基于标记的Watershed图像分割新算法

为了防止Watershed算法过分割问题,文中提出一种新改进的基于标记的Watershed自动图像分割方法.文中设计出一种有效的标记自动提取方法,用来从梯度图像的低频成分中提取与图像中的物体相关的极小值,用这些极小值构成二值标记图像.根据二值标记图像,形态学的极小值标定技术被用来将这些提取的标记强制作为原始梯度图像的极小值,而屏蔽原有梯度图像的所有极小值.最后,watershed算法在修改过的梯度图像上进行图像分割.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,具有实际意义而且均一的分割区域,以及较为准确、连续、一个像素大小的物体边界.与其它的Watershed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Watershed算法的过分割问题.

一种基于WT⁃MMGR超像素技术的图像分割算法

在图像处理领域,谱聚类算法被广泛应用于图像分割任务。但对于背景复杂、色彩界限不明显的图像,传统的谱聚类算法往往无法准确地将目标物体分割出来,同时需要耗费大量的计算资源和时间。因此设计一种基于多尺度形态学梯度重构的分水岭超像素的改进谱聚类算法,它利用多尺度形态学梯度重构的分水岭超像素算法作为谱聚类算法的预处理步骤,将超像素处理所得的结果作为谱聚类的输入,以达到谱聚类算法的运算量目的。验证算法实验结果表明,所提出的改进谱聚类算法在图像分割任务中具有较好的边缘贴合度,并且程序的运行速率得到了显著提升。

一种基于局部最小代价分水岭变换的图像分割新方法

利用数学形态学的基本理论 ,提出了一种基于局部最小代价分水岭算法的图像分割新方法 该方法应用数学形态学的腐蚀、膨胀及坎尼 (canny)算子将图像中包含外边沿的部分分割出来 ;对该局部区域进行最小代价的分水岭变换 ;提出了解决过度分割问题的一些准则 实验结果表明 ,该方法不但节省运行时间 ,而且其能够提取出目标的完整精确的外轮廓边沿 。

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。

基于分水岭算法的作物病害叶片图像分割方法

为了提高作物病害叶片图像分割的准确性,采用了一种改进的基于标记的分水岭图像分割算法。首先,通过对二值图像进行距离变换和分水岭分割来获取背景标记,并通过提取数学形态学重建后的梯度图像中的区域极小值得到初步的前景标记,接着对前景标记进行进一步过滤,消除部分伪前景标记;然后,通过强制极小值方法将背景标记和前景标记叠加在梯度图像上;最后,对修改后的梯度图像进行分水岭变换。采用该方法对多幅黄瓜病害叶片进行图像分割,实验结果表明:该方法能够较好地将病斑部分分割出来,分割结果不受叶片纹理的干扰,平均分割正确率能够达到90%以上,具有一定的有效性和实用价值。

玉米果穗粘连籽粒图像分割方法

为了对基于图像的玉米果穗穗粒数进行更精确的计算,给出了一种新的粘连籽粒图像分割方法。对粘连二值图像进行轮廓平滑和欧氏距离变换,将粘连籽粒的距离变换图视为地形学上的地形图,以地形图中的山谷线作为粘连二值图像的分割线。将欧氏距离变换图像的边界像素点视作水源点,根据山谷形态两边高、中间低的地形趋势设定水流的行进规则,使得水流在遇到山坡时自动绕行,但在遇到谷口点时可沿山谷线流动,从而将粘连籽粒分割开。该方法对单个未粘连籽粒不产生影响,不必在分割操作前依靠人工设定阈值进行籽粒是否粘连的判断,可以作为籽粒是否存在粘连的判断方法。用该方法对442个含不同粘连情况的籽粒连通分量进行判断与分割测试,粘连判断准确率为99.7%,粘连籽粒的分割准确率为94.9%。

作物病害图像中重叠病斑分离算法

针对传统的分水岭分割算法的不足,应用了一种基于标记测地重建的分水岭算法对棉花重叠病斑图像进行分离。首先对病斑二值图像利用多尺度距离变换获得病斑的距离图像,通过极限腐蚀操作检测出标记种子;然后以种子标记为基础,运用形态学测地重建运算获取测地影响区骨架SKIZ——分水岭线;最后利用分水岭线与原病斑图像进行交集运算,从而得到分离的图像。运用该算法对棉花重叠病斑图像进行分离,试验结果表明:该方法能较好地将图像中的重叠病斑分离,并较好地保存病斑边缘信息,对图像中的微小结构和噪声不敏感,具有良好的鲁棒性。

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。

基于数学形态学和区域合并的医学CT图像分割

针对传统分水岭算法分割腹部CT图像存在的过分割情况,提出了一种基于形态学优化和区域合并的分水岭分割算法。该方法先利用多尺度数学形态学方法检测出梯度图像,并用形态学重构去除细密纹理和噪声引起的局部极值,然后进行分水岭变换。为了产生有意义的分割,采用简单的区域灰度均值对变换后的图像进行有效的合并。实验结果表明,该方法能有效解决分水岭算法的过分割问题,得到较好的分割效果。

基于形态学滤波和分水线算法的目标图像分割

提出了一种基于形态学的目标图像区域划分方法。该方法先利用形态学滤波消除不同尺度的噪声和微小干扰区域对目标图像的影响 ,再利用改进的分水线算法对目标图像进行区域划分 ,得到目标图像的基本结构。为了消除传统分水线算法引起的过分割现象 ,本文还给出了一种新的过分割区域合并算法。该方法能够把复杂的目标图像分割成为一系列反映目标基本结构特征的简单区域 ,为目标的描述和识别提供了方便。

煤泥浮选泡沫图像分割与特征提取

针对在煤泥浮选泡沫图像中的煤泥气泡互相粘连、边界模糊的情况,根据分水岭变换模拟浸水原理,提出一种新的、有效的分割算法,同时应用数学形态学中的腐蚀和膨胀算法,解决了经典分水岭算法不能处理的过分割和欠分割问题,使得粘连的煤泥气泡得到了有效的分割.然后计算出各个煤泥气泡的横截面积、周长、形状等物理特征参数,这些参数是实现自动控制浮选过程的重要依据.

基于分水岭算法的图像分割方法研究

图像分割是图像处理中的一项关键技术,在图像工程中占据着重要的位置。随着信息技术的快速发展,它在地质、环保、气象、医疗等领域有着广泛的应用。常见的分割算法包括阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具分割方法。利用了分水岭算法的原理及特点,针对算法所产生的图像过分割问题,采用形态学处理函数,以典型的pears图像为例,用MATLAB 7.0图像处理软件,进行了仿真研究。结果表明,利用分水岭算法和形态学处理函数,使得图像中相连的多个对象被分割成多个单对象,实现了图像的有效分割,并尽可能地减少或消除了过分割现象。

基于分水岭区域差异性的多级图像分割

分水岭分割算法的不足之处在于过分割,即生成大量的小区域而使目标物淹没其中.文中通过定义分水岭区域的差异性给出一种多级图像分割方案,克服了传统的解决过分割问题时需要预先设置标记点的缺陷,也避免了多分辨率分割中边缘模糊和移位的问题.该算法可以应用于多种类型的图像,并经实验证明具有良好的分割效果.

基于数学形态学的IKONOS多光谱图像分割方法研究

利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术,提出一种结合图像边缘特征和纹理特征的混合分割新算法。在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征,应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割。研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法。

基于小波变换的多分辨率图像分割

基于多分辨率分析的图像分割技术是当前图像处理的重要内容。该文介绍了基于小波变换的多分辨率图像分析和分水岭分割算法的综合分割方法。小波变换的多分辨率应用可以有效地减少分水岭算法图像过分割现象;给出了低分辨率下的分割图像到高分辨率图像层上的映射策略,完成了图像从粗糙到精细分割,从而保证了分割准确性,降低了分割的复杂性和计算量。分析了形态学滤波器降低图像噪声和保护图像中对象边界的处理方法,进一步减少了图像过分割的现象,提高了图像分割效果。经实验证明该方法的有效性。

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。

具有强抗噪声能力的图像分割方法

尽可能多地综合利用图像整体和细部信息 ,是精确分割图像、提取特征的关键。流域思想利用了整体信息 ,应用于梯度图像上 ,兼顾了细部信息。引入待分割物体全局连通性 ,将这种方法用于物体与背景的分割 ,得到了极好的分割效果 ,对噪声有极强的抑制能力 ,同时具有原理简单、分割结果为连续单像素边缘、边缘定位准确、可以同时标记多个区域等优点。给出了形态学流域算法的基本原理及数学实现 ,同时也总结了方法的缺点和解决途径。

基于迭代腐蚀的粘连细胞图像分割研究

为对显微粘连细胞图像进行分割,该文提出1种基于数学形态学运算的迭代腐蚀方法。对二值化细胞图像进行迭代腐蚀得到细胞种子点图像,通过分水岭分割提取细胞分割边界,形成最终的分割图像。在每一次腐蚀后得到的图像中保存细胞种子点,在整个迭代腐蚀过程中避免细胞种子点被误删,为后续使用分水岭分割进行图像分割提供了可靠的先验信息。实验表明,该算法能较好地解决距离变换方法中的过分割问题并改善极限腐蚀方法中的欠分割问题。

基于梯度修正和区域合并的分水岭分割算法

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种改进的分水岭分割方法,该方法首先利用形态学算子得到梯度图像,然后利用形态学混合开闭重构算子进行梯度修正,去除了易造成过分割的区域细节和噪声,接着采用基于标记的分水岭算法进行分割,有效地克服了过分割现象。为了得到更好的分割效果,提出了基于区域一致性和边界曲率光滑性相结合的区域合并准则,对分割后的图像进行有效的合并,该方法能够很好的解决过分割现象,并且产生更有意义的分割效果。通过多组实验,并且和传统的分水岭算法进行对比,得到了满意的效果,结果表明了该方法的有效性。

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题 ,提出了一种基于形态学的红外目标分割方法 .该方法先利用形态学滤波 ,对红外目标图像中的噪声和微小的干扰区域进行滤除 ,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度 ,而后用改进的分水岭算法对图像进行分割 ,最后针对过分割问题提出了一种新的区域融合方法 .实验结果表明 。