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。     

一种基于帧间差与图像分割的运动目标分割方法

视频图像中对运动目标进行分割是十分有意义的.传统的背景减除法和帧间差法在提取运动目标的时候各有自身难以克服的缺点.基于阈值、边缘、直方图的图像分割一般只适合于静态目标的分割.提出一种结合图像分割(Graph Cuts)和帧间差的新方法进行运动目标分割.帧间差法具有良好的稳健性,而Graph Cuts算法则弥补了帧间差无法获得完整运动信息的缺点.利用帧间差法得到不完整的运动信息对Graph Cuts进行分割约束可以准确、稳定地提取出运动目标.     

粘连颗粒分割的中心核提取方法研究

在图像处理中的粘连颗粒分割方法研究中,获得各个颗粒中心核是分割的基础和关键,极限腐蚀是现有提取中心核的主要方法．通过讨论颗粒粘连程度的不同情况,对极限腐蚀所造成过分割的原因进行了分析研究,提出一种基于局部距离值比较的中心核提取方法,该方法以腐蚀运算得到的距离值为基础,充分考虑与周围颗粒粘连情况,通过在局部区域内判断是否存在大于该距离值的点来定位中心核．颗粒图像分割实验结果表明,该方法消除了极限腐蚀所造成的过分割．     

基于边缘流和区域合并的岩屑颗粒图像分割

边缘流分割算法可利用图像的多种特征进行准确的图像分割,但传统的边缘流分割算法运算复杂度高,容易造成过分割.针对这些问题,作者对边缘流算法进行改进,并提出一种基于边缘流和区域合并的图像分割方法.该方法首先对原始彩色图像进行改进的边缘流分割;再通过曲线演化和边缘连接得到封闭的边缘;最后根据区域颜色相似度对初分割的图像进行区域合并,得到最终的分割结果.实验表明,该方法提高了分割效率,解决了过分割问题,将该方法应用于岩屑颗粒图像分割取得了较好效果.     

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。     

头肩视频图像的运动物体自动提取

介绍、比较区域分割、运动分割和物体分割的概念及其在视频序列图像分割中的应用。分析说明各种运动状态下帧差图像与相应帧灰度图像的关系。提出了基于帧差图像边缘与灰度图像边缘之间强相关性的运动物体边界自动跟踪、提取算法。利用运动物体边界的闭包分割、提取运动物体。提出了多层次运动物体描述的思想。     

两种基于空间域聚类分析的彩色图像分割方法比较

综合研究了基于空间域聚类分析的图像分割方法 ,针对彩色显微颗粒图像特征 ,选择了两种阈值分割法———最大类间方差分割法和模糊聚类分割法 ,并对其进行了推广以应用于彩色图像分割。在详细分析各种彩色特征的前提下 ,通过选择合适的正交彩色特征量I1、I2和I3,成功地进行了两类彩色显微颗粒图像分割和目标提取。算到表明 :两种方法的提取精度相当 ,而最大类间方差法的计算速度明显要快 ,因此较模糊聚类分析法更为简洁有效     

基于FCM和标记分水岭的粘连岩石颗粒图像分割

模糊C均值算法可利用图像的多种特征值进行准确的图像分割,但不能分割粘连物体;传统的分水岭分割算法能够获得准确的物体边缘轮廓,但容易造成过分割.为了解决这个问题,提出基于FCM和标记分水岭的粘连图像分割.该方法首先对原始彩色图像中值滤波后进行基于LUV颜色空间的FCM聚类;对聚类后的图像用形态学方法去杂质、空洞填充后进行距离变换;然后根据距离变换图像找出局部最大值,得到种子图像;最后对距离变换图像进行基于标记的分水岭分割,得到最终的分割图像.该方法对粘连岩石颗粒图像进行分割,取得了较好的实验效果.     

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。     

基于小波变换的合成孔径雷达图像分割研究

图像分割在后续的图像处理中起着至关重要的地位,合成孔径雷达（SAR）的相干斑噪声的存在,降低了图像的质量,传统的方法对不能很好地对图像进行分割。该文结合SAR图像和小波变换的特点,提出了一种新的图像分割方法。首先利用小波变换对图像进行软阈值滤波处理,降低相干斑噪声的影响,然后对重建后的图像进行阈值分割。经试验证明了该方法的有效性。     

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。     

基于遗传算法最佳阈值分割的矿石图像分割

为了实现选矿的自动化,通过利用工业摄像机对传送带上的矿石颗粒图像进行采集,Matlab对采集的图像依次进行双边滤波降噪处理、遗传算法最佳阈值分割、分水岭分割、矿石颗粒像素标定以及像素面积检测的方法研究了矿石的粒度分布,结果表明：与人工筛分的数据进行对比,显示图像处理的结果在误差允许范围内。可见运用图像处理的方法进行矿石粒度的检测是可行的,能够为矿石的破碎提供数据指导,促进矿业生产的自动化和智能化。     

基于形态学优化处理的标记符分水岭矿石图像分割

针对不同形状、颜色的堆积矿石在图像采集时出现粘连重叠、边缘模糊等问题,提出一种形态学优化处理的标记符分水岭算法对矿石图像进行特征识别与边界分割。首先采用双边滤波进行去噪处理,然后通过Canny边缘检测算子梯度化,得到梯度幅值图像;其次采用形态学优化处理,重构堆积矿石的几何特征信息,分割矿石颗粒边缘;最后将图像进行可视化处理,获得彩色矿石颗粒分割图像。在形态学优化处理过程中,通过阈值分割数来寻找结构元素最佳参数,再通过分割率来确定最优结构元素。结果表明,该方法比传统标记符水岭算法分割更精准,且不同结构元素及其参数的变化对矿石分割效果影响较大,分割差异显著,当矩形结构元素长10、宽5时,其分割率最高,为95.68%,分割效果最佳。     

基于数学形态学的铁谱磨粒图像分割研究

铁谱磨粒图像识别中,由于磨粒与磨粒的相互粘连,造成磨粒图像二值化后,边缘提取不能体现其原有形状。该文将数学形态学的腐蚀和膨胀算法引入铁谱磨粒图像的分割中,通过对二值化后的磨粒图像实施先腐蚀后膨胀的运算,成功地完成了磨粒图像的分割,并且结合拉普拉斯算子,有效地提取出单个铁谱磨粒的形状,有助于实现铁谱磨粒的自动识别。     

基于图像分析的堆浸铀矿石颗粒参数辨识

采用数字图像处理技术对铀矿石颗粒参数进行测量,并确定铀矿石块度分布.首次将图像引导滤波器应用于矿石图像滤波,较好地滤除了图像噪声和保持矿石边缘细节信息.采用基于最大类间后验交叉熵准则的PCNN图像分割算法分割矿石图像,减少了矿石粘连现象.为了解决第一次分割后矿石粘连现象,采用基于凹点匹配的数字图像切割算法对粘连的矿石图像进行第二次分割,能有效分离粘连矿石图像.采用基于形状特征的颗粒参数测量法测量颗粒参数,提高了颗粒参数的测量精度,得到了矿石块度的统计分布图.实验数据表明,该方法测量误差较小,能满足实际需求.      

融合注意力空洞卷积和Transformer的矿石图像分割

在金矿研磨过程中,矿石粒度大小对后期黄金冶炼起着至关重要的作用,是一个不可忽略的关键参数。为解决图像分割中多数矿石表面不规则、棱角多,粘连等问题,通过结合注意力与多尺度空洞卷积的Vit Transformer模型研究了矿石图像分割。首先使用ResNet34作为下采样主干,增强对金矿石的特征提取能力;其次采用Transformer模块解决长距离依赖问题,融合复合通道注意力空洞模块提升网络对金矿石边缘特征的提取能力,提高了网络的抗干扰能力并扩大感受野。实验结果表明：本文算法准确率达到95.84%,Dice系数达到94.69%,交并比(IoU)达到90.39%,错误率低至7.83%。与其他算法对比,本文方法精度、Dice系数、IoU更高,可以较好地完成矿石图像分割任务。     

Fuzzy entropy image segmentation based on particle swarm optimization

Particle swarm optimization is a stochastic global optimization algorithm that is based on swarm intelligence. Because of its excellent performance, particle swarm optimization is introduced into fuzzy entropy image segmentation to select the optimal fuzzy parameter combination and fuzzy threshold adaptively. In this study, the particles in the swarm are constructed and the swarm search strategy is proposed to meet the needs of the segmentation application. Then fuzzy entropy image segmentation based on particle swarm optimization is implemented and the proposed method obtains satisfactory results in the segmentation experiments. Compared with the exhaustive search method, particle swarm optimization can give the same optimal fuzzy parameter combination and fuzzy threshold while needing less search time in the segmentation experiments and also has good search stability in the repeated experiments. Therefore, fuzzy entropy image segmentation based on particle swarm optimization is an efficient and promising segmentation method.