一种基于形态学的脑肿瘤分割

由于脑部结构复杂,存在精密纹理并且由于成像技术的限制,传统分水岭算法分割脑肿瘤很容易产生过分割问题。本文提出一种改进的分水岭算法解决此过分割现象。在应用分水岭算法之前对图像进行一些预处理：首先,应用形态学开闭重建重构原图像,滤除噪声和复杂细小的纹理;其次,对重建后的图像做多尺度形态学梯度,并对修改了标识符的梯度图像进行分水岭算法分割。实验结果表明：结构元素半径大小取17~22,肿瘤能够完全地分割出来。与传统的分水岭分割算法相比,本文所采用的算法很好地抑制了过分割问题,可以很容易地分割出肿瘤。

基于梯度修正和区域融合的分水岭分割算法

针对传统分水岭算法中存在的过分割现象,提出了一种基于梯度修正和层次区域融合的分水岭分割方法。该算法首先利用开闭双重建操作以及非线性变换对梯度图像进行修正;然后求取浮点活动图像并作为分水岭算法的输入;最后在区域灰度相似性准则的基础上,结合对比度和边界强度准则对分水岭变换结果进行小区域的合并,得到最终的分割结果。实验结果表明,该算法能有效地解决过分割问题,具有良好的鲁棒性和适应性。

Faster R-CNN定位后的工业CT图像缺陷分割算法研究

由Faster R-CNN定位的缺陷区域内存在弱边缘,若直接采用常规分割算法对该小区域进行处理,会出现严重的过分割或欠分割现象。在此研究了一种针对Faster R-CNN定位后的工件缺陷的精确阈值分割法。在利用形态学开闭重建算法对定位区域进行重建,并对重建后的图像用Otsu双阈值法做变换处理的基础上,进一步利用最大熵阈值分割法对变换后的图像进行分割,最终对分割出的缺陷进行面积、周长等参数的测量。实验结果表明,所研究算法较常规的算法对工件的缺陷(裂纹、气泡和夹渣)有更好的分割能力。该算法不仅可以准确地分割出包含弱边缘的目标,还可以有效排除轮廓背景对分割的干扰。

一种快速图像分割算法

形态学分水岭是一种速度快,精度高的分割方法。但是传统分水岭分割算法存在过分割和对噪声敏感等问题,针对这些问题,本文提出基于形态学多尺度梯度重建的分水岭分割方法,该方法通过结合形态学多尺度的梯度算法和形态学开闭重建从而实现改进的分水岭分割方法,可以有效地处理阶跃边缘和模糊边缘,在去除细节和噪声的同时也保留了重要区域的轮廓。实验表明,该文改进的分水岭分割算法有效避免了过分割,该方法比传统分水岭分割方法更精确。