基于标记分水岭和区域合并的彩色图像分割

针对分水岭算法的过分割问题,设计了一种结合标记分水岭和区域合并的彩色图像分割算法.算法首先根据梯度图像局部极小值的综合信息自适应提取标记,在标记的基础上进行分水岭变换获得初始分割结果;然后结合人眼对区域相似性的实际感知定义了融合颜色距离、方差和边缘信息的综合距离度量,通过综合距离度量控制区域进行快速合并得到高级分割结果.仿真结果表明,新设计的算法能够有效抑制过分割,获得更小的局部一致性错分率,与人工标注的分割结果更为接近.

结合新颜色空间与Otsu的分水岭彩色图像分割算法

鉴于传统分水岭算法存在过分割的缺点,并且考虑到反射亮光对图像的干扰,提出一种基于新颜色空间的改进分水岭彩色图像分割算法。该方法通过计算得到彩色图像在新颜色空间下不受反射亮光干扰的分量梯度,接着叠加融合在不同尺寸结构元下开闭重建的梯度图像,得到最终梯度图。同时,对最终梯度图采用最大类间方差算法自动获取阈值,用获得的二值标记图像对原始梯度图进行强制标定,对修正后的梯度图像用分水岭分割。实验结果表明,该方法得到了准确、连续的目标轮廓,达到了符合人类视觉的最小分割区域数。相比同类算法,该方法可以抑制反射亮光产生的无意义的区域,不需要人工设定阈值,较好地保持了物体的边缘信息,提高了鲁棒性和适用性。

基于K-均值聚类和分水岭算法的PCB彩色图像分割

针对光学检测印刷电路板(PCB)时需要进行图像分割的问题,提出一种结合K-均值聚类算法的分水岭算法,用于PCB彩色图像分割,即首先将PCB彩色图像聚类,分成不同的颜色区域,按照不同区域进行分水岭分割,最后,将分割线透明的加在原始图像上,完成分割。实验表明,本文提出的算法可以分割PCB彩色图像,并且分割效果好。

一种基于混合方法的彩色图像分割算法*----结合分水岭算法、种子区域生长和区域合并的混合方法

本文提出一种新的结合分水岭与种子区域生成、区域合并的彩色图像分割算法。首先将RGB颜色空间转换成HSI间,应用分水岭算法对图像进行初始化分割,形成过分割效果。接着基于分水岭算法得到的分割结果,利用颜色空间的像素与其领域的颜色差异及相对欧式距离自动选出一些区域作为种子区域进行自动种子生长算法。为了克服过分割的不良效果,该方法充分利用了分水岭算法和区域合并算法的各自优势。利用提出的算法对多幅图像进行实验,结果证明此算法有较好的分割效果。

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.

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。

基于改进分水岭算法的彩色图像分割

分水岭分割算法能够精确定位图像边缘和得到封闭的轮廓线,广泛应用于图像分割。但是,对复杂的彩色图像,易产生过分割问题。本文综合考虑彩色图像的色度信息、边缘信息和区域邻接关系,提出了一种改进的分水岭分割算法,对分水岭分割后的图像进行相似区域合并。实验结果表明,本文提出的方法准确率高,运行速度快,有效地抑制了分水岭算法的过分割问题。

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。

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.

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。

一种基于标记的分水岭图像分割新算法

为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。利用本文提出的图像分割算法可以获得较为理想的图像分割结果。通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低分水岭算法的过分割问题。

基于自适应标记分水岭算法的肝脏CT图像自动分割

目的为减少人工交互提出了基于自适应标记分水岭的CT系列图像肝脏区域自动分割算法。方法首先对图像进行形态学重构运算以平滑图像,然后计算多尺度形态学梯度,同时提出利用梯度图像非零的局部极小值点的均值进行自适应标记提取,以避免分水岭的过分割和欠分割,再结合肝脏为最大的实质性脏器和相邻图像的相似性实现CT系列图像的肝区自动分割。结果该算法能自动、快速地提取CT系列图像中的肝脏区域。结论分水岭算法能准确定位区域的边缘,通过选择合适的阈值对梯度图像进行标记以抑制分水岭的过分割,实现医学图像中感兴趣区域的自动分割。

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。

基于标记提取分水岭算法的医学图像分割

针对医学图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法.此算法对分水岭算法进行了两点改进:一是在预处理阶段,先对原始图像做腐蚀滤波和膨胀滤波处理,将原始图像与腐蚀图像相加后减去膨胀图像得到合并图像,再对合并图像做开、闭运算,从而达到滤除原始图像中的噪声和非感知信息、保留原始图像结构信息的目的;二是在分割阶段,对开、闭运算后的图像进行分水岭分割,该分割由形态梯度计算、标记提取和分水岭分割三部分组成.改进后的算法因为无需进行分割后的区域合并处理,降低了分割的复杂性,同时能较好地抑制脑部医学图像中的过分割问题,并把图像中的病变区域有效分割出来.

基于形态学梯度的分水岭彩色图像分割

图像分割是从图像处理到图像分析的关键步骤之一。在改进了基于地形学距离的分水岭算法的基础上,提出了一种结合图像信息熵、形态学梯度与区域合并的图像分割方法。该算法首先利用信息熵在RGB颜色空间中对彩色图像求其形态学梯度,然后对彩色梯度图进行分水岭分割,最后对分水岭产生的过分割现象进行区域合并。通过Matlab对图像进行实验,结果证明该算法不仅能够减少分水岭算法的过分割现象,而且还提高了图像分割的精确性,同时在图像分割时具有很好的鲁棒性和适应性。

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。

地面树木的最优标记分水岭图像分割算法

为解决复杂地物背景下航拍图像树木检测出现的过分割和误分割问题,提出了一种基于最优标记的改进分水岭图像分割方法。该方法先对输入图像非线性灰度变换提高目标与背景的对比度,再根据目标的形状特征对前景和背景区域初步标记,用前景区域的形心代替传统分水岭算法中的距离变换,二次标记前景,最后使用分水岭算法得到分割图像。实验结果表明,该算法分割准确率平均值为92.5%,比现有图像分割方法抗噪性更强、准确率更高,同时改善了分水岭算法过分割问题。

基于改进标记分水岭的彩色踏面图像分割

踏面图像分割是实现踏面区域与背景分离的过程,是联系图像预处理与踏面图像缺陷检测的纽带。针对传统踏面图像分割方法处理过程中存在的图像信息缺失、区域轮廓分割精度低和抗干扰能力差的问题,提出了一种基于改进分水岭算法的彩色踏面图像分割方法。首先使用带色彩恢复的多尺度视网膜增强(MSRCR)调整踏面图像入射分量与反射分量及RGB 3个颜色通道之间的比例;然后直接计算彩色图像梯度图,通过改进RGB彩色分量融合运算完成彩色梯度图像前景与背景的标记后进行分水岭变换得到初始分割结果;最后结合踏面轮廓方位特点设计图像连通域提取分割算法完成踏面曲面提取。实验结果表明,本方法分割图像边缘特性好,颜色保真,抗雾霾、光照干扰能力强,可以获得理想的车轮踏面分割结果。

基于改进滤波和标记提取的分水岭算法

针对彩色图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法.改进后的算法由平滑滤波、彩色梯度计算、标记提取和分水岭变换组成.在平滑滤波阶段,设计了保边性能优于传统频域低通滤波器的频谱包络滤波器并运用于彩色图像及其梯度的平滑.彩色图像梯度计算直接在彩色向量空间进行.在标记提取阶段,利用局部极小值区的深度信息自适应控制扩展最小变换在平滑后的梯度图像中提取标记,然后融合极小值区的多重信息修改标记并将其叠加到原始梯度图像.对叠加标记后的梯度图像进行分水岭变换即得到最终的分割结果.实验结果表明,改进后的算法克服了传统算法边缘定位不准以及弱边缘提取困难等问题,参数选取更加合理,自适应程度提高.

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。