改进的分水岭分割算法在图像分割中的应用

针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割流程大致为:先求形态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割,可以很好地抑制过分割现象,感兴趣的区域也得以保留.实验表明该算法简单有效,能够得到理想的分割结果.

改进的分水岭分割算法在遥感图像分割中的应用

为了解决分水岭算法造成的过度分割及二值化阈值选择问题,文章提出了一种新的算法。首先利用数学形态学算法对图像进行增强处理,接着用Sobel算子计算获得梯度图像并设置一阈值,然后合并小于一定面积的区域后进行分水岭分割,最后根据阈值选择算法选取分割阈值,在此基础上二值化得到感兴趣目标。实验结果表明,该方法能很好的抑制过度分割,快速的获取感兴趣目标。

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。

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。

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。

一种改进的医学图像分水岭分割算法

为了提高医学图像分割的准确性,针对分水岭分割算法中的过分割问题,提出了一种改进的医学图像分水岭分割算法。该算法首先在分水岭变换前进行预处理初步分割,主要包括多尺度形态学滤波、多尺度梯度算子计算、自适应标记提取以及分水岭变换;然后在初步分割变换后,通过基于邻接图的区域灰度相似性与边界相似性相结合的合并准则,对分割后的区域进一步合并。实验结果表明,新算法有效地解决了分水岭算法的过分割问题,具有较强的抗噪性能和边缘定位能力,能够满足医学图像的分割要求。

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.

结合聚类与改进分水岭算法的彩色图像分割

针对传统分水岭算法产生严重的过分割问题,提出了一种聚类和改进分水岭算法结合的彩色图像分割算法。该算法首先利用聚类算法在HSV颜色空间将特征相似的像素归为一类,然后对分水岭算法产生的分割区域进行种子区域生长,并利用区域合并将剩余的小区域进行合并,从而完成了对彩色图像的分割。实验证明该算法减少了分水岭算法的过分割现象,提高了图像分割的精确性,具有很好的鲁棒性和适应性。

一种顺序无关的改进分水岭图像分割算法

为了减少顺序无关分水岭算法中的脊线标记RIDGE的数量,引入像素的湖最小值作为附加地形特征来消除不确定性。同时为了解决分水岭算法的过分割问题,引入落差来控制分割区域的形成过程。实验结果表明,改进算法在增加有限计算复杂度的情况下,将RIDGE标记数量减少了约80%,改善了原顺序无关算法中不确定像素过多的问题,将分割结果区域的数量减少了5%～20%,并且算法保持了顺序无关的特性。

改进的分水岭算法在医学图像分割中的应用

分水岭算法是一种常用的图像分割方法,由于分水岭算法是基于的图像灰度梯度,对噪声很敏感,直接运用分水岭算法分割图像,很容易产生过分割。为了去除过度分割,为此本文提出了一种改进的分水岭分割方法,首先利用中值滤波消除噪声,再用形态学基本运算得到梯度图像,然后利用形态学开、闭操作重建梯度图像,最后通过实验证明,基于数学形态学的分水岭算法分割医学图像效果优于传统的分水岭算法。

基于改进分水岭算法的熏烤肉图像分割

针对传统分水岭算法容易产生过度分割的问题,提出一种改进分水岭算法,并用来分割熏烤肉表面颜色。算法先对熏烤肉原始图像作滤波预处理,然后作传统分水岭变换,对产生的过度分割区域,在RGB颜色空间中进行自动种子选取及种子区域生长,最后对剩余小区域进行合并得到分割图像。实验表明,该方法减少了过度分割现象,成功地分割熏烤肉表面颜色,为之后的分析工作奠定了基础。

改进的分水岭算法在医学图像分割中的应用

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略。该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割。仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,并且能够适应医学图像分类与信息提取的需求。

复合形态滤波和改进型分水岭算法的图像分割

提出了一种基于复合形态学滤波和改进型分水岭的图像分割算法.为克服传统分水岭算法进行图像分割时产生的过度分割和耗时的不足,定义了由开-闭以及闭-开加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,设计一种应用内、外部标记的形态学分水岭算法,确定区域中梯度低频成分的局部极小值作为内部标记,区域之间确定为外部标记,内、外标记随处理信息的变化而变化,从而实现了对图像信息的自适应分割.仿真结果表明,采用本文算法实现的图像分割,其抗噪的MSE、PSNR性能明显地优于开-闭、闭-开单一运算的抗噪性能;同时,减小了梯度图中由于噪声造成虚假局部极小值而产生的过分割现象,准确地提取图像信息的轮廓、边缘等信息.

基于改进分水岭算法的粘连颗粒图像分割

对颗粒物质实验中粘连颗粒的分割,传统分水岭算法容易产生过分割现象。为解决该问题,设计了一种有效的改进分水岭算法。该算法先采用数学形态学重建滤波平滑图像噪声及内部小细节,然后使用Otsu方法对图像进行阈值分割,并对得到的二值图像作欧氏距离变换,将像素点位置信息转换为灰度信息,最后对距离图利用分水岭算法得到最终分割图像。实验结果表明,该算法获得了较满意的分割效果,解决了目标粘连现象对后续分析、测量产生干扰的问题。

改进的分水岭算法在图像分割中的研究

图像分割作为图像处理中最基础的研究领域之一,占有很重要的地位,是大多数图像分析和处理的不可替代并且是首要步骤的一个基础环节,在理论研究和实际应用中都得到了人们广泛指重视,目前已提出了多种不同的图像分割方法,总体上来说这些算法主要建立在基于图像本身的相似性上,在许多应用领域都获得了成功,但是没有一种方法适用于所有的图像。分水岭算法近年来得到比较广泛的应用,此次研究中用基于形态学的分水岭分割方法对图像处理,进行仿真,与其他方法相比可以较好的分割对象。

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。

基于改进分水岭算法的彩色图像分割方法

为提高彩色图像分割精度,解决传统分水岭图像分割算法误分割率高等问题,本文提出了一种基于改进分水岭算法的彩色图像分割方法。建立了基于偏微分方程的去噪模型,既可以抑制噪声又可以有效地保护图像轮廓。结合数学形态学、图像信息熵、区域合并实现图像分割。在彩色图像RGB空间利用信息熵求取形态学梯度,然后对彩色梯度图进行分水岭分割,最后进行区域合并。仿真结果表明:本文所述分割方法准确度和清晰度较好,噪声抑制效果理想而且分割速度较快。

一种改进分水岭算法的浮选泡沫图像分割方法

为了解决煤泥浮选泡沫图像分割中传统分水岭算法的过分割问题,提出了一种基于自适应标记提取的改进分水岭算法。该方法首先对浮选泡沫图像进行高斯滤波,再运用基于形态学的扩展最大值技术从泡沫图像中自适应提取标记,利用标记对梯度图像进行修改,最后使用分水岭算法对修正后的梯度图像进行分割。试验结果表明,改进后的算法克服了标记提取需要先验知识、分割过程繁琐等问题,使参数选取更加合理,分割结果更加准确。

基于自适应字典学习降噪改进的脑MRI图像分水岭精确分割算法研究

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MRI高噪声图像分割还没有给出较好的分割算法,如:脑MRI图像的分割等等.分水岭算法和图像降噪算法在图像分割中有广泛的应用.本文将这两种方法结合起来,并用于脑MRI图像分割,取得较好的分割结果.本文详细论述了字典学习降噪算法的原理,提出一种字典学习降噪和分水岭算法相结合的脑MRI医学图像分割算法.采用字典学习降低原始图像噪声,然后利用形态学算法对降噪后的图像进行形态学处理,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,并通过脑MRI图像验证了此方法的优势.实验结果进一步验证了其可行性.