基于数学形态学的医学图像分割

采用分水岭算法对医学图像进行分割,并针对其容易产生过分割的缺点,作了两点改进:首先对原始图像进行自适应加权的多尺度形态滤波,然后引入浮点活动图像作为分水岭算法的输入。实验表明,该方法算法简单,能有效地抑制过分割现象,得到较好的分割效果。

基于区域生长法的医学图像分割研究

针对基于区域的分水岭分割算法中通常存在的严重过分割现象,通过两点措施来改进:其一,以梯度图像的浮点活动图像取代梯度图像进行分水岭变换,使边缘定位更准确;其二,以基于面积和对比度控制的合并小区域准则,有效抑制过分割现象,同时满足感兴趣区的分割要求。实验表明该算法简单有效,能够得到符合人类视觉系统特性的分割结果,边缘定位精确度较高。

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.

基于区域生长法的医学图像分割研究

医学图像存在感兴趣区和背景区,感兴趣区是分割的重点。针对基于区域的分水岭分割算法中通常存在的严重过分割现象,而采用2点措施来改进:一是以梯度图像的浮点活动图像取代梯度图像进行分水岭变换,使边缘定位更准确;其二是以基于面积和对比度控制的合并小区域准则,有效抑制过分割现象,同时满足感兴趣区的分割要求。实验表明该算法简单有效,能够得到符合人类视觉系统特性的分割结果,边缘定位精确度较高。