基于形态学梯度重构和标记提取的分水岭图像分割

为了解决传统分水岭算法的过分割问题,提出一种使用形态学梯度重构和标记提取技术进行图像预处理的分水岭图像分割方法。该方法基于多尺度概念,进行梯度重构时采用了不同尺寸的结构元素,在对重构后的各梯度图像的区域极小值进行标记后,将各标记点的并集作为最终标记图像,用其修改梯度图像,然后进行分水岭变换,实现图像的区域分割。实验结果表明,该方法既能有效解决分水岭算法的过分割问题,又保留了各尺度下的重要目标,并且可以根据图像特点和具体的分割要求,调整分割过程中所选参数,得到满意的图像分割效果。

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。

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则,将图像中具有特殊意义的区域划分为若干个互不相交的子区域,是从图像处理到图像分析的关键环节,传统分水岭图像分割方法是一种应用较为广泛的技术,具有快速、简单的优点,但该方法易受噪声干扰,分割结果易丢失边缘重要信息,出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题,提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先,利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素,确保其与图像目标几何结构具有较强的一致性;其次,利用该结构元素获取图像形态学梯度,提高目标边缘的定位精度;将L_(0)范数梯度最小化和形态学开闭混合重建相结合修正梯度图像,减少梯度图像中的局部无效最小值点,抑制过分割现象的产生;最后对修正后的梯度图像进行分水岭分割,实现图像目标区域的精确分割。实验结果表明,该方法能够有效抑制过分割现象,提高目标边缘定位的准确性,具有较高的分割精度。

基于小波变换和形态学分水岭的血细胞图像分割

医学图像处理提取细胞中使用分水岭方法时,容易产生过分割现象且对噪声的干扰极为敏感,为了解决此缺点,提出一种基于小波变换和形态学分水岭的细胞图像分割新方法。首先采用小波变换多分辨率分析对图像进行分解,选取合适的小波基和改进去噪阈值函数对图像进行小波去噪,然后对去噪后小波重构的细胞图像应用数学形态学距离变换、灰度重建等技术产生的区域标记进行分水岭变换,最终得到分割结果。实验结果表明,该算法能稳定、准确地提取细胞和实现粘连细胞的自动分割,同时具有很好的鲁棒性和普适性。

一种结合形态滤波和标记分水岭变换的遥感图像分割方法

分水岭变换是一种经典而有效的图像分割工具,能够得到单像素宽、定位精确且连续封闭的边缘轮廓。然而,由于图像背景噪声、地物内部细密纹理及参数设置不当等影响,直接对梯度图像进行分水岭变换容易产生过分割现象。为了克服这一问题,提出一种结合形态滤波和标记分水岭变换的遥感图像分割算法。首先,采用混合开闭重构滤波对原始图像进行去噪处理;然后,利用开闭重构对梯度图像进行形态学修正,并采用扩展极小变换运算对修正后的梯度图像进行极值标记;最后对其进行分水岭变换,得到分割结果。实验结果表明:该算法能有效抑制分水岭变换的过分割现象,通过调整滤波器尺寸和选取深度阈值参数,在一定程度上实现了快速而有效的分割,能够满足不同遥感图像分割要求。

基于形态学标记连通的分水岭图像分割

为了解决传统分水岭算法的过分割问题,本文提出一种基于H-minima标记连通的图像分割的分水岭算法。该算法首先利用形态学中的H-minima方法对预处理后的梯度图像进行初始标记,然后利用连通域标记的方法进行重标记,利用强制最小标定技术使极小值只出现在标定的位置,最后,对标记后的梯度图像进行分水岭算法的图像分割。实验结果表明,该算法既能有效的解决分水岭算法的过分割问题,又能很好的保留图像中物体的边缘。

基于多尺度形态学融合的分水岭图像分割方法

提出了一种基于多尺度形态学融合的分水岭图像分割方法,采用多尺度结构元素对输入图像并行滤波,并对结果图像进行基于小波变换的图像信息融合,针对小波分解的不同频率域,选择不同的融合规则,既抑制噪声又保持目标轮廓信息。最后,采用最大熵法自适应确定算法的初始阈值,并给出一种有效的区域合并方法来优化分割结果。实验证明,采用此分割方法可以获得较好的分割结果。

采用模糊形态学和形态学分水岭算法的图像分割

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法,先利用模糊形态学闭开运算平滑原始图像,再通过形态分水岭变换实现图像分割.实验结果表明这种方法具有较好的分割效果.

一种参数化的形态学分水岭图像分割方法

标准形态学分水岭分割能够产生封闭的图像目标区域轮廓,但存在过分割现象,通过对原始图像进行平滑滤波可以减轻或消除过分割,但容易使分割后的区域轮廓发生位置偏移。为此提出一种参数化的形态学分水岭图像分割方法,首先依据黏性液体淹没图像地貌的流溢特性,建立梯度级与结构元素大小之间的函数关系,并以此对梯度地貌进行参数化修正。对低梯度地貌采用较大尺寸结构元素进行闭运算,消除产生过分割的非规则局部极小值,而对较高梯度则采用较小尺寸结构元素进行闭运算,保持区域轮廓的位置不变;最后在修正梯度图像的基础上,运用标准分水岭变换实现图像分割。仿真实验表明,该方法能够有效消除过分割,而且具有较强的区域轮廓定位能力。

形态学分水岭算法在粘连大米图像分割中的应用

在获取大米图像的过程中,经常会有大米颗粒接触粘连的情况,这给图像的后续处理带来很大困难.针对该情况,引入了一种形态学分水岭算法.首先运用顶帽变换对粘连图像进行局部阈值处理,然后用形态腐蚀运算来减弱接触大米的粘连程度,最后结合距离变换和分水岭算法对粘连大米进行分割,使相互接触的粘连大米图像得到分离.实验验证了该算法的有效性.

形态分水岭算法在重叠米粒图像分割中的应用

在大米检测盘上的颗粒往往会出现紧靠或者重叠的米团,导致大米检测图像中常出现重叠大米区域,这给后续大米检测分析等工作带来了很大的困难;虽然传统分水岭算法是一种广泛使用的分割方法,将其用于重叠米粒图像分割可以克服由于米粒交叠造成的图像分析困难,但缺陷在于它的过分割结果。提出了一种针对分水岭过分割问题的形态分水岭算法,它结合形态学和传统分水岭变换的优势。实验证明该算法简单、分割粘连颗粒和抑制过分割的效果很明显,运算的速度也满足实际要求。

基于形态学及区域合并的分水岭图像分割算法

针对传统分水岭算法在图像分割过程中的过分割问题,提出了基于形态学标记及MSRM的分水岭改进算法。利用形态学混合开闭运算实现图像重建,采用Laplace锐化强化图像边界,其次标记目标物和背景,修正幅值图像,经分水岭变换实现图像的粗分割,然后利用MSRM区域合并法实现目标物和背景的有效分割。对比聚类分割和基于H-minima标记的分水岭算法和Otsu类间最大间距算法,改进后的算法在分割效果、算法运行时间和分割精确度和召回率上具有明显优势,与上述其他算法在平均分割时间上提升3.86 ms,2.88 ms,5.64 ms。分割交并比IOU平均值96.42%,比其他算法平均值高出12.65%,2.77%和3.07%。

结合各向异性扩散和分水岭算法的图像分割

传统分水岭算法受到噪声干扰时容易出现过分割现象,为了抑制噪声的同时尽可能多地保留住图像边缘信息,提出了一种基于各向异性扩散的分水岭分割算法。首先对原始图像进行滤波操作,传统P-M算子通常人为设定固定边界阈值,容易丢失细节信息,应用梯度模的变化设定阈值并连结图像结构张量形成一个扩散函数,边缘处沿切线方向扩散易于保留边缘细节,平坦处具有各向同性易于平滑噪声,这样保证了良好的分水岭结构。其次对图像的梯度信息进行计算,为了使梯度信息得到补偿,采用数学形态学的开闭运算对图像梯度信息进行处理。然后运用形态学极小值标定方法标记处理后的图像局部极小值,最后用分水岭算法对图像进行分割。实验对无噪声图像和加噪声图像进行分割,结果表明该方法具有良好的分割效果,尤其对噪声图像有较好的鲁棒性。

形态学分水岭算法在粘连图像分割中的应用

针对分水岭算法对噪声敏感和易于产生过分割的问题,提出运用顶帽变换对图像进行Ostu局部阈值处理,改善光照不均和噪声对图像分割的影响;采用多尺度形态学梯度,解决结构元素的形状和尺寸对梯度图像产生的影响。实验结果表明,该算法既能有效地分割粘连颗粒,又能有效抑制过分割现象。

基于形态学重建的分水岭图像分割实验教学研究

现有分水岭算法对噪声敏感,易出现过度分割现象,导致图像分割边缘不明显。在传统分水岭算法基础上,通过形态学开闭重建来清除图像中的噪声点,并采用最小覆盖运算修改梯度图像,使得局部最小区域仅出现在标记位置,从而消除过分割现象。实验结果表明,与传统标记分水岭算法相比,用改进的算法对硬币图像和火焰图像进行处理,硬币轮廓识别率提高了56.67%,火焰目标分割效果提高了16.15%,取得了较好的图像处理效果。

一种基于形态学分水岭算法的图像分割改进算法

文章针对细胞图像的特点,在形态学分水岭算法基础上,对分水岭算法提出改进。该算法首先对图像进行中值滤波预处理,然后在数学形态学的基础上提取边界,达到分割图像的目的。通过Matlab实验证明,该方法算法简单,运行速度快,可以较好地削弱经典分水岭算法产生的过分割现象,分割效果较好。

基于多分辨率分析与形态学分水岭算法的图像分割

由于分水岭算法存在着过分割的问题,本篇论文提出了一个有效解决该问题的方法。首先,在图像预处理过程中先对图像进行小波分解;其次,采用形态学求梯度的方法得到小波分解后的低频图像的梯度图并对其进行开闭重建,在保留区域重要轮廓的同时去除噪声和图像细节;第三,对重建后的低频梯度图像进行基于标记约束的分水岭分割,并将低分辨率的分割结果图像向全分辨率映射。试验结果表明该方法能够很好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,从而降低了分割的复杂性。

基于形态学分水岭的彩色图像分割

将数学形态学理论应用到彩色图像处理是当前的研究热点问题。由于彩色图像的高维特性,导致经典的分水岭方法难以直接拓展到彩色图像处理中。已有的方法常常忽略彩色图像的色度信息,因此分割精度较低。本文提出了一种新的方法,该方法首先定义了新的彩色空间,在新的彩色空间下对彩色图像的色调和亮度分量分别进行分割,然后利用饱和度加权以实现各个分量的融合,得到最终的分割结果。实验结果表明,本文提出的新方法能正确分割彩色图像,分割效果明显优于传统的方法。

基于形态学重建和标记分水岭的彩色图像分割

彩色图像的分割方法很多,文章采用了一种将形态学重建滤波和经过最大熵阈值处理的标记分水岭算法相结合的彩色图像分割方法,实验表明该方法分割效果好,运算简单,时间复杂度低.

基于形态学和分水岭算法的冠状动脉造影图像分割研究

图像分割技术是图像处理领域非常活跃的研究课题,但目前还不完善,尤其对狭长区域的分割还没有给出较好的分割算法,如血管图像的分割等。将分水岭算法与数学形态学算法结合起来应用于冠状动脉造影中,并用来进行冠状动脉造影图像血管分割,取得了较好的分割结果。详细论述了数学形态学算法的原理,通过形态学知识提取图像边界。利用图像的几何特征,去除非目标区域,再采用分水岭变换进行图像分割,并利用冠状动脉造影图像验证了该方法的优势。通过实验验证了其可行性与优越性。