基于区域能量特征的红外图像分割方法

基于红外图像在经过小波多尺度分解后各个子空间信息的不同分布以及背景区和目标区在小波变换域内图像能量的不同分布，提出一种基于区域能量特征的红外图像分割方法，该方法具有较好的分割效果。     

基于改进的区域生长鼻咽癌MR医学图像分割

在综述医学图像分割技术的基础上,针对临床鼻咽癌MR医学图像的特点,提出一种基于区域生长的改进分割方法.该方法从基于区域生长的自动分割入手,克服以往交互式地定义初始种子的不足,利用概率矩阵完成初始种子的自动生成,再运用SUSAN算子作为区域生长的终止准则,从而实现对鼻咽癌MR医学图像的有效分割.以福建肿瘤医院临床医学图像数据进行分析实验,结果表明,该方法分割效果显著提高.     

基于子区生长的移动机器人视觉图像分割

针对区域生长法中自播种过程消耗了大部分时间的问题,提出了基于子区生长的图像分割方法,以提高图像分割效率.该方法在具有区域一致性的子区生长基础上,将分割与自播种过程结合在一起,提高了图像分割速度.同时针对图像噪声干扰子区一致性检测问题,提出采用区域像素平均距离作为区域一致性标准.实验结果表明:区域像素平均距离比传统的方差具有更好的噪声抑制能力;移动机器人视觉图像分割实验验证了所提出的基于子区生长的图像分割法的有效性.     

一种改进的CT胸部图像肺组织分割方法

为了对病变肺部图像进行准确分割,对通常的肺组织分割算法进行了分析和改进,将小波变换与数学形态学引入肺分割算法.通过小波变换对图像进行分解,再运用数学形态学对分解后的各个分量执行不同的修补方法:对低频分量作形态学闭运算,对高频分量作形态学开运算;从而在适当的尺度修正图像的基本特征而不影响细节特征,在重构之后获得理想的肺区域.利用改进后的算法,对医院的36组临床HRCT数据进行分割,并与手工分割结果和通常算法的分割结果进行了比较.结果表明,该方法分割结果准确,能有效提高肺组织分割的平均敏感性.     

基于改进的区域生长法的气管与支气管分割

根据气管与支气管的树状特征,提出了一种改进的区域生长法.该方法首先从最上端的CT图像中得到气管初始区域,然后利用气管或支气管在相邻CT图像中的几何特征与灰度特征的相关性对区域生长法进行了改进,其次利用改进的区域生长方法沿着三维空间的树状路径逐步搜索气管与支气管的其他区域,最终得到气管与支气管的全部数据.该方法自动化程度高,不仅适用于气管与支气管分割,还可推广到骨骼、人体血管系统等其他小目标的分割问题.     

基于区域生长的红外图像分割

该文采用区域生长的方法 ,结合人工智能 ,针对红外图像中目标相对较小、灰度值与视场中目标物体的热辐射量相关的特点 ,选取相应种子点根据灰度相似性判决生长出目标区域。结果表明 ,采用这种方法具有一定的针对性 ,能够有效地分割出目标物体     

多参数区域特征的医学图像融合方法

基于医学影像MRI和CT图像互相联系、互相补充的特点,为了更好地实现不同模态医学图像间的融合,提出一种改进的基于区域特征的医学图像融合方法。原理是根据图像小波变换系数的一系列参数如区域均值、方差、协方差等构造加权因子和匹配度,对代表图像细节信息的高频子图进行区域融合;然后对低频部分采取选择极大绝对值的原则,对图像进行融合。最后经过小波重构得到输出图像。经过主观和客观评价对实验结果进行综合评价,此方法处理过的图像能得到良好的视觉效果和理想的指标,时间上也减少了0．25s,适用于实时系统的应用。     

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。     

基于区域特征的胃炎病理图像二值化分割方法

二值化图像侵害方法因方法简单、易于实现而得到广泛应用,文章提出了一种基于区域特征的二值化图像分割方法。实验表明,该方法针对胃炎病理图像能得到较好的效果。     

基于小波变换的分开——合并图像分割

小波变换具有良好的“时间－频率”局部化特性及多尺度变焦距特性,对于二维图像蝗小波变换,其梯度模值提供了图像的边缘信息,在大尺度时,图像边缘稳定,但存在有 移,小尺度时,边缘定位精确,但易受噪声影响,噪声和边缘都具有较高的空间频率,噪声的能量小,在大尺度下,其小波变换系数值小,边缘的能量大,在大尺度变换下,其小波变换系数值大,由多尺度小波变换系数的变化情况,估计边缘的类型,采用多尺度小波变换系数作为     

基于改进遗传算法的Otsu图像分割方法

在对图像进行分割时,为了能够快速有效地求出最优分割阈值,对遗传算法进行了改进,并将其应用于Otsu图像分割.改进后的遗传算法随着适应度不同可自动调整遗传控制参数,并且收敛性好,不易早熟,最后能够得到图像分割的最佳阈值.通过实验可以看出,该方法得出的阈值更加稳定,阈值计算的时间也有极大提高,更能满足图像分割的要求.     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

基于小波变换的改进DDGVF医学图像分割算法

针对传统Snake模型不能很好地分割带有凹陷边缘图像的问题,提出了一种改进的结合小波的动态方向梯度向量流(简称DDGVF)模型.该算法首先利用小波变换的多尺度特性对待分割图像进行3层分解,然后在每层分解的图像下进行DDGVF算法的分割,不断获得更加精细准确的目标轮廓,最后达到准确分割.针对合成图像、含有噪声的图像和真实的CT以及MRI医学图像进行仿真实验.结果表明:改进算法能很好地解决传统Snake模型不能深入分割凹陷区域、捕获目标范围小等问题,并且具有分割时间较少的优点,是一种高效准确的医学图像分割算法.     

基于模糊最大类间方差的图像分割算法

阈值分割是一种被广泛使用的图像分割技术,其技术关键,确定合适的分割门限。为了体现图像中因模糊不确定性产生的信息量,本文在Ostu算法的基础上引入隶属度的概念,提出了模糊最大类间方差法。通过利用亚采样图像获取分割门限,提高了算法效率。实验仿真结果表明：该方法在分割质量上取得了很好的效果,时间复杂度也有所降低。     

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。     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．     

基于距离场的非线性图像插值分割方法

对于医学序列切片,需要图像分割技术将图像中感兴趣区域ROI(region of interest)提取并进行三维重建.提出一种基于距离场的非线性图像插值分割方法,该方法克服了软组织因灰度值分布不均匀难分割的问题,可以快速提取ROI区域.实验表明用该方法进行医学序列切片的分割,可以得到良好的分割结果,并已成功地应用于医学数据的三维重建系统中.     

一种新的基于连续小波变换的图像分割算法

研究一种基于空域-时域可连续小波变换的图像分割算法,运用可分离的小波函数作为滤波器提取运动参数,根据运动参数所提供的物体的运动特征实现基于运动估计的图像侵害从而有效地提高了图像分割算法对图像噪声、物体形变以及物体之间遮挡的适应性,由于小波函数的可分离性,大大降低了高维连续小波变换过程中计算的复杂性;采用序贯搜索及由“粗”到“精”的分层聚类相结合的策略,进一步提高了分割效率。通过对算法的仿真研究,验证了本算法的可行性及有效性。     

基于Gabor滤波与区域生长的细胞分割

贴壁细胞图像中细胞大小形状各不相同,细胞内部分区域与细胞边缘具有相近的灰度,部分细胞边缘较细或者断裂,为后续正确的分割计数带来了困难。传统的基于区域的图像分割很容易造成过分割和欠分割,前者得不到完整的细胞边缘,后者使细胞内部出现大量杂质点。为解决以上问题,首先利用Gabor滤波器的方向性滤波特性对细胞边缘进行增强,然后选择细胞边缘对应的高灰度点作为种子点进行8连通约束的区域生长,最后对区域生长后的图像进行形态学闭运算消除小的空洞和毛刺,得到完整的细胞边缘图像。与阈值法和边缘检测法的比较结果表明,该算法分割效果较好且对噪声不敏感。