基于灰度与边缘的图像分割方法

提出一种基于多图像信息的图像分割方法，利用Ｂａｙｅｓ分类准则，根据每个像素的多图像信息向量将其分为目标或背景，并对动态图像组成的图像序列或静态图像的分割给出了不同的像素分类准则，同时给出了硬件实时实现的原理，该方法适用于图像序列、低对比度图像和其它难于用一种图像信息分割的图像。实验证明了该方法的有效性。     

基于灰度空间大熊猫图像分割方法研究

大熊猫作为中国国宝,其监测及保护更受到越来越多的关注。本文详细介绍基于灰度空间的阈值分割方法,用于大熊猫图片前景的提取,并与基于YCbCr颜色空间的分割算法进行对比,分析阈值分割的适用范围及分割效果。     

基于向量模糊模式识别的纹理图像分割方法

提出了一种基于同步自回归（ＳＡＲ）模型和模糊信息原理进行纹理分割的方法,利用二阶ＳＡＲ模型对图像纹理进行描述,用最小平方方法对模型参数进行估计,将估计的参数作为纹理的特征向量,根据模糊信息原理,分析了纹理图像提模糊特性,给出了一种基于向量模糊集合簇模糊模式识别的纹理分割方法,实验结果表明,用所提出的方法进行图像是分割取得了了分割效果。     

基于灰度最优阈值的图像分割方法及应用

讨论了在对图像进行分割时的一维、二维灰度直方图分割方法，对最优阈值灰度分割方法原理进行了描述，得出了最优阈值灰度分割算法。实验结果表明：利用此算法对图像进行分割能够得到较好的分割效果。     

基于灰度形态重构的颗粒图像分割方法

提出了一种基于距离变换、形态重构和分水岭算法的图像分割算法。将一幅图像通过距离变换得到距离灰度图,与形态重构算法结合,得到颗粒图像的标识点图,用标识点图对距离灰度图进行分割,再用分水岭变换对分割后的距离灰度图进行变换。试验表明,该算法能有效合理地解决粘连或者重叠颗粒等物体的分割。     

灰度图像分割算法的研究

综述了传统图像分割算法,其中详细分析了几种常用的边缘检测算子;随着越来越多人的研究,近年来涌现了许多新理论、新方法,本文对基于人工神经网络、小波分析和变换、数学形态学等其他新方法进行了概述;提出了今后图像分割算法研究的发展趋势。     

基于灰度分布的概率密度实现实时图像分割

针对实时图像质心跟踪的问题,提出了一种目标分割的算法。对相邻两帧图像的跟踪框和背景框的灰度分布统计,加入滤波因子,再根据Bayes判别规则构造判别函数,把背景像素和目标像素进行分类。实验结果证明,该方法克服了由于图像序列中某一帧图像灰度分布发生突变产生的影响,能较好的分割出图像中的目标。在电视跟踪系统中有效的保证了跟踪的稳定性。     

基于改进的形态学算子的灰度图像边缘检测

提出一种改进的形态学图像边缘检测算法.针对单结构元素在检测时出现检测结果边缘线条粗、不连续性的问题,该算法提出了利用6种具有代表性的结构元素进行膨胀组合,形成多尺度结构元素,从而弥补了传统边缘检测算法提取灰度图像细节边缘少及抑制噪声能力差的缺点.     

基于小波域灰度拉伸的Ostu图像分割

针对Ostu分割方法简单有效但不适用于没有明显双峰直方图图像分割的问题,提出了一种基于小波域灰度拉伸的Ostu图像分割方法,结合小波变换和最大类间方差分割的原理对图像进行灰度拉伸和边缘信息增强后再利用Ostu方法进行分割.实验结果表明,新的分割方法在没有明显增加计算复杂度的情况下增大了Ostu方法的普适度,保留了更丰富的细节成分,提高了分割精度.     

基于模型的FLIR图像的多分辨率分割方法

针对低对比度前视红外图像分割问题的特点，将多分辨率图像处理技术与基于模型的前视红外图像分割方法结合起来，提出基于模型的ＦＬＩＲ图像的多辨率分割方法。     

基于尺度空间的图像过分割抑制方法研究

本文主要针对基于分水岭算法的图像分割中产生的过分割现象,提出了一种基于多尺度空间的过分割抑制方法。利用高尺度空间图像缺失细节特征的特点,用高尺度空间图像的分割结果指导低尺度空间的区域合并,可以有效的防止过分割现象,并得到精确地分割脊线。实验验证该方法具有明显的过分割抑制效果。     

融合灰度和梯度方向信息的随机游走的图像分割

针对传统图像分割方法在处理梯度变化较大的图像中存在的缺陷,以随机游走算法为基础,在原始的像素的灰度信息的基础上,融合了像素间的梯度差信息作为图网络的权重,以更好地描述像素与其相邻像素间的关系,通过用户指定的种子点信息,借助于电路模拟以及线性方程的系统,使得随机游走者从每个非种子点沿着最大概率的边逐渐走向正确的标记点(目标点或背景点)即为其最可能属于的区域,从而最终实现图像的分割.实验结果表明,方法适合于梯度变化较大的图像,不仅保留了原有算法抗噪声的优势,而且运算效率较高,是一种有效的图像分割方法.     

基于Retinex理论与局部灰度信息的图像分割方法

针对灰度不均匀图像分割问题,文中提出一个新的两阶段图像分割方法.第一阶段,利用结构部分和偏移场的光滑性,提出一个基于Retinex理论的变分模型,提取图像的结构部分.第二阶段,利用偏移场的局部常数特性,提出全变差的图像分割模型,对提取出的结构部分进行分割.文中提出的方法充分利用了图像的各种先验信息,从而获得了比较精确的...     

基于ITK实现Canny边缘Level Set图像分割方法

根据医学图像的特点,在医学图像分割与配准算法研发平台ITK基础上,结合了Canny边缘检测和Level Set方法实现了对医学图像的分割。实验结果中,边界的平滑性得到了保持,医学图像中常见的解剖结构和拓扑结构得到了很好的处理,同时也提高了算法的鲁棒性。     

基于遗传算法的截集FCM灰度图像分割方法研究

以截集模糊C均值聚类（Sectional Set Fuzzy C—means algorithm：SSFCM）算法为基础,提出一种自适应遗传算法（Adaptive Genetic Algorithm）改进截集FCM算法。传统FCM算法中一般使用一维直方图初始化方法,使初始化与聚类算法相分离,没有形成整体,而且同一幅一维直方图可能对应不同的原始图像。引入自适应遗传算法,与截集FCM算法有机结合,用遗传算法解决初始化问题的同时．以遗传算法的寻优性能来指导聚类。实验表明,该算法效率较传统FCM算法和未改进截集FCM算法有很大的提高,同时能够保持较好的分割效果和质量。     

灰度不均匀图像分割

采用虚拟的符号距离函数代替真实的符号距离函数,依靠待检测目标局部灰度高斯加权均值来驱动活动轮廓的演化,提出了一种能够分割灰度不均匀图像的新颖活动轮廓模型.利用虚拟符号距离函数的梯度形成一个窄带,活动轮廓在窄带内做演化运算,其演化具有计算简单、分割效率高、抗噪性强等优点.符号距离函数重新初始化也只需要在窄带内使用高斯函数规则化后,对其取符号运算即可.符号距离函数重新初始化具有计算简单、效率高的特点.最后给出了活动轮廓在窄带内收敛的一个简单条件,能方便地判断待检测目标是否被检测出来.     

图像分割方法综述

图像分割是图像处理与机器视觉的基本问题之一,本文主要对图像分割方法的分类情况,图像分割系统的一般结构做了介绍,并且介绍了几种常见的核心分割算法。     

基于域适应对抗网络的眼底图像联合分割方法

由于数据集之间存在域偏移问题,基于深度学习的语义分割网络在不同数据集之间进行视盘视杯分割性能存在很大差异,这使得不同的医学站点之间进行精确的图像分析和诊断具有一定的挑战性。针对这一问题,提出了一种U-Net结合域对抗网络(domain adversarial via U-Net network, DAUNet)的无监督域适应视盘视杯联合分割方法,并在视盘视杯分割领域取得了不错的性能。首先,利用对抗思想结合目标数据先验特征信息生成与目标数据集相似的数据,预先调整网络参数;其次,通过对抗学习源域和目标域的域变特征,从而降低域偏移的影响,提高分割性能。在REFUGE、Drishti-GS和RIM-ONE-r3共3个数据集之间进行跨数据集的域适应实验和消融实验。实验结果表明,DAUNet网络在以REFUGE作为源域,RIM-ONE-r3作为目标域上视杯的Dice系数,视盘的Dice系数和CDR的绝对错误率分别为0.648 6、0.789 8、0.072 5,优于CADA的分割结果。在消融实验中,视盘分割和视杯分割在有对抗下分别优于无对抗8.00%、4.59%。提出的U型域对抗网络综合了U-Ne...