一种基于图像森林化变换(IFT)的分水岭算法

结合了边缘检测与区域生长法优点的分水岭算法近年来在图像分割领域得到了越来越多的重视,但经典的分水岭算法存在过分割的问题,从而使得物体的轮廓线掩埋在无关的分水岭线中。为了克服这种过分割问题,本文介绍了一种基于图像森林化变换的分水岭算法,它是一种将图像处理问题简化为在图形中求解最短路径森林的统一有效的方法。该改进算法在预处理阶段对图像进行平滑操作并设置适当的梯度阈值,即减少了梯度图像中非重要区域的产生。实验结果表明,该方法可提供精确且封闭的区域轮廓线。

基于张量形态学梯度和图像森林化变换分水岭算法的扩散张量图像脑白质分割

目的基于张量形态学梯度和图像森林化变换分水岭算法,提出一种从脑扩散张量图像中分割出白质组织的方法,并验证其是否快速、有效。方法首先总结了几种张量相似性函数,进一步计算张量形态梯度,再利用基于图像森林化变换分水岭算法对脑扩散张量图像进行白质组织的分割。结果采用此方法对志愿者的脑扩散张量图像进行分割,得到了较好结果。结论该方法易于实现且鲁棒性强,并适合进一步对脑白质亚结构体的分割。

一种解决IFT分水岭变换过分割问题的方法

针对IFT分水岭变换在医学图像分割方面易产生过分割的问题,提出了在IFT分水岭变换前后分别进行预处理和后处理的方法.预处理算法由图像简化和简化后的求梯度图像两个部分组成,后处理主要是区域合并.实验结果表明:该方法不但有效地抑制了过分割现象而且得到了较好的分割效果.