结合自适应TV模型和分水岭变换的图像分割算法

针对传统分水岭算法对噪声敏感,易出现过分割的现象,提出一种自适应全变分模型和标记分水岭算法相结合的图像分割算法。采用自适应全变分模型对原始图像进行滤波处理,平滑去噪的同时保留图像的边缘信息;求解其多尺度形态学梯度图像,并用基于最大熵的扩展极小值技术获得的前景和背景标记并对其多尺度梯度图像修改;对修改后的梯度图像进行分水岭变换,实现准确的分割。对比常用和相似的图像分割算法,实验结果表明,该算法在抗噪性、运行时间和分割交并比上有一定的优势。尤其是在噪声强、灰度值接近的医学图像上能够获得合理有意义的分割区域,效果良好。

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。

基于分水岭线的CV模型树冠分割优化算法

为了实现对森林调查中的树木生长状况精确监测,单体树冠分割是重要研究内容。将无人机拍摄的云杉林影像作为研究对象,针对图像中存在的树冠粘连问题,结合分水岭算法和Chan-Vese主动轮廓模型,建立一套自动实现树冠轮廓定位、分割、优化系统。该改进算法将预处理后图像输入到标记分水岭分割中,得到的分水线作为Chan-Vese模型的基础,通过曲线演化至图像特定边缘,最大程度提取出完整的树冠轮廓。为改善分水岭算法敏感、区域主动轮廓模型定位初始位置难确定等问题,提出一种便捷完整的树冠分割的算法。实验结果表明,与传统分水岭和传统Chan-Vese模型相比,树冠提取方法准确率达到82.62%,实现较高提升。并且在对树冠误判、漏判、欠分割、过分割问题有较好改进。该方法可以自动、有效地提取出独立的树冠轮廓,并具有更好的提取精度。

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%。

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.

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。

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。

改进的利用门限的分水岭图像分割算法

分水岭变换的一些优秀的性质使它在许多不同的图像分割应用中非常常用:它简单并且具有直观性,可以并行实现,并且总是产生完整的图像轮廓。然而,它仍然有许多缺点(过度分割,对噪声敏感,难于检查出细结构物体或者低信噪比的结构)。本文提出一种改进的使用门限的分水岭算法来在不同程度上克服分水岭的这些缺陷。我们把该算法应用在三类图片上,一种具有复杂结构,一种具有低对比度,一种有低的信噪比。本文展示了该算法的分割结果,展示了该算法在这几类图片上出色表现。

基于融合点云数据的马尾松林地单木分割算法研究

激光雷达技术在森林资源调查中具有较大优势,但单平台采集的数据往往存在扫描盲区,难以获取完整的森林结构信息。为此,以马尾松林作为研究对象,探究基于融合点云数据的马尾松林单木分割适宜性算法。首先提出一种针对森林样地点云数据融合的方法,然后采用标记控制分水岭算法、距离判别聚类算法和层堆叠算法对马尾松林进行单木分割,并对3种算法的关键参数的选取进行分析,最后提取树高验证融合点云估测森林结构参数的适用性。得出实验结果如下:1)提出的点云融合方法可以有效融合机载和手持激光雷达点云,配准误差为0.054 m;2)3种单木分割算法中,标记控制分水岭算法分割精度最高,总体精度为0.88,高于距离判别聚类算法和层堆叠算法;3)利用标记控制分水岭算法分割的单木提取树高,基于融合点云数据的R2值为0.983 7,RMSE为0.759 6 m,相较于单一点云数据,精度明显提高。研究结果可为多源激光雷达在林业领域的应用以及马尾松林地森林资源管理提供技术支持。

基于改进分水岭和形态学的视频运动目标检测

为了获得理想的视频运动目标检测结果,本文提出了一种标记分水岭和形态学相融全的视频运动目标检测算法。首先采用各向异性扩散模型对视频图像进行预处理,消除噪声对目标检测的干扰,然后差分算法提取运动目标的轮廓,并对提取的目标轮廓进行形态学操作,最后采用标记分水岭算法对运动目标进行标记和分割,并采用仿真实验测试算法的性能。仿真结果表明,本文算法较好防止了"过分割"缺陷的出现,可以准确从复杂背景检测到运动目标,不仅提高了视频运动目标的检测正确率,并且加快了视频的检测的速度。

木材表面缺陷边缘形态检测算法的研究

应用数学形态学理论,论述一种检测木板材表面缺陷的方法,提出了可快速识别缺陷边缘的标记分水岭算法。实验结果表明,运用该算法进行图像处理,运算简洁,处理速度快,边缘检测准确。

基于区域生长的OCT图像分层算法

OCT(光学相干层析技术)自从1991年出现以来,在多个领域展现出了应用前景,尤其是在眼科疾病的检测方面起了重要作用。视网膜的分层,厚度检测就是利用OCT技术所得图像,对眼底的各种疾病的预防和治疗给出依据。然而,由于散斑噪声,低对比度,不规则的形态结构等原因,使得视网膜的分层检测存在不小的难度。为了解决这些问题,提高电脑对OCT图像处理的能力,文中提出了一种分为两步的图像分割算法。第一步是通过标记的分水岭算法进行初次分割;第二步是利用不同的区域特征值进行最优化合并,以获取需要的边界信息。实验结果表明,对于平滑的部分,分层有相对较好的结果,面对病变区域的处理仍有可改进的部分。

融合机载LiDAR和植被指数的自适应单木提取方法

机载激光数据(Light Detection And Ranging,LiDAR)难以区分地面和草地范围,可见光植被指数无法分离灌木和乔木层,针对上述问题,构建一种融合LiDAR点云与RGB植被指数的多波段信息图像。以激光点云生成精细冠层高度模型(Canopy Height Model,CHM),利用无人机影像数据生成高清数字正射影像,在比较不同植被指数精度后选择差异增强植被指数(Differential Enhanced Vegetation Index,DEVI),与CHM进行融合。形态学重建CHM+DEVI融合图像,去除不合理值;构建训练样本,采用分类回归树算法,分割地面范围并自适应提取植被为乔木、灌木和草地,乔木区域采用局部最大值算法探测树顶点,作为前景标记,非乔木区域赋为后景标记,进行分水岭变换得到分割结果。将该方法提取的植被信息与实测数据进行精度分析,结果表明:改进方法在4个样方中,总体查全率提高3.2%,查准率提高3.9%,准确度F1得分提高3.5%,树高精度分别提高1.7%,6.4%,1.8%和0.3%。验证了改进方法的有效性,同时区域内植被混杂程度越高改进算法的提取效果越好。

基于数学形态学的灰度图像连接物体分割方法

由于噪声的存在以及连接物体的特点,传统的标记分水岭算法对包含连接物体的灰度图像很难取得满意的分割结果;特别是在背景并不连通的情况下,误分割更为常见;在标记分水岭算法的基础上,提出了一种连接物体分割方法;将属于鲁棒统计的Hough变换用于提取物体标记扩展了标记分水岭算法的应用范围;针对在分割连接物体时,由于背景并非连通,因此允许背景被分别标记,并通过一个后续滤波步骤用以剔除分割后图像中的背景部分,从而得到精确的分割图像;试验证明该算法运算速度快,鲁棒性好,具有广泛的应用价值。

超声图像多囊卵巢分割及其在自动检测中的应用

医生通过人工计数卵巢超声图像上小囊胞的个数来诊断多囊卵巢综合症,存在易受人为因素干扰、重复性差、效率低等问题,为此提出一种基于超声图像的自动检测多囊卵巢综合症的方案。先以自适应形态学滤波去除卵巢超声图像的斑点噪声,接着采用改进的带标记分水岭算法提取目标(含小囊胞和类似小囊胞)轮廓,最后通过聚类方法识别出卵巢内的小囊胞。实验以专家的人工结果为标准对方案进行验证,同时与以boundary vector Field(BVF)活动模型提取卵巢轮廓进行识别的方法进行比较。结果表明,方案对多囊卵巢内小囊胞的识别正确率达到84%,比BVF方法高23%,因此能一定程度用于超声图像多囊卵巢的自动识别。

孤立性肺结节在HDCT的计算机辅助诊断

目的本文尝试设计一款基于高清晰度CT(HDCT)图像的孤立性肺结节(SPN)计算机辅助诊断系统(CADS),以提高恶性SPN的检出率,使诊断更加客观、科学。方法收集经临床病理证实的孤立性肺结节120例,包括恶性肿瘤、良性肿瘤、结核和炎性假瘤,随机抽取60例作为实验集,60例作为验证集。实验集HDCT图像经图像预处理、感兴趣区域(ROI)基于标记的分水岭算法分割和ROI纹理特征参数提取,对获得的5项纹理特征参数做统计学处理,将统计结果应用于系统以对SPN做良恶性分析并给出提示信息。验证集HDCT图像输入系统后,对比系统预测结果与主任医师和住院医师预测结果来评价系统的可靠性。结果对比度、相关性、熵、平稳度和二阶矩t检验P值分别为0.000、0.002、0.914、0.295、0.002。对比度、相关性和二阶矩良性区间分别为(903,2003)、(2.76,3.48)、(0.01,1.54),恶性区间分别为(502,898)、(3.49,3.71)、(1.79,29.86)。系统、主任医师和住院医师的敏感度分别为83.3%、93.3%、76.7%,假阳性率分别为13.3%、16.7%、26.7%,正确率分别为85%、88.3%、75%。结论基于标记的分水岭算法对与胸壁或纵隔粘连的结节及磨玻璃病变等均可以较好地将其分割提取出来。对比度、相关性和二阶矩有统计学意义。系统在预测SPN良恶性具有较高的敏感性和准确性及最低的假阳性。CAD在SPN良恶性诊断具有一定的临床使用价值,本系统可以辅助临床医师诊断SPN良恶性。

基于BF-WS的肝脏CT图像自动分割

由于血液的流动以及肝脏收缩与舒张,在腹部CT图像中存在一定量的噪声,会产生局部梯度极大值区域、弱边界、伪影等不良现象,加之腹部内器官分布紧密且灰度值接近,使得肝脏分割尤为困难.为此,首先采用改进的双边滤波算法,自适应的对腹部CT图像进行平滑滤波处理;其次,将自适应双边滤波算法和标记控制的分水岭算法有机融合起来,采用基于中值的多阈值最大类间方差算法提取肝脏标记,并运用分水岭分割算法进行精确分割;最后,分析对比不同的肝脏分割方法,表明该方法能够更有效地去除噪声,保留目标边界,提高肝脏分割的准确率.

融合异质刺激过滤的金相图像等轴α相识别

针对钛合金金相图像存在噪声、晶界α相和片层组织与等轴α相颜色极为相似而导致“误识别”的问题,提出了一种融合异质刺激过滤的金相图像中等轴α相识别算法。该算法主要包含两大部分:(1)结合数学形态学和异质刺激理论设计实现了异质刺激模板,对晶界α相和片层组织进行了有效的过滤;(2)提出了一种结合距离变换和数学形态学的前景和背景标记方法,对等轴α相和其他组织进行了精确的标记,利用标记分水岭算法对金相等轴α相进行识别。实验结果表明,该算法过滤了金相图像中大部分的晶界α相和片层组织,并最大程度地降低了对等轴α相边缘区域的影响。与大津算法、最大熵算法、模糊C均值聚类算法对等轴α相的识别效果相比,本文算法提高了等轴α相的识别准确率。

基于图像畸变校正的车轮踏面区域提取

为了实现踏面缺陷部位面积的精确测量,提出了一种基于图像畸变校正的车轮踏面区域提取方法。首先采用改进的彩色图像标记分水岭初次分割侧视视角踏面曲面图像,然后根据踏面曲面图像横向和纵向畸变的不同特点顺次进行平面横纵坐标几何校正并在此过程中完成踏面区域的二次分割与视角转换,最后得到踏面正视视角矫正图像。实验结果表明,该方法可以准确分割并校正侧视视角踏面图像,为实现踏面缺陷面积的精确计算打下基础。