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。     

基于小波变换和数学形态学的图像分割算法

传统的分水岭变换由于对噪声和细密纹理的敏感会产生严重的过分割现象,为了克服这种缺点,提出了一种基于小波变换和数学形态学的图像分割算法.该方法首先利用小波变换去除红外图像的混合噪声,利用形态学开闭重建运算消除梯度图像中由于灰度非规则扰动和噪声引起的局部极值;最后通过采用基于前景和背景标记的分水岭分割算法进行分割.仿真实验表明,该算法可以实现更好的分割效果,不需要再进行后续的合并处理就能够得到较为理想的结果.     

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FCM和标记分水岭的粘连岩石颗粒图像分割

模糊C均值算法可利用图像的多种特征值进行准确的图像分割,但不能分割粘连物体;传统的分水岭分割算法能够获得准确的物体边缘轮廓,但容易造成过分割.为了解决这个问题,提出基于FCM和标记分水岭的粘连图像分割.该方法首先对原始彩色图像中值滤波后进行基于LUV颜色空间的FCM聚类;对聚类后的图像用形态学方法去杂质、空洞填充后进行距离变换;然后根据距离变换图像找出局部最大值,得到种子图像;最后对距离变换图像进行基于标记的分水岭分割,得到最终的分割图像.该方法对粘连岩石颗粒图像进行分割,取得了较好的实验效果.     

基于浸没改进的标记分水岭图像分割算法

针对分水岭变换图像分割算法浸没效率低的缺陷,本文在分水岭浸没阶段通过使用无效盆地标记数组来优化浸没处理.首先在预处理阶段采用形态学梯度算子使原始图像的灰度级跃变更为急剧,然后通过巴特沃斯低通滤波较好地过滤掉噪声;接着在分水岭浸没阶段识别出标记错误的盆地,并将这些错误盆地存储在一个无效盆地标记数组中;最后通过该数组对错误盆地统一进行一次合并.实验结果表明:该方法能显著提高分水岭浸没效率,同时较好地抑制过分割.     

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。     

一种提取MRI图像感兴趣区域的分割方法

以国际标准脑肿瘤MRI图像库为背景进行分割实验,提出一种结合模糊C均值聚类、区域生长和数学形态学的FCM_Region分割方法对MRI脑肿瘤感兴趣区域进行提取.先利用模糊C均值聚类算法对原图进行聚类粗分割,对分割的结果采用形态学双结构算子和区域生长法去除颅骨等非脑组织来获取脑部组织,并平滑图像,最后采用比对法获得肿瘤感兴趣区域.实验结果证明了该方法对MRI脑肿瘤图像分割的有效性.     

基于小波变换和形态学的图像分割方法

提出一种基于小波变换的分水岭图像分割方法。首先,源图像进行形态学开闭重建滤波,然后将滤波后的图像进行小波分解,在小波分解顶层的低频概貌图像中用分水岭分割算法将图像分割成若干个小区域,根据一定的区域合并准则进行区域合并,获得初始分割图像,最后将初始分割图像投影到全分辨率图像上,得到最终的分割图像。该方法有效地解决了传统分水岭算法对噪声敏感和过分割问题,并提高了计算速度。     

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。     

基于形态学优化处理的标记符分水岭矿石图像分割

针对不同形状、颜色的堆积矿石在图像采集时出现粘连重叠、边缘模糊等问题,提出一种形态学优化处理的标记符分水岭算法对矿石图像进行特征识别与边界分割。首先采用双边滤波进行去噪处理,然后通过Canny边缘检测算子梯度化,得到梯度幅值图像;其次采用形态学优化处理,重构堆积矿石的几何特征信息,分割矿石颗粒边缘;最后将图像进行可视化处理,获得彩色矿石颗粒分割图像。在形态学优化处理过程中,通过阈值分割数来寻找结构元素最佳参数,再通过分割率来确定最优结构元素。结果表明,该方法比传统标记符水岭算法分割更精准,且不同结构元素及其参数的变化对矿石分割效果影响较大,分割差异显著,当矩形结构元素长10、宽5时,其分割率最高,为95.68%,分割效果最佳。