一种融合PCNN和Watershed变换的图像分割方法

提出了一种融合Watershed变换(WST)和主成分神经网络(PCNN)的图像分割方法.该方法充分利用WST和PCNN在图像分割方面各自的优点,首先用PCNN对待分割的图像进行预处理,自动生成对象标记,然后在标记的指引下,进行WST.有了标记,WST就会以一种受控制的方式进行,这样过度分割的问题就会得到解决.实验表明,该方法能够快速、准确地实现图像分割.

基于Level Set方法的医学图像分割

对图像分割进行了研究,这是医学图像处理中的关键问题之一.提出了一种结合Fast Marching算法和Watershed变换的医学图像分割方法.首先用非线性扩散滤波对原始图像进行平滑,然后利用Watershed算法对图像进行过度分割,最后用改进的Fast Marching方法对图像进行分割.除此之外,根据区域之间的统计特性的相似度重新定义了Fast Marching方法的速度函数.实验结果表明,该方法能够快速、准确地得到医学图像的分割结果.

灰度图的峰分解:算法及应用

借助于形态学和地形学的概念,灰度图可以分解为一系列的峰,并且可以用树的结构来保存分解的结果。本文称之为灰度图的峰分解,给出其数学定义,并且基于数学形态学中的watershed变换,实现了峰分解的快速算法。该分解具有很强的直观性,本文将它应用于原子力显微镜照片中的量子点的统计,发现它的应用情况很广,分割性能也非常精确,对噪声也不敏感,有很强的鲁棒性。