一种改进超像素融合的图像分割方法

基于超像素的传统图像分割方法在边缘分割的一致性、计算效率和融合算法的自适应性等方面仍存在诸多问题. 文章结合国内外相关研究进展,提出了一种新型超像素融合的图像分割方法. 方法采用ERS超像素过分割算法,以强度、梯度直方图作为超像素特征,并采取EMD方法计算特征距离,通过混合Weibull模型获取融合自适应阈值,进而完成分割. 算法时间复杂度降至为O(N),分割过程中不需要手动选取待分割区域,有效提高了算法的自适应性. 实验结果表明本方法在分割边界准确度和处理效率方面优于现有方法.     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明, 该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

基于生成对抗网络的海马子区图像分割

海马子区体积很小且结构复杂,传统分割方法无法达到理想分割效果,为此引入生成对抗网络模型用于海马子区图像分割.该方法构建一个生成对抗网络模型,通过构建生成网络和对抗网络并对其进行交替对抗训练实现对脑部海马子区图像的像素级精确分割.实验选取美国旧金山CIND中心的32位实验者的脑部MRI图像进行海马子区分割测试,在定性和定量方面分别对比了所提方法基于稀疏表示与字典学习方法和传统CNN的分割结果.实验结果表明,该方法优于基于稀疏表示与字典学习和CNN方法,海马子区分割准确率有较大提升.该方法提升了海马子区的分割准确率,可用于大脑核磁图像中海马子区的分割,为诸多神经退行性疾病的临床诊断与治疗提供依据.     

工业过程噪声干扰下图像关心区域分割算法研究

针对单纯的基于像素灰度值的图像分割方法难以精确分割工业过程有噪声干扰的情况,提出了基于自适应网格搜索的Gabor小波纹理粗糙度方法,用于对基于像素灰度值的FCM聚类结果进行去模糊化,从而分割出关心图像。将所提算法行了大量实验研究,实验结果表明,该算法能够很好地将所关心的图像从工业噪声中分割出来。     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

利用改进的超像素分割和噪声估计的图像拼接篡改定位方法

通过检测图像局部噪声水平的不一致性,提出一种图像拼接篡改区域的定位方法.首先,用改进的简单线性迭代聚类(SLIC)超像素分割算法将待检测图像分割成具有相似特征的像素块;然后,采用基于主成分分析的噪声水平估计方法计算每个图像块的局部噪声水平;最后,利用3种聚类算法对估算的噪声水平进行聚类,根据聚类结果定位出被篡改的区域.实验结果表明:文中方法不仅能有效定位被篡改的区域,而且能保留检测区域更多的边缘信息.     

基于模糊集与区域生长算法的胎儿下腔静脉血管超声分割

本方研究了胎儿下腔静脉血管在B型超声图像中的分割问题.B型超声使用方便,在临床中有广泛使用,但其图像有噪声多、对比度差的缺陷.为了有效地在B型超声图像中分割血管,提出了一种基于模糊集与区域生长算法的分割算法;该算法预先使用模糊集算法处理,以提高图像对比度;并使用基于梯度改进的自适应区域生长算法进行分割.实验以医生的手工分割结果作为金标准,并与阈值分割和水平集算法进行了对比.实验表明,该方法的准确度和稳定性高于阈值分割和水平集分割方法结果.     

基于最大区域互信息量的生物细胞图像分割

针对基于互信息量的阈值分割算法没有考虑像素的空间结构信息以及分割后图像与原图像之间关系的问题,提出了一种基于最大区域互信息量的图像分割算法.以区域互信息量作为目标函数,综合考虑图像各像素的邻域数据以及图像内在空间信息,利用粒子群算法找出图像分割的最佳阈值,克服了基于最大互信息量分割方法的不足.     

用于图像分割的局部区域能量最小化算法

针对点对马尔可夫随机场(Pairwise MRF)模型中像素成对交互的结构不能充分描述图像丰富的局部统计特征问题,在研究Pairwise MRF模型基础上,提出了一种基于局部区域能量最小化的图像分割算法.该算法先利用图像局部区域信息构造局部区域能量模型,建立了一种局部交互的区域马尔可夫随机场分割模型,然后采用无环置信传播(LBP)算法对MRF全局能量进行优化.优化过程中,对局部区域能量进行收敛并按照MAP准则估计局部区域标号,通过LBP算法把局部区域信息传递到邻域区域中去.实验结果表明,所提出的新算法较标准LBP算法具有更好的分割结果,并有效地抑制了图像噪声信号和纹理信号对分割结果的干扰和影响.     

统计区域合并的彩色图像分割算法

针对传统区域合并算法中存在的分割复杂度高、分割精度低的问题,提出一种将统计理论应用于区域合并的彩色图像分割算法,该算法通过建立图像生成模型,得到新的合并预测准则,有效地避免合并过程中可能导致的区域边界破坏,提高分割精度,降低分割复杂度。在对已有算法分析的基础上,提出基于古典概率理论的图像生成模型,重点介绍区域合并思想与统计理论相结合的合并预测准则,该准则是逐步松弛的,确保在无像素遗漏的同时分割的精度。算法不但考虑了像素的相似性,还考虑了空间上的邻接性,因此可以有效消除孤立噪声的干扰。通过与基于连接图的系统工程分割方法比较发现,文中算法的运算时间具有明显优势。实验结果表明,该算法还具有较高的分割精确度和较强的鲁棒性,分割尺度可调。     

改进的区域生长算法及其在肾实质自动分割中的应用

提出了一种肾脏CT图像自动分割方法,将像素点的局部统计特征和像素点的空间位置信息结合起来,以此定义了像素之间的邻域相似性指标,并根据领域相似性指标自动选取种子点、种子的生长准则及终止准则,该方法克服了传统区域生长算法需手动确定种子点和生长顺序固定等缺点,最后通过MICCAI(medical image computing and computer assited intervention)的5个评价指标对分割结果做出客观评价,结果表明,该算法具有较好的分割效果.     

基于自动多种子区域生长的遥感影像面向对象分割方法

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础.     

一种新的基于区域生长的彩色图像分割算法

为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法.首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法在运算时间以及分割准确性具有明显优势。     

种子区域生长法的改进算法及其在钉螺图像提取中的应用

种子区域生长法是图像分割中一种常用的方法,其性能在很大程度上取决于种子点的选取与生长规则.为了更有效地应用种子区域生长法从真实图片中提取钉螺图像,在分析种子区域生长法的基本思想后,提出了一种改进的种子区域生长算法并用于提取钉螺图像.改进种子区域生长法使用了新的区域生长相似性规则和区域生长停止的动态阈值方法,改进算法采用人工方式来选择区域生长的种子点.结果表明,改进的种子区域生长法在复杂背景图片中能获得更好的钉螺图像提取效果.     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

基于改进的区域生长鼻咽癌MR医学图像分割

在综述医学图像分割技术的基础上,针对临床鼻咽癌MR医学图像的特点,提出一种基于区域生长的改进分割方法.该方法从基于区域生长的自动分割入手,克服以往交互式地定义初始种子的不足,利用概率矩阵完成初始种子的自动生成,再运用SUSAN算子作为区域生长的终止准则,从而实现对鼻咽癌MR医学图像的有效分割.以福建肿瘤医院临床医学图像数据进行分析实验,结果表明,该方法分割效果显著提高.     

基于区域的自动种子区域生长法的彩色图像分割算法

提出了一种基于区域的自动种子区域生长法进行彩色图像分割的算法.该方法首先应用分水岭算法对图像进行初始化分割,形成过分割效果.然后从分水岭算法形成的区域出发,根据一定的规则自动选出一些区域作为种子区域,进行种子区域生长.与传统的种子区域生长法(SRG)以图像中的像素点作为种子进行生长的方法不同,本方法以区域作为种子并以区域作为生长单位进行区域生长.实验结果表明,该算法能够产生较好的分割效果及较快的分割速度.     

一种基于区域生长算法的脊椎椎体提取方法

脊椎椎体三维重建是脊椎应力应变研究的重要环节,对MRI图像中脊椎椎体区域的提取是三维重建的基础。为了准确提取脊椎椎体区域,提出了一种基于区域生长算法的脊椎椎体提取方法。通过最大类间方差法求得到自适应阈值代替传统区域生长算法中的手动阈值,再结合中值滤波算法对原始图像进行预处理,避免了传统区域生长算法手动阈值造成的过分割,或者欠分割等现象;并有效抑制MRI图像噪声,使椎体区域内像素变化更为缓和,弥补了传统区域生长在MRI图像椎体区域内部分割效果不佳的缺陷,准确提取出脊椎椎体并建立出三维模型。     

基于Softmax回归模型的骨龄X射线图像手骨分割

针对儿童青少年的骨骼发育情况,临床上常采用手腕骨X射线图像进行骨龄评估。其中手骨区域的分割是预处理中的关键一步,手骨分割的准确率极大地影响最后的评估结果。传统的阈值分割方法在自动化分割过程中鲁棒性较差,利用深度神经网络的自动分割准确率比传统方法高但较为复杂。研究在阈值分割的基础上,提出先通过训练Softmax回归模型预测最佳阈值得到二值图像,再利用区域生长法提取完整手形,最后对手骨图像进行归一化处理的分割方法。在100张临床数据测试集上,将提出的方法与传统的阈值分割方法——Otsu、最大熵阈值和直方图均值分割方法进行对比,采用相似系数DSC（dice similarity coefficient）、欠分割率和过分割率3个客观评价指标对分割结果进行定量分析。实验证明该方法的分割效果最理想,平均DSC值为0.97,欠分割率和过分割率接近于0,对于复杂的手骨图像也表现出良好的分割性能,相比传统的阈值分割方法具有更好的鲁棒性,能够准确的对骨龄X射线图像进行自动化手骨分割处理。