彩色舌体图像分割新算法

彩色舌体图像轮廓的正确分割是实现中医舌诊信息化的重要前提。根据彩色舌体图像的特点提出如下分割方法:首先通过去相关操作拉大图像对比度减小嘴唇的影响;然后将RGB空间中彩色舌体图像转化为HSV和YCbCr空间中的图像,再分别提取Cb和V分量的灰度图像进行二值化处理,把得到的2幅二值图像进行与运算后经数学形态学修正,得到初始轮廓;最后使用Snake模型来得到更加准确平滑的轮廓。基于100幅彩色舌体图像进行试验,结果表明正确分割率达到96%,取得了令人满意的效果。     

基于PCNN的人脸图像分割算法研究

研究了基于PCNN的人脸图像分割算法。利用简化型PCNN对人脸图像进行分割,根据人脸图像的灰度特征和空间信息的相关性,得到了人脸图像的神经元点火序列,该点火序列就是图像分割的结果。通过MATLAB仿真实现了该算法,表明该算法具有一定的工程价值。     

基于局部统计信息的主动轮廓模型

灰度不均普遍存在于医学图像中,为了克服灰度不均对图像分割的影响,基于图像的局部统计信息,结合偏移场校正模型,建立了高斯分布的主动轮廓模型.引入水平集函数,并根据变分法原理,实现了该算法.最后利用新算法和经典算法作对比实验,结果表明,新算法对合成图像和真实图像的分割都取得了较好的结果,具有更强的鲁棒性.     

一种基于一致性分片FCM的图像分割算法

针对传统FCM(fuzzy c-means)算法抗噪性差的问题,提出了一种基于一致性分片的模糊c均值聚类算法.为避免额外的空间邻域约束项带来的控制变量设置问题,该算法直接将FCM应用于图像片空间.为减弱空间邻域对图像边缘的模糊,采用基于置信区间的局部多项式交叉近似技术(local polynomial approximation and intersection of confidenec intervals,LPA-ICI)构造自适应形状一致性分片.在脑磁共振图像上的实验表明,与传统的FCM算法相比,该算法具有更高的分割精度和运行效率.     

融合随机森林的C-V模型肝脏超声图像分割

医学图像分割是临床诊断的关键环节,分割结果将直接关系到后续对病灶的识别。C-V模型(Chan-Vese)大量应用于各种医学图像分割过程。围绕肝脏超声图像,针对传统C-V模型依赖初始轮廓及运算复杂耗时的特点,融合随机森林方法,提出一种基于边缘引导能量函数和局部约束特征的分割方法,利用随机森林节点生长和分类速度快的优势,在粗分割的基础上形成无需初始化的C-V模型,而后借助分类特征得到精准的肝脏区域及病灶分割结果。实验证明,经过优化的改进方法是可行有效的,对于图像中的组织和病灶区域能有效分割和提取     

基于颜色特征的油茶叶片病斑分割研究

油茶叶片病斑分割是提高油茶病害图像识别准确率的前提。根据油茶炭疽病、软腐病和煤污病等主要病害的症状特征,提出了基于超绿特征的油茶叶片病斑检测方法。对比分析了HSI、YCbCr和Lab颜色模型的各个颜色分量以及超绿特征对油茶叶片病斑分割性能的影响。对于炭疽病和软腐病,超绿特征的单阈值分割性能最好,色度a的分割性能较好,色差Cb和色差Cr的分割性能稍差,色调H的分割性能最差,其Ⅰ型错误率很高。对于煤污病,亮度L的分割效果最好,亮度Y的分割效果次之。试验结果表明,超绿特征对于三种典型油茶病害图像的综合分割性能较高,具有较低的Ⅰ型错误率和Ⅱ型错误率,其平均检测精度达到81.69%以上,可以降低因叶柄和叶脉影响而产生的分割错误。     

基于萤火虫算法的三维Renyi熵眼底图像血管分割

对于眼底血管网络分割精度低的问题,提出了基于萤火虫算法的三维最大Renyi熵眼底血管分割方法。该方法先提取出眼底G通道图像;然后用多尺度线性滤波器对眼底血管增强;接着引入萤火虫算法,将基于三维共生矩阵的最大熵求解问题转化为寻找最亮萤火虫的问题;最后,将最亮萤火虫所处的三维空间位置作为Renyi熵函数的阈值对眼底图像分割。实验结果表明,方法的真阳性率和ROC曲线下方区域面积都有所提高,能准确分割出眼底血管。     

一种新型自适应嵌入式流形去噪视频运动目标分割算法

针对目前运动目标分割算法在复杂场景中适应性较差,时间复杂度较高等缺陷,提出一种新的运动目标分割算法,该算法通过自适应流形去噪实现刚性和非刚性对象的运动分割.首先,引入一种自适应核空间,如果两个特征轨迹属于同一刚性对象,则将其映射到相同点上;然后,采用一种基于自适应内核的嵌入式流形去噪算法,分割出刚性和非刚性对象的运动;最后,在多个数据集上与几种传统算法进行对比实验.实验结果表明,该算法在不同场景中均能取得更好的分割与跟踪效果.     

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.     

基于MaxEnt生态位模型预测木灵藓科三属植物在新疆的潜在分布区

木灵藓科植物是干旱、半干旱环境中常见的藓类植物,对温度和降水极为敏感.木灵藓科在中国的物种丰富度由东向西增加,在新疆的丰富度较高.木灵藓属(Orthotrichum)、显孔藓属(Lewinskya)、多胞藓属(Nyholmiella)是三个在新疆分布较为广泛的属.预测当前以及未来气候情景下这三个属在新疆的潜在分布范围,将为木灵藓科区系和多样性研究提供一定的参考依据,也能预判未来气候变化对新疆地区木灵藓属的分布影响.该文根据木灵藓属、显孔藓属、多胞藓属在新疆的125个地理采集样点和19个气候因子,运用MaxEnt模型预测了它们适生区,并分析这些气候因素对其分布范围的影响.结果显示：1) AUC值高达0.945,说明该模型能够很好地预测了三个属的适生区范围.Jackknife检验表明,影响三个属分布的主要气候因子为最湿季平均气温以及最干季降雨量,贡献率分别为24.5%、23.9%.2) 该三属主要分布在阿勒泰、塔城、中部天山山脉、哈密、喀什和克州等地区,在和田和巴州也有一定的分布.在21世纪50年代的气候情景下,这些属在阿尔泰和塔城的分布范围将扩大,而在喀什和巴州的则缩小.总体而言,在21世纪70年代的气候情景下,这三个属在新疆的潜在分布区面积比现在的有所缩小.该文以气候因子预测了木灵藓科在新疆当前和未来的潜在分布范围,今后的工作中,将考虑影响苔藓植物生长的地形、植被的类型等,以进一步提高预测结果的准确性.