基于Ncut分割和SVM分类器的医学图像分类算法

为解决医疗诊断中由于疲劳和主观因素影响导致的诊断错误,本文提出了基于Ncut分割方法的医学CT图像的分割、特征提取和诊断的新方案。将Ncut分割方法应用于脑CT图像。先进行图像分割,提取感兴趣区域,再从边缘、灰度,纹理三方面提取特征,最后利用支持向量机(SVM)对图像进行分类,为医生的诊断提供参考。从表格化的分类结果看,所提方案有较大的应用价值。

一种基于Ncut分割与空间频率的多聚焦图像融合方法

图像融合是对来自同一场景的多幅源图像信息进行互补结合的一项技术,合成更适合人眼视觉感知的图像。传统基于空间频率的融合方法对图像进行固定的矩形分区,得到的融合图像会产生很明显的方块效应,本文在此基础上设计和实现了一种改进的融合方法。该方法先对多幅源图像进行初始融合,然后对初始融合图像进行Ncut分割,再分别计算和比较源图像中对应的每个分区的空间频域,得到最终融合图像。而且通过调整Ncut分割区域数目,可得到最佳的融合结果。实验结果表明,和传统方法相比,本文提出的算法很好地消除了方块效应,并取得了更融合效果。

基于SLIC超像素分割的图分割算法

图像分割是对图像进行分析和理解的关键步骤,是计算机视觉的基本技术之一.计算复杂度是评判一个图像分割算法好坏的重要标准,因此降低算法的计算复杂度是当前图像分割领域的主要任务之一.本文提出了一种基于SLIC超像素分割的图像分割方法.该方法利用SLIC算法生成超像素,通过构造相应的相似性矩阵,有效降低了Ncut分割算法的计算复杂度,大幅度缩短了Ncut算法的运行时间.由于SLIC超像素分割算法的准确性与高效性,在进行三类自然图像分割实验时,本文提出的方法无论在分割效果,还是在运行时间上,都要明显优于Ncut分割方法及它的改良算法.

结合EFD与NCut的彩色图像分割方法

为了克服边缘流引导的各向异性扩散(EFD)方法过分割和归一化分割(NCut)方法计算复杂度高的缺点,提出结合EFD和NCut的彩色图像分割方法.首先利用EFD对图像进行预分割,然后将分割区域作为节点构建带权无向图G,用NCut对图进行全局最优化分类,并进行相应后处理,得到最终结果.由于图G是基于过分割区域而非像素点的,所以算法效率得到较大提高.另外,EFD方法可有效利用图像的局部信息,NCut方法则考虑到图像的全局特征,因此文中方法综合两者的优点.实验结果表明,文中方法能够取得较好的分割效果.