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。     

基于顶帽变换和Otsu的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法;然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,本文提出的方法可以实现快速、准确地分割。     

高铁轮毂表面缺陷的视觉显著性超像素图像检测方法

针对高铁轮毂表面缺陷实时在线检测问题,提出一种基于视觉显著性注意机制的超像素自适应检测方法。首先采用同态滤波器对缺陷图像进行预处理,去除环境光污染噪声引起的图像亮度分布不均匀问题,构建轮毂表面缺陷图像的谱残差视觉注意模型,之后采用超像素分割算法对缺陷显著性图像进行自适应阈值分割,标记出高铁轮毂表面缺陷的二维空间位置,实现轮毂表面缺陷的边界检测和形态估计。本文方法在高铁轮毂表面缺陷检测实验平台上进行了实验验证,结果表明：该方法能够有效抑制图像分割中的过分割问题,对缺陷的边界信息提取准确,鲁棒性较好。     

基于顶帽变换和最大类间方差法的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法。然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,提出的方法可以实现快速、准确地分割。     

结合形态学运算的谱抠图声纳图像分割法

针对数字抠图与图像分割之间的联系,提出一种结合形态学运算的谱抠图声纳彩色图像分割法。首先通过形态学中的顶帽(top-hat)变换和底帽(bottom-hat)变换去除声纳图像中阴影的影响和背景的不均匀性,并进行图像增强;其次,将数字抠图中的alpha值考虑到图像分割中,通过全局平均迭代阈值法获取阈值,对抠图所获alpha图像进行阈值处理得出分割结果;最后,与多种现有的分割方法进行仿真对比实验,实验结果证明了本文分割方法的有效性。     

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.     

基于高阶统计特征及形态学的图像奇异点分割和检测

给出了这类图像的一种图像模型,并在此基础上,提出了一种新的分割和检测奇异点的方案。该方案对原图像进行非分除小波变换,以得到带通图像,使得带通图像上的奇异点得到增强,同时背景和噪声得到抑制。将所得到的带通图像分割成互相重叠的方形区域,通过计算每个区域的扭曲度(Skerness)和峭度(Kurtosis)特征来判断该区域分布的非对称性和拖尾程度,并将具有较高值的区域标记为感兴趣区域ROI(Regions Of Interest)。在ROI中,如果能量特征超过某一给定阀值,则被视为准奇异点,形成二值图像。对二值图像进行数学形态处理的检测结果进一步证明了该奇异点分割和检测方案的有效性。     

基于形态学滤波的标记分水岭脑肿瘤图像分割

针对MRI(magnetic resonance imaging)脑肿瘤图像受噪声、磁场和容积效应等影响难以准确分割的问题,提出了一种基于形态学滤波的标记分水岭分割方法.首先对脑肿瘤图像进行形态学梯度预处理;其次,梯度图像进行开闭重建滤波,既保留脑肿瘤梯度图像的轮廓信息,又去除噪声和局部极小区域;再次,采用扩展的极值变换和强制最小技术得到内部和外部标记符,利用这些标记符修正梯度幅度图像;最后,对叠加标记后的梯度图像进行分水岭变换.利用Matlab对类圆形、三角形等不同亮度与形状特点的3幅临床MRI脑肿瘤图像进行分割仿真测试,实验结果表明,该算法有良好的分割精度和速度.     

汽车轮毂缺陷检测中的缺陷增强与字符去除技术

传统的轮毂图像缺陷检测算法,直接对采集到的图像进行检测,准确度低是其主要缺点。鉴于此,提出了一种汽车轮毂缺陷检测中的缺陷增强与字符去除技术。该技术通过对原图像进行数学形态学处理得到伪模板图像,然后将其与原图像相减的结果进行灰度拉伸,再叠加到原图像上以增强缺陷特征,最后使用双边滤波技术去除轮毂字符信息。实验结果表明,使用缺陷增强和字符去除技术之后,在满足时间限制的前提下,轮毂缺陷检测算法的准确度得到了提高。     

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.     

基于深度学习的汽车轮毂缺陷自动分割技术

针对建立轮毂无损检测智能化平台的需要,本文提出一种基于深度学习算法的轮毂缺陷自动分割方法,利用卷积神经网络的结构和径向基函数神经网络的非线性特点,构造一种深度学习网络结构来模拟人类的视觉感知。本文依据汽车轮毂X射线图像,利用U-Net网络来训练轮毂缺陷分割模型,并在感兴趣区域的基础上模拟人脑层次感知系统,该层次感知系统能识别感兴趣区域的灰度像素,通过深度学习分层网络和卷积神经网络,逐层提取缺陷区域的内在特征,从而实现轮毂缺陷的自动分割。实验表明本方法针对复杂轮毂缺陷的识别率达到90%以上,且识别时间开销大约5ms/张,优于传统方法。可见该方法能够满足轮毂缺陷自动分割的需求,具有潜在的应用前景。     

基于改进活动轮廓模型的焊接接头缺陷分割

针对焊接接头的X射线图像存在光照不均、对比度低、缺陷边缘模糊等特点,提出了一种改进活动轮廓模型的分割方法.在传统活动轮廓模型中,引入平均滑动直方图进行非参数概率密度估计,使模型的驱动按照梯度力和统计压力值进行,解决了初始化受限和对焊接接头缺陷边界难准确分割的问题.实验结果表明,应用本文所提改进算法,能够准确地从X射线图像中提取出焊接接头缺陷,图像分割精度得到显著提高.      

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.     

中国数字人切片图像的自动配准与分割方法研究

提出了一种新的方法,用于解决数字人数据集重建前的切片图像配准和分割问题.首先利用改进的彩色空间动态阈值法和形态学处理提取切片图像的定位杆坐标,在此基础上对原始图像进行变换,从而实现数据集的配准;其次根据配准后数据集相邻切片目标轮廓在位置和形状上的相似性,利用前层切片分割结果指导初始化位置和限制搜索空间的主动轮廓模型,实现了配准后数据集的自动分割.所提出的方法在数字人切片图像的分割中取得了令人满意的效果,并且该方法还可以应用在CT、MRI等医学图像序列中的器官和部件的分割中.     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换,利用变换后的高频帧信息提取出初步的运动掩模图像;进行数学形态学后处理,以消除各种噪声的影响和对象的不连通性,得到理想的运动掩模图像。实验结果表明该方法分割效果较好,分割出的运动对象可直接应用于基于对象的视频编码,且算法耗时较少。     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换，利用变换后的高频帧信息提取出初步的运动掩模图像；进行数学形态学后处理，以消除各种噪声的影响和对象的不连通性，得到理想的运动掩模图像。实验结果表明该方法分割效果较好，分割出的运动对象可直接应用于基于对象的视频编码，且算法耗时较少。     

一种不同色域空间下的无监督图像分割技术

针对图像分割有监督学习模型训练时间长、需要大量训练样本才能确保模型精度要求且样本标记费时费力的问题,提出了在不同色域空间下基于神经网络的无监督图像分割方法。首先将图像进行不同颜色空间模型转化,得到不同色域空间下图像的颜色表示;其次利用felz和quickshift方法,对转换后的图像进行粗粒度聚类,形成超像素结果,并对每个像素打上相应的标签;最后利用神经网络细粒度的图像特征分辨能力进行微调,得到最终的图像分割结果。该方法在公开的COD10K等数据集上选取了数据集进行验证,实验表明,文中方法能够对图像进行合理分割,且与有监督长时间训练过程相比,无监督的推理耗时大大缩短,速度显著提高。