一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.     

显微细胞图像分析方法的研究进展

阐述了图像处理技术在显微细胞图像处理领域的发展现状,包括显微细胞图像预处理算法、细胞分割算法、细胞跟踪算法、细胞形状变化分析、3D细胞图像分析等内容。 指出了显微细胞图像处理研究中的难点,如非刚体形状的描述,旋转、平移、尺度变化对形状描述影响的消除,3D形状信息的提取和压缩等。 并探讨了显微细胞图像处理由静态图像分析向动态图像分析,由2D图像分析向3D图像分析,由定性分析向定量分析的发展趋势。      

基于区域生长和水平集的肝脏提取分割算法

为了克服传统的以单幅图像作为信息来源的水平集模型分割复杂背景图像的局限性,结合区域生长法和水平集方法各自的特点,提出了一种新的由多幅图像信息构建的水平集分割算法模型。在运用水平集方法分割人体腹腔图像前,首先运用本文提出的一种有效的区域生长法在腹腔图像中得到肝脏的粗略分割结果作为先验形状图像。通过先验形状图像在Chan-Vese模型下控制水平集的演化,使活动轮廓的先验形状信息融合到水平集分割算法模型中,同时,利用Li模型在人体腹腔图像中进一步获取肝脏的边缘信息。这种融合多幅图像信息的复合水平集分割算法模型能够充分利用图像信息,有效地描述水平集方法中活动轮廓与目标区域肝脏的关系。通过实验验证,提出的算法模型能够很好地从人体腹腔图像中提取出肝脏区域。     

基于SLIC和动态区域合并的岩屑图像分割

岩屑图像分割要求精度高、速度快和鲁棒性强。针对这些要求,提出了基于SLIC(simple linear iterative clustering)和动态区域合并的分割算法。SLIC算法能产生形状规则、大小均匀、排列紧凑的超像素区域。但是SLIC分割后的图像过分割问题严重,为了降低过分割率,提出了基于NNR的动态区域合并算法,将超像素区域进行相似性合并。实验结果表明,将该算法用于岩屑颗粒图像分割,能够取得较好的效果。     

半自动图像分割

半自动图像分割是图像分割的方法之一,本文提出了一种半自动图像分割的方法,即首先用手工粗略地将图像中的对象勾画出来,将图像划分为目标区域和背景区域,再利用边缘检测、最佳阈值分割、数学形态学等算法对图像的目标区域边缘进行优化,通过大量试验,得到精确的对象形状信息。     

半自动图像分割

半自动图像分割是图像分割的方法之一,本文提出了一种半自动图像分割的方法,即首先用手工粗略地将图像中的对象勾画出来,将图像划分为目标区域和背景区域,再利用边缘检测、最佳阈值分割、数学形态学等算法对图像的目标区域边缘进行优化,通过大量试验,得到精确的对象形状信息。     

非洪泛的基于区域标记的图像分割与填充算法

提出了一种对大分辨率图像有效的、基于区域标记的图像分割与填充算法,能分割并填充高分辨率图像中任意形状的连通区域。算法不使用栈结构,不使用递归方法,仅通过一次标记和一次填充过程即可完成对主连通区域的分割和填充,不仅易于实现还克服了基于洪泛的种子填充算法和扫描线填充算法容易出现栈空间溢出的缺点,具有较强的实用性。     

基于简单线性迭代聚类算法和动态区域合并的岩屑图像分割

岩屑图像分割要求精度高、速度快和鲁棒性强。针对这些要求,提出了基于SLIC(simple linear iterative clustering)和动态区域合并的分割算法。SLIC算法能产生形状规则、大小均匀、排列紧凑的超像素区域;但是SLIC分割后的图像过分割问题严重,为了降低过分割率,提出了基于NNR的动态区域合并算法,将超像素区域进行相似性合并。实验结果表明,将该算法用于岩屑颗粒图像分割,能够取得较好的效果。     

一种有效的白细胞图像彩色空间序贯分割方法

为解决血液白细胞显微图像自动识别中的图像分割问题,文中提出了一种在彩色空间内,先采用自动阈值分割技术扣除背景,得到白细胞核区域模板;然后用以色调相似性作为增长准则,以白细胞形状的凸出形态作为收敛准则,序贯分割白细胞浆区域的处理方法．大量实验表明,该方法能稳定、有效地分割出白细胞区域．     

利用计算机视觉检测家蚕微粒子病的改进研究

在家蚕微粒子病显微图像自动识别图像分割问题中，首先应从显微图像中将微粒子从复杂背景中提取出来．由于显微图像对比度差、光照不均匀及噪音等因素的影响，采用传统的阈值分割方法和边缘检测方法不能顾及到图像局部的实际有用的目标信息，因此很难准确提取微粒子孢子区域．利用数学形态学的方法根据微粒子图像的形状特征来检测微粒子区域，实现微粒子和背景的分割，取得了较好的效果．运用基于遗传算法的BP网络进行了识别和分类，结果证明此方法是有效的．