测井工程图的前景背景分割方法

在测井工程图纸的矢量化过程中经常采用二值化的方法达到分割前景与背景的目的，但是目前许多陈旧图纸严重退化，经典的大津阈值法二值化分割测井工程图纸的前景与背景存在着不足，该文针对这一问题提出了一种有效的前景背景分割方法，该方法先对背景图像进行采样，再利用双3次内插法生成背景图像，实现退化图纸的前、背景分割，为进一步分析测井工程图纸提供了方便．     

基于多分辨率小波和高斯混合模型的纹理图像分割

提出了一个基于多分辨率小波采样和高斯混合模型的纹理图像分割方法。该方法首先对图像进行必要的预处理,然后对图像进行小波“金字塔”分解。分解后的小波系数和图像共同组成了相应像素的特征向量,然后利用高斯混合模型进行分割。分割的实验结果表明,该算法具有较强的分割能力。     

基于SVM的虚拟人彩色切片图像自动分割

为实现对数字虚拟人彩色连续切片的自动分割,提出了一种基于支持向量机的自动分割方法.该方法首先利用虚拟人连续切片图像间在颜色、纹理等特征的相似性,使用支持向量机分类方法对相邻图像进行分割.在分割结果达不到预定允许最小相似度条件或一次训练结果用于连续分割切片次数达到给定的最大允许次数时,则再利用相邻切片在空间上的相似性,自动对当前切片进行重新采样,然后继续训练、分割.使用虚拟中国人女性一号(VCH-F1)数据集中切片图像进行实验,对比研究了允许的最小相似度测度及允许最大连续分割次数对分割质量和分割时间的影响,并给出了受噪声污染图像的自动分割结果.该方法能有效实现对虚拟人连续切片图像的自动分割,能在保证一定分割质量的同时,兼顾分割速度,并能较好地克服噪声影响.     

一种新型Mobile Unet网络的肺结节图像分割方法

针对医学图像分辨率小、边缘模糊、感兴趣区域(ROI)边界不明显造成的分割不准确性问题,提出一种新型Mobile Unet网络的肺结节图像分割方法.该方法首先使用MobileNet中bneck模块替换Unet网络的下采样部分,并对输入图像进行特征提取;然后,将下采样提取的特征按照Unet网络连接方式融合到上采样部分;最后...     

图像测量中条带图像的分割

在图像测量中，需对复杂光场下获取的图像进行分割，用常用的阈值分割方法对其进行分割时，不能很好地克服光照明暗不同对图像产生的影响，提出了一种基于零交叉检测器的动态阈值选取方法，经过在实际项目中运用，证明其效果良好，能有效克服非均匀光场对图像分割结果所带来的影响。     

图像测量中条带图像的分割

在图像测量中，需对复杂光场下获取的图像进行分割，用常用的阈值分割方法对其进行分割时，不 能很好地克服光照明暗不同对图像产生的影响。提出了一种基于零交叉检测器的动态阈值选取方法，经过 在实际项目中运用，证明其效果良好，能有效克服非均匀光场对图像分割结果所带来的影响。     

基于多层次自注意力机制的U-Net图像分割算法

针对U-Net图像分割在下采样过程中会丢失过多信息且在上采样过程恢复效果不佳,从而导致图像分割精度降低的缺陷,提出了一种基于多层次自注意力机制的U-Net图像分割算法。该多层次自注意力机制在每一层上采样层前均嵌入自注意力模块,将上采样层的输入与缩放的原图拼接后处理成模板图,再与原本的输入信息融合后输出到上采样层。该算法不仅能通过拼接原图的自注意力模块进一步提供更多细节信息,还能利用上采样层的特征选择功能减少拼接原图带来的背景噪音,提高模型的分割精度。最后,在PASCAL VOC数据集和DeepFashion2数据集的基础上进行了人体分割和服装分割实验。实验结果 证明,该方法 能较好地改善图像的分割性能,从而证明了其正确性和有效性。     

一种改进的HCF贝叶斯图像分割方法

贝叶斯方法是图像分割中广泛使用的方法，ＨＣＦ（ＨｉｇｈｅｓｔＣｏｎｆｉｄｅｎｃｅＦｉｒｓｔ）是一种有效的优化方法，用ＨＣＦ对图像进行贝叶斯分割，并且改进了贝叶斯分割中的势能函烽，提出局部势能的概念，从而获得了较为满意的图像分割结果。     

基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

基于卷积神经网络的室外运行太阳能电池板裂纹检测

针对室外运行的太阳能电池板裂纹检测问题,提出一种基于卷积神经网络的自动检测算法.首先,采用寻找轮廓、拟合四边形和透视变换等图像处理方法对采集的太阳能电池板电致发光图像进行矫正;然后,采用背景去除、图像投影、电池单元边界线寻找和透视变换等方法将矫正的图像分割为太阳能电池单元图像;最后,应用经训练的改进卷积神经网络检测电池单元图像是否含有裂纹.训练神经网络时,使用欠采样与过采样技术解决正负样本的不平衡问题.结果表明:该算法在测试集上的准确率可达96.37%,满足太阳能电池板自动分割的要求,能有效检测出有裂纹的电池单元.     

基于Chan-Vese算法的自适应分等级分割方法

针对多目标物体图像的分割问题,在Chan-Vese多相分割模型的基础上,结合分等级分割的概念,提出自适应分等级分割方法,在每一阶段分割之前能够先根据图像中的物体数量判断出所需要的Level Set函数的个数,再进行分割工作.实验结果表明,自适应分等级分割方法不仅消除了多相分割模型对初始化曲线位置敏感的不足,而且能够充分利用每一个Level Set函数,减少分割步骤,并且能提高弱边界的提取精度,是一种有效且稳定的方法,能够产生光滑、准确的分割结果.     

基于HSI色彩的血细胞图像的分割算法实现

图像分割是图像处理和计算机视觉中基本而关键的技术之一,分割质量高低直接影响图像的后续分析处理.利用染色后的血细胞图像的HSI色彩信息对其进行阈值分割,并对分割后的二值图像中的孔洞进行填充优化,基本解决了此类图像目标分割困难的问题,取得了较好的分割效果,有利于细胞识别.     

基于数据网格的肝脏CT图像感兴趣区域分割

通过图像分割获取医学图像感兴趣区域是医学图像处理与分析要解决的首要问题及技术难点。为了获取肝脏CT图像中的感兴趣区域,针对肝脏CT图像的自身特点,提出了一种基于数据网格和改进的区域生长法相结合的肝脏CT图像感兴趣区域分割方法。首先利用数据网格对肝脏CT图像做粗分割,最大程度地去除骨骼及背景对后期分割的影响。其次,利用先验知识,确定区域生长的种子点,做基于改进的区域生长法的二次分割。实验结果表明,能较完整的分割出CT图像的肝脏区域。实验结果为进一步的医学肝脏图像的处理与分析奠定了基础。     

一种基于有偏场的医学图像自动分割算法

临床应用对医学图像分割的准确度和算法的速度要求较高,但是由于图像本身受噪声、偏移场效应等的影响,使得分割算法很难达到理想的效果。人工分割方法可在原始图像上直接画出期望的边界,然而费时费力,分割结果完全依赖于分割者的解剖知识和经验且分割结果难以再现。针对磁共振(MR)图像存在偏移场的问题,以及避免人为参与,将一种基于有偏场的适配聚类算法与活动形状模型算法(ASM)相结合,提出了一种将基于MR图像的自动分割方法。该算法能够校正扫描间和扫描内部的灰度不均匀性,避免了图像不同程度地丢失原图像的信息,并达到全自动分割图像数据,该方法较传统算法更精确和稳健,可在医学图像处理和分析中发挥作用。     

基于PCNN的图像二值化及分割评价研究

在介绍传统二值化方法的基础上,对PCNN脉冲耦合神经网络进行了研究,由于PCNN独特的相似神经元同步点火的特性,使其非常适合于各类图像的分割;同时结合图象二值化研究,对目前仍处于难点的图像分割评价作了研究,提出了综合评价思想。并通过实验仿真验证了：PCNN用于图像二值化,能够更好地区分和合理地分割出图像的目标和背景区域,具有分割精度高,适应类型广的特点;同时通过大量的实验数据也验证了所提出的综合评价思想的合理性,较之以往的评价准则更加准确和科学。     

岩石薄片正交偏光图像的颗粒分割方法

为了解决图像分析技术应用于岩石薄片粒度分析一直受到图像分割效果的制约问题,提高岩石颗粒自动分割的准确性,提出了一种岩石薄片图像颗粒分割的新方法。该技术是以自主研制的图像采集系统为基础,通过序列图像获取、序列图像处理、多分割层叠加、SRM算法分割以及小面积合并处理等实现颗粒分割。实践表明该技术用于碎屑岩薄片粒度分析可以实现90%以上的颗粒准确分割,具有良好的实用性、可靠性和准确性,弥补了普通显微镜在粒度分析中的不足,具有较高的推广价值。     

一个用于彩色肺癌细胞图像的分割算法

彩色图像的分割是图像处理中的一个难题。该文对HE（Hematoxylin and Eosin)染色的彩色肺癌细胞图像的分割问题进行了研究。在大量实验的基础上,提出了如何利用有效的彩色特征进行分割的算法。该算法首先利用有关的彩色特征将细胞从背景中准确地分割出来;在此基础上,再将细胞分离为细胞核及细胞浆2部分,以便进一步的分析处理。该算法简单准确,完全可以满足实用需要。     

基于相似性度量的高分辨率SAR图像无监督分割

SAR图像中斑点噪声的存在给分割造成了严重的影响.为此,基于JSEG平台,针对高分辨率SAR图像的特点,提出了一种新的相似性度量,这也是该无监督分割算法的核心.该算法主要由预处理、纹理组合和区域生长三个步骤来完成.在纹理组合中,利用新的相似性度量标准,把预处理后的SAR数据通过计算映射成一组新的数据,这组新数据可初步表征图像的分割;最后利用简单的区域生长完成分割.实验结果表明,该方法充分利用了SAR图像的特征信息,能够准确实现对SAR图像的分割,并具有很好的稳健性.     

基于图割的图像抠像与合成算法

提出了基于图割图象的抠像与合成算法。该算法改进了GrabCut算法的能量公式,对分割后的图像进行多次修正,提高了抠像的精确度;采用多值键代替传统二值键进行图象合成,即在合成时依据灰度级在待合成图象的不同位置改变混合比,将前景图象与背景图象有机的融合在一起。实验表明了算法的有效性。     

基于卷积神经网络的病理细胞核分割

针对病理图像中细胞核的精准分割问题,结合全卷积网络框架和高分辨率网络框架的特点,提出一种卷积网络对细胞核进行自动精准地分割;基于稀疏非负矩阵分解的方法将具有严重颜色分布差异的病理图像进行颜色分布归一化,以归一化后的图像为输入,利用所提出的卷积网络对细胞核进行分割;该网络通过减少下采样算子的使用,使图像信息在前向计算过程中不会过分丢失,并使用扩张卷积扩大深层神经元的局部感受野尺度大小;所采用的分割方案在2017年MICCAI病理数字图像分割数据集中达到0. 848的平均dice分数;实验表明,融合全卷积网络框架和高分辨率网络框架的卷积网络在病理图像中实现了细胞核自动精准的分割,可以有效减轻影像医师的工作负担。