基于爆破矿石图像分割优化算法的大块率统计方法

矿石图像分割效果受光照条件、目标密集性及边缘对比度低等因素制约，致使大块率统计精度偏低.为此以鞍千矿爆破矿石图像为数据源，首先利用双边滤波算法去除特征增强后的图像噪声，然后分别采用自适应阈值算法和整体嵌套边缘检测(holistically-nested edge detection, HED)算法初步分割矿石图像，再利用形态学和去除连通域算法去除因矿石表面纹理形成的分割孔洞，进一步融合两种分割结果，引入基于距离运算的分水岭算法消除矿石图像欠分割现象，最终实现矿石图像的优化分割.研究结果表明，该方法可有效提高爆破矿石图像分割准确性，实现露天矿爆破大块率精确统计，为爆破效果智能评价提供技术支持.     

一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.     

一种改进的分水岭图像分割算法

针对分水岭图像分割算法普遍存在受噪声影响大和过分割的问题,提出了一种基于梯度修正和相邻区域边缘强度合并的改进分水岭图像分割算法。首先对图像采用形态学开闭重建滤波,消除噪声对图像的干扰;其次,使用多尺度算子计算形态梯度,充分利用大结构元素和小结构元素的各自优点,获得更准确的形态学梯度;再用粘性形态学运算对梯度图像修正,有效去除产生过分割的局部极小梯度值;分水岭变换后,定义出相邻区域的边缘强度值,并基于相邻区域边缘强度合并过分割区域,进一步消除图像过分割,改进分割效果。实验表明:该方法不仅能够有效地去除图像噪声干扰,而且能够消除过分割区域,同时还具有较强的区域轮廓定位能力,有效提高了图像分割效果。     

基于改进模糊C均值聚类和区域合并的矿物颗粒分割方法

岩矿石薄片图像中矿物颗粒的分割提取是分析鉴定工作的前提,为了进一步提高矿物颗粒提取的准确性,提出一种新的矿物颗粒提取分割方法。该方法以一组岩矿石薄片正交偏光序列图作为输入,对每张正交偏光序列图采用改进的模糊 C 均值聚类(FCM)算法进行初始的边缘提取,并叠加多张边缘图像,再对得到的叠加边缘图像进行精细化处理并进行目标颗粒筛选,得到初始的分割提取图像。为了抑制颗粒的过分割现象,利用基于区域邻接图(RAG)的合并算法进行区域合并,首先依据颗粒的颜色纹理等特征进行初始合并操作,再根据矿物颗粒在不同正交偏光角度下的变化规律进行二次合并操作,从而得到最终的分割提取图像。通过对多组图像进行实验表明,该方法可以获得良好的效果。     

基于图像分析的堆浸铀矿石颗粒参数辨识

采用数字图像处理技术对铀矿石颗粒参数进行测量,并确定铀矿石块度分布.首次将图像引导滤波器应用于矿石图像滤波,较好地滤除了图像噪声和保持矿石边缘细节信息.采用基于最大类间后验交叉熵准则的PCNN图像分割算法分割矿石图像,减少了矿石粘连现象.为了解决第一次分割后矿石粘连现象,采用基于凹点匹配的数字图像切割算法对粘连的矿石图像进行第二次分割,能有效分离粘连矿石图像.采用基于形状特征的颗粒参数测量法测量颗粒参数,提高了颗粒参数的测量精度,得到了矿石块度的统计分布图.实验数据表明,该方法测量误差较小,能满足实际需求.      

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

复合形态滤波和改进型分水岭算法的图像分割

提出了一种基于复合形态学滤波和改进型分水岭的图像分割算法.为克服传统分水岭算法进行图像分割时产生的过度分割和耗时的不足,定义了由开-闭以及闭-开加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,设计一种应用内、外部标记的形态学分水岭算法,确定区域中梯度低频成分的局部极小值作为内部标记,区域之间确定为外部标记,内、外标记随处理信息的变化而变化,从而实现了对图像信息的自适应分割.仿真结果表明,采用本文算法实现的图像分割,其抗噪的MSE、PSNR性能明显地优于开-闭、闭-开单一运算的抗噪性能;同时,减小了梯度图中由于噪声造成虚假局部极小值而产生的过分割现象,准确地提取图像信息的轮廓、边缘等信息.     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.     

基于标记的改进分水岭分割算法

针对传统分水岭分割算法中存在的过分割问题,提出了一种基于标记的改进分水岭分割算法。该方法首先对原图像进行形态学开闭预重建,去除图像中的暗纹理和噪声,在计算形态梯度之后采用开闭后重建,然后,对重建后的梯度图像利用最大熵阈值方法进行标记处理,依据标记对原始梯度图像进行修正,最后使用分水岭算法在修正后的梯度图像上进行分割。从实验结果来看,该方法能较好地抑制传统分水岭算法的过分割现象。     

基于改进分水岭算法的球团矿图像分割

针对传统图像分割算法不能对球团矿图像中粘连球团进行准确有效分割的问题,提出一种改进的分水岭分割算法。该算法将标记和分水岭算法结合起来,利用标记带来的先验知识限定图像分割区域的数目,并对分水岭算法的梯度图像进行修改,从而能够对球团边缘准确分割,同时避免产生过分割现象。实验结果表明,改进分水岭算法对图像中粘连球团的边缘有良好的分割效果。     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

基于改进分水岭算法的医学图像分割

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将形态学滤波、多尺度形态学梯度和控制标记符分水岭相结合的分割策略。首先利用数学形态闭-开运算完成预处理以滤除原始医学图像中的噪声和非感知信息。其次做闭运算以平滑图像,并对平滑的图像计算多尺度的形态学梯度。再次对形态学梯度图像进行重建,然后采用控制标记符的分水岭变换算法对重建后的梯度图像进行分割。最后将分割结果变换回原始尺度。仿真实验结果表明,这种改进的方法不但使经典分水岭算法中的过分割现象得到了很好的抑制,医学图像中的病变区域被有效分割出来;而且分割算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

基于形态学梯度重构的高分辨率遥感影像分割方法

基于形态学梯度重构提出一种用于高分辨率遥感影像的分割方法.针对遥感图像的特点构建多形状结构元素,然后使用该结构元素对图像提取形态学梯度并进行开闭重构;根据人的视觉特征,对梯度的高对比度区域进行还原,用于保证较高的局部对比度;最后使用浸没式分水岭变换获得分割结果.对IKONOS影像进行分割实验,结果表明了该方法的有效性.     

多结构元素多尺度的数学形态学图像边缘检测算法

边缘检测是图象处理与模式识别的一个重要图象预处理过程。传统的边缘提取方法如Sobel,Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此我们提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图象以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图象边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图象的边缘。     

多尺度形态梯度和标记分水岭的时频谱图分割

时频谱图干扰强,目标之间、目标与干扰之间有重叠,其分割是重要而困难的问题.提出一种基于图像熵定义的时频谱图多尺度形态梯度图像融合方法,将该方法与标记分水岭分割结合形成一种基于多尺度形态梯度和标记分水岭的时频谱图分割方法.实验结果表明,与基于单尺度形态梯度和标记分水岭的分割方法相比,新方法实用性更强;与Otsu法相比,新方法分割更准确.     

基于数据场和水平集演化的图像分割

为了充分挖掘图像内不同区域间的隐含关联性,并解决图像分割中自适应阈值选择问题,提出了一种基于数据场和水平集的图像分割方法。利用数据场能够有效地表示图像像素间的相互作用,根据势值能够得到对应的势值等势线,可以根据该等势线的分布情况,采用梯度下降法来得到图像的二值化分割结果。为了得到更为精确的分割边缘,还引入基于拉普拉斯边缘检测函数的水平集演化方法来对二值化结果进行边缘曲线演化。将二值化分割结果与传统的基于数据场的图像分割算法对比结果显示,所提出的算法在分割准确性上表现良好,并且能够使得图像边缘更加精确。实验结果表明,提出的方法能够较好地分割目标,且对噪声图像具有较强的鲁棒性。