基于GMM和分水岭算法的润滑油粘连磨粒的在线检测方法

润滑油中磨粒的数量、尺寸特征是磨损程度判断的主要依据,由于运动状态下的磨粒极易发生粘连,难以实现磨粒的在线监测及特征提取。为提高粘连磨粒目标检测精度,提出了一种基于融合GMM(Gaussian Mixture Modelling,GMM)和分水岭算法(Watershed Algorithm)的磨粒目标检测算法。首先,采用基于GMM的背景差分算法初步提取出运动磨粒目标,然后再利用分水岭算法对所提取目标进行分割,完成粘连磨粒目标的精确检测。实验结果表明,相比于传统算法,GMM-Watershed算法能够有效提高粘连磨粒的目标检测精度,准确率达98.86%,为提高油液磨粒在线特征提取的准确率提供了有效的方法。

基于分水岭算法的植株叶片沉积参数检测

针对当前农田作物喷洒农药后,植株表面出现的粘连雾滴影响沉积参数且未能及时检测药液分布情况的问题,搭建植株采集图像装置,提出改进的分水岭算法分割粘连雾滴的方法来快速检测雾滴沉积参数。首先采集了自然生长下喷洒药液的3种不同类型的盆栽植株共9幅图像,为了准确提取植株表面的雾滴,去除了复杂的背景区域;然后用R-G算法准确提取雾滴图像和以形状因子为0.9为阈值结合迭代腐蚀运算识别粘连雾滴;最后对强、弱粘连雾滴分别采用基于距离标记的改进分水岭算法和腐蚀算法分割。结果表明,改进的基于距离标记的分水岭算法分割粘连雾滴平均准确率达到92.31%,且对2~4个粘连雾滴的分割效果较好;本研究算法对比迭代全局阈值算法、大津算法的雾滴覆盖率分别提高39.83%和35.36%;雾滴密度与ImageJ计数、腐蚀运算和传统分水岭算法平均相对误差分别为4.03%、8.05%、7.09%;基于距离标记的改进分水岭的变异系数对比传统分水岭算法和腐蚀算法的相对误差分别为10.80%、18.78%。本研究的改进分水岭算法提高了植株的沉积参数检测准确率,可为执行农田植保作业时检测雾滴分布情况提供参考。

基于分水岭算法和复杂网络的植物叶片识别方法研究

在本文中,首先采用了分水岭算法对图像进行了分割处理,通过这一算法将图像划分成多个互相连通的区域。基于区域内部像素之间的相似性原则,从每个区域中提取了具有代表性的点作为网络节点,这种做法显著地减少了构建图像复杂网络模型时所需的节点数目,进而提升了图像识别过程的计算效率。进一步地在减少节点数量的基础上,本文还探讨并利用了基于欧氏距离和灰度差绝对值的网络连接关系,以此改进了网络拓扑特征参数的选择方式。此外,还考虑了图像中的兴趣点,并将这些兴趣点用作图像识别的重要参考依据,从而提高图像识别的精确度。

分水岭算法的改进方法研究

现有分水岭算法对噪声敏感且存在过分割现象。结合当前研究进展,介绍模拟泛洪的分水岭算法和模拟降水的分水岭算法。针对传统算法的缺点,总结4种分水岭算法的改进方法,分析其优缺点并指出未来分水岭算法的研究方向。

基于分水岭算法的作物病害叶片图像分割方法

为了提高作物病害叶片图像分割的准确性,采用了一种改进的基于标记的分水岭图像分割算法。首先,通过对二值图像进行距离变换和分水岭分割来获取背景标记,并通过提取数学形态学重建后的梯度图像中的区域极小值得到初步的前景标记,接着对前景标记进行进一步过滤,消除部分伪前景标记;然后,通过强制极小值方法将背景标记和前景标记叠加在梯度图像上;最后,对修改后的梯度图像进行分水岭变换。采用该方法对多幅黄瓜病害叶片进行图像分割,实验结果表明:该方法能够较好地将病斑部分分割出来,分割结果不受叶片纹理的干扰,平均分割正确率能够达到90%以上,具有一定的有效性和实用价值。

改进的分水岭图像分割算法

针对分水岭图像分割算法对噪声敏感和易于产生过分割现象,提出了一种基于粒子群和区域生长的改进分水岭算法。该算法将区域生长与分水岭分割算法相结合,依据香农熵构建一个目标函数,确定区域生长参数;利用灰度均值计算区域间的差异度,将比较小的区域合并到与之相邻的差异度最小的区域中;利用粒子群算法对该目标函数进行全局寻优,实现图像分割。实验证明新算法较已有的几种分割算法有了很大提高,并有效地解决了分水岭算法的过分割问题,分割结果更加符合人的直观视觉特性,是一种有效、准确且实用的图像分割方法。

一种基于自适应标记与区域间近邻传播聚类的分水岭图像分割算法

分水岭算法是一种高效的图像分割算法,能够准确地对图像进行基于区域的分割,但是存在易过分割的问题.为此本文提出一种改进的分水岭算法:首先,对彩色图像进行频谱包络滤波并计算彩色梯度获得梯度图像,再采取一种自适应设定参数的H-minima技术,对梯度图像的极小值区域进行标记;然后,对已标记极小值区域的梯度图像进行分水岭分割;最后,计算分水岭分割所得各区域的颜色矩,作为该区域的颜色特征,并对这些区域进行近邻传播聚类获得分割结果.通过与近年来其它改进的分水岭算法和采用聚类的图像分割算法实验比较,本文所提算法能更加有效地抑制过分割,提高分割准确率,具有良好的自适应性和鲁棒性.

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,滤除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可对重织物图像进行较为准确地分割。

一种改进的基于分水岭算法的粘连分割研究

在细胞图像制作过程中,由于设备或人为原因,经常会出现细胞粘连程度分布不均匀的情况,从而影响分割的效果,给后续的统计分析造成了一定的困难。提出自适应距离变换,结合分水岭分割的处理方法,把细胞的粘连程度信息引入到距离变换函数中,根据细胞粘连程度的不同,自适应地变换距离函数的参数,从而有效地防止欠分割和过分割。实验证明,这种改进的方法能成功地分离不同粘连程度的粘连细胞,并具有良好的稳定性。

标记分水岭算法及区域合并的遥感图像分割

传统的分水岭算法通常对梯度图像进行无标记分割,其结果是容易造成过度分割。本文采用了一种基于标记的分水岭算法,首先,利用Sobel边缘算子对原遥感图像进行梯度重建,获得梯度幅值图像,同时计算待分割区域的周长、面积和形态因子,并对其进行标记;然后,利用距离函数图标定种子法和等值线跟踪法获得初始分割图像;最后,利用改进的区域合并方法获得最终的分割结果。实验结果表明了该方法的有效性。

改进多尺度分水岭算法在医学图像分割中的应用研究

针对分水岭算法存在的过分割问题以及医学图像的特点,提出了一种能够有效增强梯度图像边缘点并且消除局部极小值的方法。首先采用多尺度滤波法提取图像的边缘信息,然后提出了基于图像边缘滤波消除局部极小值的方法,最后介绍了算法的步骤及结果。实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,即使不进行区域合并也能达到很好的效果。

一种适合医学图像分割的改进分水岭算法

对分水岭算法提出两点改进:先对原始图像的高帽和低帽形态作滤波预处理,滤除原始图像中的噪声和非感知信息,保留原始图像的结构信息;再采用修改了标记符的梯度图像进行分水岭分割,整个分割过程无须进行分割后的区域合并处理,降低了分割的复杂性。这种改进的方法不仅很好地抑制过分割现象,还能使医学图像中的病变区域被有效分割出来,该方法还支持任意形状,与新的静态图像压缩标准JPEG2000兼容,效果很好。

基于分水岭算法的磁共振脑图像自动分割

基于分水岭算法,提出了一种新的非脑组织去除和自动的脑磁共振图像的分割方法,利用区域合并技术克服分水岭算法固有的过分割问题.通过参数的设置,可以将图像中的非脑组织去除掉;对已去除非脑组织的图像,巧妙地将分水岭算法、区域合并和k-均值算法相结合,可进行全自动地分割,效果良好.

改进帧差与分水岭算法融合的运动目标检测法

针对机器视觉系统中运动目标检测问题,在帧间差分法的基础上,提出了一种新的运动目标检测算法。采用改进的帧间差分法,融合分水岭算法分割特点,获得真实目标的轮廓,并进行实验验证。结果表明,该算法对帧差法进行改进后,得到的动态目标更接近于实际情况,改进的算法更适合于智能系统中消除杂波及对运动目标的检测。

结合路面深度影像梯度方向直方图和分水岭算法的裂缝检测

裂缝检测对于道路维护和管理具有重要作用.由于深度影像对路面油污、阴影等因素不敏感,近些年来基于深度影像的检测方法已成为路面裂缝检测新的研究方向之一.传统的激光扫描线方法没有顾及裂缝在整个空间分布的变异性、各向异性和全局性特征,无法有效检测横向、块状、网状等裂缝.针对以往算法的不足,提出一种结合梯度方向直方图和分水岭算法的路面裂缝检测方法.首先,通过梯度方向直方图算法提取路面深度影像的裂缝边缘强度和方向;然后,利用裂缝边缘方向改进传统分水岭算法,最终提取裂缝目标.实验结果表明,该方法不仅能够准确检测多种类型的裂缝目标,而且能识别裂缝破损程度.

基于形态开闭滤波二值标记和纹理特征合并的分水岭算法

为了防止分水岭算法过分割问题 ,研究了一种基于形态处理和纹理分析的图象分水岭分割方法 ,该方法是在分水岭算法的基础上 ,首先对形态梯度图象运用形态开闭滤波器组的方法来获得较好的参考图象 ,然后将提取的二值化初始分割结果作为区域标记来进行分割 .另外 ,为了获得整体目标 ,还定义了一个基于纹理特征的一致性和对比度的检验准则 ,并将其作为区域合并的根据 .该方法应用于多个视频序列初始目标分割的结果表明 ,形态滤波器组的引入很好地防止了过分割 ,并证明基于纹理特征均匀性和对比度的准则对分割区域进行进一步的纹理合并是行之有效的 .

基于KFCM和改进分水岭算法的猪肉背最长肌分割技术

提出一种利用核模糊C均值聚类(KFCM)和改进分水岭算法分割猪肉眼肌切面图像中背最长肌区域的方法。该算法对经中值滤波去噪后图像的R分量利用最大方差自适应阈值(OTSU)去除背景,再采用KFCM提取出肌肉组织,然后进行空洞填充,最后由改进的分水岭算法分割出背最长肌区域。利用该算法对采集的60幅猪肉眼肌图像进行处理,分割正确率为86.67%;与传统的形态学算法相比,该算法能真实、完整地恢复出背最长肌区域。结果表明:该算法能有效地分割出猪肉眼肌图像中的背最长肌区域,与改进前分水岭算法相比,能避免背最长肌区域出现欠分割。

基于直观分水岭定义的图像分割算法

由Vincent与Soille提出的基于沉浸模拟的分水岭算法(以下简写为V-S算法)已经成为图像分割领域中最主要的数学形态学方法。虽然V-S算法被认为是目前最快的分水岭算法,但它仍然不能满足一些实时应用对分割速度的要求。为此,在V-S算法的基础上提出了一种新的图像分割算法。新算法采用了一种新的泛洪方法,它利用了二维图像中各像素点间的规则空间关系信息计算满足基本直观定义的分水岭。实验结果表明:新算法的执行速度大大快于V-S算法,而分割效果与V-S算法相当。对新算法、V-S算法和两个分水岭定义之间的关系也作了讨论。

基于能量驱动的分水岭算法在MRI海马图像分割中的应用

传统的分水岭算法虽然灵活性强,但在分割过程中较少用到边界特征的信息,使得图像的过分割问题比较突出.提出利用能量驱动的分水岭算法来实现人脑MRI中的海马分割.利用分水岭算法模型计算水流从种子点出发,沿代价最小的路径流经每一个像素的代价,将该像素的代价作为像素的能量.在整个图像能量最小化驱动下修改初始分水线处像素的归属类别,使分割结果与目标物体轮廓重合.该算法将内部特征与边缘条件相结合,可以很好地限制分水岭算法过分割的问题.多套MRI海马的分割结果表明,该算法可应用于海马等复杂结构的分割.

改进梯度和自适应标记提取的分水岭新算法

为了克服分水岭算法的过分割问题,提出了一种基于改进形态学梯度和自适应标记提取的分水岭新方法。用两组结构元素进行梯度计算;对重构后的梯度图像用Otsu算法提取标记;用h-minima变换修改标记图像,将各尺度下标记点的并集作为最终的标记图像;对修改的梯度图像进行分水岭变换。实验结果表明:与传统分水岭算法相比,该算法对于改善过分割现象有明显的效果,能够获得具有实际意义且更合理的分割区域。