基于灰度-梯度共生矩阵的视网膜血管分割方法

提出了一种新的、有效的视网膜血管分割方法．它包括二维匹配滤波预处理以增强血管的灰度，以及用灰度-梯度共生矩阵的最大熵阈值化方法．该方法同时利用了图像的灰度和梯度信息．在计算梯度时选用了三次B样条小波．实验结果表明，该方法能较好地提取视网膜血管网络．     

ASR-UNet:一种基于注意力机制改进的视网膜血管分割算法

针对现有算法因视网膜图像中血管细小和光照等因素导致的分割精度低的问题,在U-Net的基础上进行改进,提出了一种能够较好地提取血管结构的算法模型ASR-UNet.首先,在编码和解码阶段使用了SE-Resnet结构,引入通道注意力机制对血管细微结构进行通道增强,之后在跳跃连接部分使用了AG模块对血管细微结构进行空间增强,提...     

视网膜血管分割算法研究

针对现有的视网膜血管分割方法对微细血管分割精度低的问题, 在多尺度单通道线性追踪(MSLTA:Multi-Scale Single-Channel Linear Track)的图像分割方法基础上, 提出了一种新的、 有效的视网膜血管分割方法。采用 Gabor 滤波预处理以增强血管信息, 利用 MSLTA 算法获得最初的血管网络, 采用连通域标记的去噪方法,去除图像上的斑点噪声, 分割出最终的血管。 利用国际上公开的 DRIVE(Digital Retinal Images for VesselExtraction)数据库的视网膜图像进行实验, 并与现有的常规算法做了对比。 多组实验结果表明, 该方法的平均精确度达到 95. 37%, 能很好地保留微细血管。     

基于全尺度跳跃连接的视网膜血管分割算法

为了解决经典分割算法对于视网膜血管分割精度不够的缺陷,通过将U-net3+(全尺度连接U形网络)应用于视网膜微血管分割,并加以改进来提高分割精度。首先利用U-net3+中的全尺度跳跃连接,提取更多尺度的视网膜微血管特征。针对细小血管难以捕捉的问题,将网络中的普通卷积换成可变卷积,它可以根据血管的形状、大小改变感受野的大小,提高算法的分割准确度。然后使用SFAM模块来优化U-net3+网络中的特征融合部分,保留更多的有用信息。在视网膜图像数据库上测试本文算法,结果表明,分割的平均准确率为97.63%,比传统的U-net网络和U-net3+网络分别提高了2.35%、0.99%。可见,改进算法有效提高了视网膜血管分割精度。     

基于多尺度线性检测的视网膜血管分割

提出一种自动、高效的视网膜血管网络分割算法。该算法基于对视网膜图像的多尺度线性检测,线性组合各个尺度下的图像响应获取血管特征图像。通过形态学top-hat变换和线性滤波器消除图像噪声和视盘对线性检测的影响,并且增强血管(包含细小血管)的对比度,提高线性检测对细小血管的敏感度,从而提取出更加精确的血管树细节。利用DRIVE和STARE数据库的视网膜图像进行算法性能评估。实验结果显示该方法能够获得很高的分割准确度,几乎为手工分割的结果。同时该方法简单、快速,对噪声具有鲁棒性,适合用于眼科检查的计算机辅助治疗系统。     

基于方向分数和Frangi滤波器的视网膜血管分割算法

针对视网膜图像分割中分岔和交叉等带来的难点,提出基于方向分数并结合Frangi滤波器的算法.这种算法利用基于Hessian矩阵的Frangi滤波器对线性物体的滤波效果来增强血管对比度,同时利用由蛋糕小波构造的方向分数所具有的各向异性和正交性从多角度、多方向对血管进行滤波,以利于图像的细节处理和血管网络的完整分割.该算法与其他算法的对比表明,该算法在处理分岔和交叉时优于其他算法,而且准确率、灵敏度和特异度的测量结果也都优于其他算法.     

基于上下文特征的视网膜血管分割算法

针对视网膜血管分布复杂且多变,提出一种基于上下文特征提取的视网膜血管分割算法。首先通过霍特林变换(Karhunen-Loeve, K-L)生成灰度图并经过预处理增强对比度。然后经过局部信息熵进行采样。该网络编码部分的多感受野残差编码模块在兼顾速度的同时对特征进行充分的提取。同时底部的特征融合模块由非对称融合非局部模块和非对称金字塔非局部模块两部分组成,用于融合图片的上下文特征。而解码部分由多个微型U型网络组成,保证将底层特征和高层映射特征有效融合并进行深层次的再提取。本文算法在血管分割的数字视网膜图像数据集(digital retinal image for vessel extraction, DRIVE)数据集进行仿真,准确率为96.45%,特异性为98.37%,敏感度为82.7%,实验结果表明能有效地分割视网膜血管。     

基于SKA-Unet的眼底图像视网膜血管自动分割

针对视网膜血管结构复杂,对比度较低及边界模糊等问题,构建了一种改进的Unet模型来自动分割视网膜血管。该算法在Unet基础上引入了选择性内核和注意力机制,通过增加多重感受野得到目标多维度的特征信息,并将注意力集中在最有效的特征中,从而提升网络分割血管的性能。利用网上公开的DRIVE和STARE两个常用眼底图像数据集训练和评估该模型,得到骰子系数、精确度、特异性、灵敏度和准确率分别为86.49%、88.65%、98.82%、84.5%和97.46%。实验结果表明,该算法能有效地分割视网膜血管,获得血管的形态和结构信息,对于诊断和治疗眼底相关疾病具有重要意义。     

基于快速谱聚类的图像分割算法

设计了一种基于快速谱聚类的图像分割算法,该算法利用余弦相似度构造相似度矩阵,避免了传统谱聚类算法中尺度因子的精确设置问题,提高了算法效率.在谱映射的过程中,该算法采用了Nystrm逼近策略,降低了谱聚类算法的复杂度和内存消耗.在Berkeley图像库上的图像分割实验证明了算法的有效性.     

马尔科夫蒙特卡洛在视网膜血管分割中的应用

目前大多数视网膜血管分割方法对非病变的视网膜血管图像具有很好的分割效果,但对病变图像的分割效果仍不理想．提出了利用计算机视觉中的Top～down和Bottom—up两种层次化分割框架相结合的方法来实现视网膜图像的分割,即在贝叶斯统计框架下,采用可逆跳转的马尔科夫蒙特卡洛算法搜索参数空间,求得不依赖于初始分割的近似全局最优的分割,同时利用数据驱动技术来加速马尔科夫链的动态变化．实验结果表明该方法不仅对非病变的图像而且对病变的图像都具有较好的分割精度．     

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。     

基于像素特征的路面裂缝图像自适应滤噪

分析了破损路面图像的像素点区域特征，针对不同区域提出加权邻域滤波和自适加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能根据图像的区域特征自适应的进行滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。     

基于免疫遗传算法的道路交通标志图像分割

针对道路交通标志图像分割的问题,提出了一种基于免疫遗传算法的实现方法。该算法利用免疫遗传机制,将图像的最佳阈值作为要求的解,设计了适合问题求解的抗体编码方式、克隆算子和免疫选择算子。仿真实验结果表明,所提算法能够有效地求得道路交通标志问题的最佳阈值。通过与传统遗传算法、改进遗传算法进行对比实验,更好地说明了本算法能够对图像分割得到较为满意的结果。     

基于灰度直方图的快速K—MEAN图象分割算法

K-MEAN图象分割算法本质上是一种迭代运算,分割结果虽不受初始类中心的影响,但分割处理速度明显依赖于初始类中心的选择.对此,本文根据K-MEAN图象分割算法的原理,提出了基于灰度直方图的快速K-MEAN图象分割算法,该算法直接在灰度直方图上进行迭代运算,不仅减少了数据处理量,且无需人工确定初始类中心,图象分割只需简单的门限判别.理论分析和实验结果证实了该算法能明显加快迭代过程和提高处理速度.     

基于颜色信息的水稻稻曲病图像分割算法研究

提出一种从颜色空间进行稻曲病图像的稻曲球分割算法,通过研究稻曲病图像颜色空间的各颜色分量对应坐标值的比值,分析颜色分量的色差模型,找到稻曲球、稻穗和叶片之间颜色信息的不同分布区域,采用动态阈值法有效分割稻曲球。图像分割实验结果表明所提算法的有效性,为后续进一步研究稻曲病的图像特征提取与图像识别等提供研究基础。     

基于细胞神经网的快速图像分割方法

细胞神经网(CNN)是一种局部互联的非线性并行模拟视觉处理系统,具有适合硬件实现处理速度快的优点.首先利用CNN-PDE非线性异质扩散滤波对图像作预处理,随后给出了一种基于CNN的图像分割方法.分割试验结果及仿真时间估计表明,CNN分割方法能以非常快的速度完成相应处理,是高效可行的.     

基于HIS空间的快速模糊C-均值彩色图像分割

提出了一种基于HIS空间的快速模糊C-均值的彩色图像分割方法．首先将彩色图像由RGB转换为HIS,根据H分量和,分量分别计算出每个像素的4个隶属度,然后把H分量和I分量的一个隶属度结合形成一个二维特征矢量,最后对二维矢量进行快速模糊C-均值聚类得到最终的图像分割结果．     

基于改进模糊C均值聚类和区域合并的矿物颗粒分割方法

岩矿石薄片图像中矿物颗粒的分割提取是分析鉴定工作的前提,为了进一步提高矿物颗粒提取的准确性,提出一种新的矿物颗粒提取分割方法。该方法以一组岩矿石薄片正交偏光序列图作为输入,对每张正交偏光序列图采用改进的模糊 C 均值聚类(FCM)算法进行初始的边缘提取,并叠加多张边缘图像,再对得到的叠加边缘图像进行精细化处理并进行目标颗粒筛选,得到初始的分割提取图像。为了抑制颗粒的过分割现象,利用基于区域邻接图(RAG)的合并算法进行区域合并,首先依据颗粒的颜色纹理等特征进行初始合并操作,再根据矿物颗粒在不同正交偏光角度下的变化规律进行二次合并操作,从而得到最终的分割提取图像。通过对多组图像进行实验表明,该方法可以获得良好的效果。