图像分割技术的发展

图像分割是图像处理中的一项关键技术 ,也是一经典难题 ,从发展至今仍没有找到一个通用的方法 ,也没有制定出判断分割算法好坏的通过标准 .本文对图像分割方法中的域值分割方法、边缘检测方法和区域提取方法等作了一概述 ,并介绍了一些近年来出现的各种新方法和对分割评价标准的研究情况 .最后 ,指出了图像分割技术今后的发展方向     

图像分割技术探究

本文分析了图像分割的含义,总结了图像分割的途径,详细介绍了灰度阈值法分割图像的方法。     

图像分割技术研究

对传统的图像分割方法和近年来出现的一些新方法进行了综述,并分析了每类分割方法的特点,探讨了图像分割技术的未来发展方向。     

文档图像分割技术研究

在文档图像分析处理中,分割技术十分必要.本文介绍了目前文档图像分割算法中常用的特征和方式,并对针中文文档图像给出了一种分割方法.该方法首先利用Sobel算子粗略检测出文字边缘区域,利用形态学膨胀方法扩展该区域,接着进行了两次颜色聚类分析,最后根据中文字符的特征进行了一系列启发式处理,很好地分割出了文字区域.     

几种图像分割算法在CT图像分割上的实现和比较

对目前几种在图像分割领域得到较多应用的交互式分割、区域生长分割以及阈值分割算法进行了探讨,并且结合实际ＣＴ片图例分别进行分割实验研究,得到较为满意和可用性强的结果,实验表明：瓶值分割对于ＣＴ切片的效果最好;区域生长分割适宜于对面积不大的区域进行分割分割效果了;基于动态规划的交互式分割算法比较复杂,计算时间较长,但对于边缘较平滑的区域,同样具有较好的实际效果,几种算法的评估为其在ＣＴ图像分割上的实际应用提供了科学依据。     

医学图像分割处理技术的应用

医学图像分割是对医学图像进行三维重建操作的基础,本文阐述了医学图像分割处理技术的应用发展状况,对医学图像分割处理技术的类别及目前常用的分割方法进行了综述,并对医学图像分割处理技术的发展趋势进行了研究探讨.     

医学图像分割技术新进展

医学影像技术已成为医学技术中发展最快的领域之一,医学图像分割技术是医学图像处理和分析中的关键技术.在大量阅读国内外近期文献的基础上,对近年来医学图像分割技术的发展进行了分类综述,分别阐述了基于模糊算法、基于知识、基于神经网络、基于遗传算法、基于小波变换、基于数学形态学的分割算法,并根据最新文献介绍了其最新发展情况.     

指纹图像的分割算法

图像分割是指纹图像预处理中的重要步骤，单独使用常用的方差法和方向法，效果往往不是很好，但它们各有所长．优缺点互补．本文介绍了一种基于方差法和方向法的合成分割算法，实验结果验证了此方法的有效性．     

图像分割技术的比较研究

图像分割是图像处理与机器视觉的基本问题之一。到目前为止仍没有适用于所有图像的通用分割方法。近几年来通过借鉴其他领域的研究成果,产生了不少新的分割算法,但在应用中受约束较多。基于当前研究现状及相关技术的发展趋势,未来的图像分割技术应该具有多种分割方法结合、人工智能得到应用和人机交互的特点。     

PCNN图像分割技术进展综述

图像分割是模式识别和计算机视觉中的一个经典问题。近年来出现了很多图像分割新技术,其中基于脉冲耦合神经网络（PCNN）的图像分割技术由于它源于猫的大脑视觉皮层上的同步脉冲发放现象最为引人注目。本文对PCNN图像分割技术进行了全面的介绍。     

图像检索中图像分割方法综述

图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。针对图像检索中应用的图像分割方法进行了系统论述,分析了各种方法的优缺点并探讨了图像分割技术的发展方向。具体介绍了基于颜色布局的分割方法,基于无监督的分割方法。     

医学图像分割方法综述

医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题.本文在对国内外医学图像分割相关文献进行研究总结的基础上,对国内外常用医学图像分割方法的基本理论和特点进行了较为全面的论述,对各种分割方法的优缺点及其应用效果进行了总结.     

模糊连接度在图像分割中的应用研究

图像分割是图像处理与图像分析的关键步骤。由于人的视觉特性和数字图像本身所具有的不确定性因素,使得图像分割是典型的结构不良问题。在解决这方面问题时,模糊集合理论能产生比较好的分割结果。将模糊连接度方法应用于图像分割,使得模糊集理论在图像分割中的应用又前进了一步,基于模糊连接度的分割方法进行了综述,主要介绍模糊连接度方法,相对模糊连接度方法,模糊连接度和Voronoi图分类结合的方法,模糊连接度和FCM方法相结合的方法,模糊连接度上增加属性检测的方法。并简要讨论了各种方法的优点以及应用情况。     

基于图像分割的线段检测方法

介绍了线段检测技术的研究背景及发展历程,按照检测原理的不同,对线段识别方法进行了分类综述,主要介绍了基于Hough变换的线段检测方法、Burns边缘检测算法、端点扩张线段检测法、LSD线段检测法.通过对各种检测方法的阐述、分析和比较,总结了线段检测技术的理论缘由和应用特点,并提出了影响线段检测技术的几个因素,展望了线段检测技术今后的发展方向.     

水平集理论在磁共振脑图像分割中的模型研究

灰度不均匀性常出现在医学图像中,给图像分割问题带来很大困扰.为了提高鲁棒性,可在分割模型中引入各种先验知识,例如形状和灰度分布信息.而传统的引入先验知识的分割算法,如神经网络算法,仍存在许多问题,包括数据计算量大和边界不连续等.为了解决这些问题,提出了一种基于水平集理论的分割算法.利用局部区域的灰度信息定义能量函数,然后根据能量函数的最小化机制引导水平集曲线进化并最终收敛到目标边界.在仿真实验中,将局域化的水平集算法与传统的自组织映射神经网络算法进行比较.结果表明,所得到的算法在鲁棒去噪和目标边界的连续性方面效果更佳.     

基于深度学习的图像语义分割研究进展

图像语义分割是对图像中的每个像素点进行分类,将图像中的前景和背景区分并且识别出每个前景的类别。随着深度学习技术的发展,传统图像语义分割方法在分割精度和分割速度上已经彻底被超越。针对深度学习图像语义分割方法研究现状进行综述,对近年来国内外基于深度学习图像语义分割方法主要思想、优缺点进行了分析和总结。提出了该领域目前存在的问题,对将来的发展进行总结和展望。     

语义对象分割技术综述

语义对象分割是各种基于内容的多媒体应用领域中的一项关键技术,是近10年来图像与视频处理领域的一个研究热点.从实际应用的角度出发,介绍了三类具有应用价值的语义对象分割方法,即实时的自动对象分割、非实时的交互式对象分割以及针对具体应用的基于先验知识的对象分割.在分析了各类语义对象分割技术的利弊后,指出了语义对象分割技术的进一步研究应该结合高层语义信息来扩大其适用范围,并展望了目前刚刚起步的基于视觉关注度的语义对象分割方法.     

基于多分辨率-分水岭算法的图像分割方法

提出了在小波多分辨率域中使用分水岭算法对图像进行区域分割和融合的新方法,该方法首先使用小波变换理论将原始图像变换为不同层次的金字塔多分辨率图像；然后通过分水岭算法获得最低分辨率下的分割图像；最后。利用逆小波变换将分割的图像映射到原始分辨率上．从而获得分割图像．实验结果表明：此方法可以大大减少噪声存在下的过分割现象．     

基于被动太赫兹波图像的图像分割技术

研究被动太赫兹波图像的图像分割算法. 针对被动太赫兹波图像水平和竖直方向平滑程度不同的特点,提出了一种改进的高斯-拉普拉斯算子,不同于传统高斯-拉普拉斯算子各向同性的特点,改进的算子在水平和垂直方向上对边缘具有不同的检测尺度. 实验表明,利用该算子可以将被动太赫兹波图像中的人和隐匿物品自动分割,能够准确、快速地对可疑的隐匿物品进行定位,使被动太赫兹波成像技术满足实际应用的需求.