际大小进行匹配,故有效地抑制了噪声对质心探测的影响。实验结果表明:利用该方法确定光斑探测窗口所计算的质心精确度和稳定性均比传统的在子透镜窗口中计算光斑质心的方法要高。统计多幅图像计算得到的窗口质心标准差的平均值为0.010 9,比传统法计算出的平均值0.073 4提高了6倍,满足哈特曼波前传感器对光斑质心计算稳定性和精确度的要求。

基于标记控制分水岭和Snake交互的乳腺腺体分割

在乳腺癌放射治疗过程中,乳腺腺体分割的准确与否直接关系到患者的治疗效果,提出了一种从粗到细的乳腺腺体图像分割方法。首先利用形态学重构滤波器去除图像中的细小毛刺和不规则边缘,避免产生新边界和边界偏移;然后通过面积标记乳腺腺体,采用强制最小技术修正梯度图像并进行分水岭变换,实现乳腺腺体的粗分割;通过在分水岭脊线上人工选择种子点形成的曲线作为Snake模型的初始轮廓来动态逼近目标的真实边缘,实现乳腺腺体的细分割。实验结果表明,该方法对乳腺腺体的分割具有较高的准确性。

基于改进标记分水岭的遥感影像建筑物提取

针对影像分割为遥感信息提取与目标识别的基础和关键,结合色彩丰富、地物繁多的遥感图像特点引入改进的标记分水岭分割算法提取遥感图像的建筑物,计算了遥感图像的彩色梯度幅值并作为分割图像;采用巴特沃兹低通滤波器对梯度图像进行低通滤波,提取与物体相关的局部极小值作为标记,并进行分水岭分割,利用DSM的高度信息有效地剔除了道路和阴影的影响。试验结果表明,该法较好地避免了过分割现象、效率高,适合遥感影像建筑物的提取。

基于运动轮廓标记提取的分水岭运动目标检测

针对运动目标差分相乘产生的空洞问题,提出了一种基于运动区域轮廓信息和自适应标记约束的分水岭运动目标检测新算法,来实现移动机器人平台上较大运动目标的完整检测.首先,结合相位相关法和Fourier-Mellin变换配准图像的缩放和平移量;然后,利用运动区域轮廓信息和分层投影法来提取前景和背景标记.先通过连续三帧配准图像差分相乘方法检测出运动区域轮廓,并结合形态学腐蚀、膨胀操作和投影法生成前景和背景标记模板;再将前景和背景标记模板分为若干层,通过水平投影得到每一层轮廓的边界点,并按一定方式连接得到前景和背景标记;最后,根据重构的梯度图像,用标记约束分水岭分割出完整的运动区域.实验结果表明,该算法能够准确完整地分割出规则和非规则运动目标,具有较好的实时性.

基于运动信息和标记多尺度分水岭的运动目标检测算法

针对对称差分法检测目标时容易产生空洞以及当目标运动速度较慢或尺寸较小时易出现漏检等现象,提出了一种基于运动信息和标记多尺度分水岭的运动目标检测算法。首先将用高频强调滤波等处理的视频图像进行差分,再运用高阶统计运动检测算法检测出差分图像中运动目标的大概运动区域,经后处理得到运动目标的初始二值掩膜;并应用初始二值掩膜得到用于标记的前景与背景标识,用该标识修正当前帧的多尺度形态学梯度图像;最后进行分水岭分割,得到具有精确边界的运动目标。实验结果表明该方法能对运动目标进行准确检测,继承了变化检测和分水岭算法速度快的特点,克服了分水岭算法易产生过分割的缺点,且具有良好的鲁棒性。

基于先验知识和标记分水岭的车牌定位算法

车牌定位是智能交通系统中的重要组成部分之一,是实现车牌自动识别系统的关键。针对复杂环境下的车辆图像,提出一种基于车牌先验知识和标记分水岭的车牌定位算法来对图像进行定位和分割。该算法首先对灰度图像进行形态学预处理,然后使用标记分水岭算法得到车牌候选区域,最后利用车牌的先验知识来定位车牌区域。实验结果表明,该方法对干扰字符和复杂背景具有很好的鲁棒性,是一种简单、快速、有效的车牌定位算法。

基于标记分水岭分割的高分辨率影像水体信息提取

提出一种基于标记分水岭分割提取高分辨率卫星融合影像水体信息的方法。首先采用Pansharpening融合法获得光谱扭曲小的高分辨率卫星融合影像;其次利用标记分水岭算法对高分辨率卫星融合影像进行分割;最后在分割基础上利用水体指数模型提取水体信息。采用QuickBird高分辨率遥感影像数据进行试验,并与eCognition多尺度分割提取水体方法的结果相比,表明本文方法更快速有效,具有实用推广价值。

基于标记分水岭算法的高分辨率遥感图像分割方法

由于Quickbird等高分辨率遥感图像信息分布的特殊性,一些面向视频(或自然)图像分割方法并不完全适合于高分辨率遥感图像的分割。基于标记的Watershed图像分割算法是一种改进的分水岭算法,它很好地被应用于人脸及其他一些场景图像的分割。把该方法引入高分辨遥感图像的分割,并针对遥感图像的特点,在分割之前采用中值滤波对高分辨率遥感图像进行预处理;同时,在分割过程中采用用小波滤波器替代Butterworth滤波器对梯度图像的低通滤波。不同地物特征的Quickbird图像的分割实验表明,对于纹理比较均一的高分辨率遥感图像,该方法避免了过分割现象,且效率较高;但对于纹理比较复杂的图像,该方法具有一定的局限性。

基于改进标记分水岭分割的城市水体提取研究

针对高分辨率遥感影像水体提取中光谱混淆、噪声干扰等问题,提出了一种改进标记分水岭的影像分割方法。该方法结合水体的光谱与几何特征建立模型提取初始水体信息,并利用标记分水岭算法实现水体区域的初始分割;然后计算各标记区域内的灰度均值,选取种子像斑样本,并以像斑为单元在梯度影像中进行区域生长;最后利用水体指数模型提取水体信息。以武汉市局部卫星影像为对象,提取水体信息。研究表明:改进的基于像斑区域生长的算法能够兼顾邻近区域内像素的几何结构信息,显著提高算法精度,该方法有着较高的处理效率和准确性,具有应用价值。

基于NODE-UNet++和标记分水岭算法的红细胞图像分割

对血液涂片图像中的红细胞进行精确分割是一项重要的技术,也是一个难题,主要是因为红细胞经常重叠,没有明显边界。针对此问题,本文提出一种基于U-Net++和神经常微分方程(Neural Ordinary Differential Equations,NODE)的深度学习网络NODE-UNet++用于红细胞的初步分割,再利用标记分水岭算法分割血液涂片图像中的粘连红细胞。首先对图像进行裁剪和标注,突出待分割区域;然后应用新的语义分割体系结构NODE-UNet++对预处理后的图像进行初始分割得到概率灰度图;最后采用标记分水岭算法将灰度图中的粘连红细胞分离,得到最终红细胞分割结果图。实验结果表明,Dice系数达到96.89%、平均像素准确率达到98.97%、平均交并比达到96.33%。通过对不同血液涂片图像的分割结果表明,该方法能高效精确地提取每个红细胞,满足后续红细胞图像处理的需求。

基于标记分水岭算法的插秧机器人导航路径检测

针对插秧机器人机器视觉导航路径检测鲁棒性差、受杂草和翻土影响严重的问题,提出一种基于标记分水岭算法的视觉导航路径检测方法。首先,采用灰度化处理、直方图均衡化和中值滤波对目标秧苗列和目标田埂进行预处理;然后,利用标记分水岭算法对识别目标进行图像分割,并通过均值法采集导航路径特征点集;最后,使用最小二乘法将特征点拟合成导航路径。试验结果表明,相比传统分水岭法和区域生长法,本文的导航路径检测方法具有最好的识别效果,在秧苗列和田埂上的检测精度分别达到93.4%和96.6%。

改进标记分水岭的乳腺X线图像肿块检测方法

乳腺X线图像肿块大小不一,固定参数的传统标记分水岭算法无法实现乳腺X线图像肿块的有效检测。针对此问题,文中提出了一种结合形状特征和改进型标记分水岭的乳腺X线图像肿块检测方法。在计算前景标记时,结合标记的形状特征判定前景标记,通过对前景标记进行形态学膨胀并提取边缘以获得背景标记,利用改进型自适应参数标记分水岭算法实现肿块检测。实验结果表明,文中算法通过结合形状特征,自适应地选择合适的形态学参数,使得肿块检测准确率高于传统标记分水岭算法。

基于标记分水岭和FLICM模糊聚类的图像分割方法研究

传统的分水岭算法的应用非常广泛,但是存在过分割的问题。通常有两类方法解决该问题。第一类是后处理方法,它的原理是根据分水岭分割后的结果,使用某种方法让一些区域合并在一起。第二类属于前处理方法,在应用传统分水岭算法之前先标记提取,目前已经提出了基于标记的分水岭分割算法。这种方法虽然可以在一定程度上缓解传统分水岭算法的过分割问题,但是还是会有一定的过分割。文章在基于标记的分水岭算法的基础上,利用局部信息模糊C均值聚类算法(Fuzzy Local Information C-Means Clustering,FLICM)进行区域合并。实验结果表明:所提出的方法能有效地解决图像过分割问题,且更趋近于自然分割。

基于带标记分水岭的复合绝缘子憎水性图像提取算法

随着图像处理技术在复合绝缘子憎水性检测中的应用,逐渐取代了传统的人工检测方法。针对复合绝缘子上的水珠图像特点,首先在预处理步骤中将原始图像转化为HSV色彩模型,利用其中S分量中水珠与干区对比度明显的优点,对水珠图像的内部及边缘处的缺失部分进行填充,然后对预处理后的图像进行两次不同带标记的分水岭变换后,生成了水珠的边缘轮廓及其白色区域。实验结果表明,该算法可以有效分割水珠图像,检测出的水珠形状较正确,面积误差均在5%以内,为后续复合绝缘子憎水性能的确定提供依据。

基于边缘检测的溢水标记分水岭算法

针对已有标记分水岭算法存在的过分割问题,提出一种基于边缘检测的溢水标记分水岭算法。首先,对遥感影像进行相位一致边缘检测,获取边缘信息。然后,基于获取的边缘信息进行区域增长,检测对象区域的微弱边界,并改善对象边界的位置精度。最后,利用提出的溢水模型生成新标记继续增长,直到得到最终分割结果。在卫星影像和航空影像数据集上的实验结果表明,所提出的算法有效地抑制了过分割现象,能够准确的提取对象区域。

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。