基于改进区域生长和小波变换的非结构化道路检测

针对在复杂场景的非结构化道路中,由于众多的环境干扰因素从而不能准确检测车道线的问题,提出了一种基于改进区域生长法和小波变换相结合的非结构化道路检测算法。根据大多数情况下道路区域在车载摄像头的正下前方及道路区域与道路两旁背景灰度值的一定差异,来有效地选取区域生长的种子点及生长原则进行区域生长道路初分割。同时结合基于小波变换的边缘检测来修正由于初分割道路受复杂环境导致道路检测不准确的情况。实验结果表明,该算法能够较准确地检测出受光照等因素影响的道路区域,且具有较高的准确性。     

一种融合区域生长和边缘检测的彩色图像分割方法

介绍了一种融合边缘检测和区域生长的彩色图像分割方法。算法首先对图像进行边缘检测,然后计算像素之间在HSI彩色空间的颜色相似度,利用像素间相似度并结合边缘信息确定区域生长的种子,再基于颜色和空间信息对各个种子进行区域生长,最后进行区域合并。该算法能够实现种子的自动选取,这在传统方法中是很难实现的,此外,还能有效防止过分割。实验结果表明该算法有效。     

微粒群优化和区域生长结合的彩色图像分割算法

提出了一种微粒群优化和区域生长相结合的彩色图像分割算法,以彩色图像直方图中自适应搜索到的峰值作为像素种子。由于搜索像素种子点是按密度进行,计算量小,大幅度提高了算法的计算速度,同时克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性。实验表明：该方法提高了图像分割速度,并可以准确地分割出目标,是一种有效的图像分割方法。     

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.     

基于云理论的图像分割新方法

针对区域生长算法的种子点初始化和生长准则问题,提出了一种基于云模型和区域生长的图像分割方法.该方法首先利用云变换对图像进行变换生成云模型,然后利用云模型的Ex作为区域生长的种子点,以云的极大判定法则作为区域生长准则进行区域生长,获得最终的分割结果.这种分割方法不但克服了区域生长法种子点和生长准则选取不当而产生过分割和欠分割的不足,而且很大地提高了云模型分割图片的速度,实验结果证明,该方法可以准确地分割出目标,是一种有效的图像分割方法.     

车载视觉感知系统中障碍检测方法研究

障碍检测是基于车载视觉感知系统的车辆自主避撞技术的基础。针对这一问题提出了一种障碍目标检测算法。首先,为了提高道路边缘检测的效率,采用区域Hough变换完成道路边缘检测,进而提取道路区域;然后,在提取出的道路区域内利用图像分割算法完成障碍目标的提取;由于分割出的二值图像中目标表现为独立的大小不一的区域,为此给出标识归属方法辨别目标区域。最后,利用自适应区域生长算法得到完整的障碍目标。相关实验结果证明了算法是可行的。     

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.     

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.     

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.     

改进区域生长法及其在冠状动脉造影图中的应用

冠状动脉造影过程中,由于人体骨骼、肌肉、器官等组织对X射线吸收程度不同,得到的冠状动脉造影图像亮度不均匀,传统的区域生长算法无法准确分割不均匀亮度的图像,而且种子点的选取需要人工交互,效率低下.针对这些问题,提出了一种改进区域生长算法,该算法自动生成一组种子点,种子点生长时,使用生长区域的局部平均值作为生长准则中的参数,最后使用医学影像计算与计算机辅助介入(medical image computing and computer assisted intervention,MICCAI)准则对分割后的图像进行评价.实验表明,使用该算法对冠状动脉造影图像进行分割,能得到较好的结果,且不需要人工交互,提高了图像分割的效率和准确性.     

基于目标检测算法与迭代阈值分割的道路标线可视度评估

提出了一种基于目标检测与迭代阈值分割的道路标线分割算法。首先采用基于BiFormer改进的YOLOv5目标检测算法对道路标线区域进行快速定位与框选,然后运用快速迭代阈值分割对框选区域内的道路标线进行精细提取,最后对提取后的道路标线采用韦伯对比度进行人眼可视度评估。结果表明：该方法能够完成道路标线的快速准确提取,并实现对道路标线可视度的有效检测。     

基于阈值分割与数学形态学的高分辨率遥感影像道路信息提取

从高分辨率遥感影像中快速,有效的提取道路信息,一直是遥感学界研究的热点和难点问题。本文研究了一种基于阈值分割与数学形态学的高分辨率遥感影像道路提取算法,该算法不需人工给出道路种子点,方向等信息,在某种意义上提高了道路提取的自动化程度。提取过程是:首先利用阈值分割将遥感影像分割成包含道路信息的二值图像,然后利用数学形态学运算对二值图像进行处理,根据道路形态特征提取出道路区域。     

基于机器视觉的颗粒识别计数

针对检测种子千粒重时种子图像在不同光照条件下的分割问题,研究了RGB空间以及HSV空间的颜色特征,并对其进行了分析对比,然后引入像素灰度级和邻域灰度级构成的二维直方图,提出了一种基于种子色调特征的自动分割算法。由于基于二维直方图的分割算法增加了各个像素点的邻域信息,从而增强了抗干扰能力,提高了分割的准确性,进而再结合极限腐蚀的方法实现对种子的计数。实验结果表明:采用本文的算法可对不同光照强度下的种子图像进行有效的分割及识别计数。     

基于显著图的遥感图像多分辨区域生长分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,本文提出一种基于显著图的遥感图像多分辨区域生长分割方法.该方法利用亮度、颜色、方向三个特征金字塔生成显著图,通过视觉选择注意模型自动选择注意区域作为种子区域.从能分辨种子区域的最大尺度开始区域生长,直到0尺度,从而分割出对遥感图像中感兴趣的区域.实验结果表明该方法能有效地从遥感图像中分割出视觉注意的区域,且有较快的速度.     

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。     

融合模糊连通图和区域生长的MRI脑组织图像分割算法

针对磁共振脑组织图像中存在灰度不均匀,不利于分割的问题,提出了一种应用模糊连通图和区域生长的MRI(Magnetic Resonance Imaging)脑组织图像分割算法。首先用大津法对脑组织进行粗分割,得到脑白质部分的大致轮廓,。然后计算粗分割结构的中心点,根据中心点得到图像的模糊连通图。最后用区域生长算法对模糊连通图中的脑白质进行更精确的分割。试验结果表明,此方法能够精确的得到脑白质轮廓的边缘,并且大大降低了区域生长种子点位置和阈值选取对分割结果的影响。     

一种基于熵优化的区域生长图像分割方法

提出了一种基于熵优化的结合区域生长的图像分割算法,它利用边缘检测和区域生长算法对图像进行一次预分割,然后再沿着图像中每个类的边缘试探性地调整分割,以熵的大小作为优化分割的指标逐步优化图像的分割．实验结果证明了该算法的有效性,而且比其他一些常用的灰度图像分割算法更准确．     

基于区域生长和聚类的主动脉CTA图像序列分割算法

针对人体主动脉CTA序列图像的特点,提出了一种基于区域生长和聚类的序列分割新算法.在确定好合适的分割阈值范围后,结合基于区域生长的算法对主动脉的目标区域进行轮廓提取,然后对得到的目标轮廓在基于isodata的算法上进行聚类处理,由于主动脉在空间上的连续性,可以将聚类后得到的目标区域的聚类中心作为下一幅CT图像新的种子点再进行区域生长,从而实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割.实验结果表明,本文算法计算量小,分割精度高,可以完整准确地将主动脉从CT序列图像中分割出来.     

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.     

基于分层模版种子点的分水岭分割孤立性肺结节的方法

针对肺部结节的分割问题,该文提出了一种基于分层模版种子点的分水岭分割方法。该方法在PET图像中采用基于SUV均值的分层次模版匹配算法检测出可疑区域,标记出分割种子点,同时在对应CT图像中使用改进的分水岭算法将可疑肺结节分割出来。将该方法与特征提取结合应用于肺结节的辅助诊断中。大量的实验结果表明:与当前单独采用CT或PET图像特征分割结果相比,该方法在确保真阳性以及分类准确性的基础上,极大降低了假阳性,从而表明了该方法在肺结节临床分割方面的有效性。