基于最大熵的迭代分割算法

对于一些对象与背景像素灰度值类似的图像以及充满噪声的图像,传统的图像分割算法分割精度较低。为解决这一问题,提出了基于最大熵的迭代分割算法,根据求出的最大熵阈值将图像分为背景和对象两类区域;分别对两类区域求取灰度平均值,以该平均值将图像分为对象、背景和待分割3个区域;再对待分割区域进行迭代求取最终阈值,并根据最终阈值对图像进行分割。实验表明,该算法具有较高的抗噪性能,能精确分割一些轮廓不明显的图像,其分割精度明显好于其他传统图像分割算法。     

基于多特征判别分析的指纹图像分割方法

针对指纹图像的分割问题,提出了一种基于多特征判别分析的自适应分割算法。对于给定的待分割图像,该算法从每个特征在该图像上整体的分布出发,构造出综合考虑各个特征的两类分类能力的分类器,然后利用该分类器对图像中的每个子块做出前景或背景的判断。与已有的基于分类器的分割方法相比,该方法无需从数据库中人工采集样本用以训练分类器,实现了图像级别的自适应分割。算法在FVC2004竞赛的公开数据库上进行了测试,实验结果证明了该分割算法的有效性。     

改进区域分割的多聚焦图像融合方法

针对传统多尺度几何分析方法在图像融合时易损失清晰度以及融合规则选取复杂的缺点,提出一种改进基于区域分割的多聚焦图像融合方法;首先,根据提升静态小波变换快速获得初始融合图像,并对初始融合后的图像进行Normalized Cut算法处理以获得不同的分割区域,然后分别对原始图像进行NSCT变换并计算每个分割区域内高频分量系数的绝对值之和,最后选取绝对值最大的区域为融合后区域,并通过遍历每个分割区域获得融合后的多聚焦图像;数值试验证明,本算法不但融合规则选取较传统多尺度分析融合算法简单,还能够有效克服清晰度损失的缺点,具有有效性。     

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.     

改进区域生长算法在视杯图像分割中的应用

目的:视杯图像分割对于通过眼底图像检测青光眼具有重要意义,在传统的区域生长算法基础上进行改进,提出了基于眼底图像的视杯自动检测分割方法.方法:首先,对眼底主要生理结构进行特征分析,为分割目标选取了绿色通道并根据阈值法粗略提取出感兴趣区域(ROI);其次,考虑到传统的区域生长算法在选取种子点时不精确、自适应性差等缺点,通过计算ROI的几何中心并结合中心亮度作为选取种子点的标准进行改进;最后,用5*5模板对眼底图像进行均值滤波,应用山谷差值准则和8邻域连通准则对眼底图像进行种子合并,最终准确分割出视杯.结果:应用这种方法,对高分辨率眼底图像(HRF)数据库中15张青光眼眼底图像和15张健康眼眼底图像逐张进行检测,准确率达到93.3%.结论:实验结果表明,该算法能快速、有效地自动检测出眼底图像中的视杯并将其正确的分割出来,与传统算法相比较该算法稳定可靠,有较高的分割灵敏度、特异度以及准确性.     

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.     

一种改进的Mean Shift指纹图像分割算法

基于传统指纹图像分割算法, 提出一种改进的Mean Shift指纹图像分割算法. 该算法利用指纹图像固有的方向性特性, 把经过分割后的每个指纹图像区域抽象为一个样本点, 将区域内像素点的灰度均值作为均值向量, 从而有效地实现了指纹图像分割. 实验结果表明, 该算法能准确地将指纹图像中的模糊区域和背景区域分离, 提高了指纹图像分割的精确度, 并且对于多数指纹图像准确性较好.     

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．     

基于改进模糊C均值聚类与Otsu的图像分割方法

针对背景与前景颜色差别较小的原木图像分割效果不理想的情况,本文给出了模糊C均值聚类与Otsu相结合的图像分割方法。该方法首先以标准原木数据库为样本,之后使用模糊C均值聚类算法把背景与前景颜色差别较小的原木样本图像分割成2类,其次利用准则函数找出前景分割结果,最后把该结果作为Otsu算法的输入,对原木样本图像进行再次分割。实验结果表明,本文研究的算法比单独使用模糊C均值聚类算法、Otsu和同类算法有较好的分割效果和较高的分割准确率,边缘信息保留较好,平均分割准确率提高2个百分点。