基于小波变换和形态学的图像分割方法

提出一种基于小波变换的分水岭图像分割方法。首先,源图像进行形态学开闭重建滤波,然后将滤波后的图像进行小波分解,在小波分解顶层的低频概貌图像中用分水岭分割算法将图像分割成若干个小区域,根据一定的区域合并准则进行区域合并,获得初始分割图像,最后将初始分割图像投影到全分辨率图像上,得到最终的分割图像。该方法有效地解决了传统分水岭算法对噪声敏感和过分割问题,并提高了计算速度。     

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．     

基于形态学滤波的标记分水岭脑肿瘤图像分割

针对MRI(magnetic resonance imaging)脑肿瘤图像受噪声、磁场和容积效应等影响难以准确分割的问题,提出了一种基于形态学滤波的标记分水岭分割方法.首先对脑肿瘤图像进行形态学梯度预处理;其次,梯度图像进行开闭重建滤波,既保留脑肿瘤梯度图像的轮廓信息,又去除噪声和局部极小区域;再次,采用扩展的极值变换和强制最小技术得到内部和外部标记符,利用这些标记符修正梯度幅度图像;最后,对叠加标记后的梯度图像进行分水岭变换.利用Matlab对类圆形、三角形等不同亮度与形状特点的3幅临床MRI脑肿瘤图像进行分割仿真测试,实验结果表明,该算法有良好的分割精度和速度.     

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.     

基于SOM-K聚类的图像分割算法

针对介电弹性体图像在电致形变实验中存在噪声过多、光照不均和无法准确分割等缺陷,提出一种基于形态学重建、核聚类算法与分水岭算法相结合的目标图像分割改进算法.首先选取合适的结构元素对图像进行形态学重建,然后对重建后的形态学梯度图像进行分水岭分割,最后通过SOM-K算法聚类所得分割图像,合并相似区域,以降低过分割的影响.结果表明该分割算法准确度高且可行性好.     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换,利用变换后的高频帧信息提取出初步的运动掩模图像;进行数学形态学后处理,以消除各种噪声的影响和对象的不连通性,得到理想的运动掩模图像。实验结果表明该方法分割效果较好,分割出的运动对象可直接应用于基于对象的视频编码,且算法耗时较少。     

基于改进分水岭算法的医学图像分割

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将形态学滤波、多尺度形态学梯度和控制标记符分水岭相结合的分割策略。首先利用数学形态闭-开运算完成预处理以滤除原始医学图像中的噪声和非感知信息。其次做闭运算以平滑图像,并对平滑的图像计算多尺度的形态学梯度。再次对形态学梯度图像进行重建,然后采用控制标记符的分水岭变换算法对重建后的梯度图像进行分割。最后将分割结果变换回原始尺度。仿真实验结果表明,这种改进的方法不但使经典分水岭算法中的过分割现象得到了很好的抑制,医学图像中的病变区域被有效分割出来;而且分割算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

基于时间轴小波变换的运动对象分割算法研究

对时间轴一维小波变换的视频运动对象分割算法进行了研究。将视频序列进行时间轴一维小波变换，利用变换后的高频帧信息提取出初步的运动掩模图像；进行数学形态学后处理，以消除各种噪声的影响和对象的不连通性，得到理想的运动掩模图像。实验结果表明该方法分割效果较好，分割出的运动对象可直接应用于基于对象的视频编码，且算法耗时较少。     

一种改进的分水岭图像分割算法

针对分水岭图像分割算法普遍存在受噪声影响大和过分割的问题,提出了一种基于梯度修正和相邻区域边缘强度合并的改进分水岭图像分割算法。首先对图像采用形态学开闭重建滤波,消除噪声对图像的干扰;其次,使用多尺度算子计算形态梯度,充分利用大结构元素和小结构元素的各自优点,获得更准确的形态学梯度;再用粘性形态学运算对梯度图像修正,有效去除产生过分割的局部极小梯度值;分水岭变换后,定义出相邻区域的边缘强度值,并基于相邻区域边缘强度合并过分割区域,进一步消除图像过分割,改进分割效果。实验表明:该方法不仅能够有效地去除图像噪声干扰,而且能够消除过分割区域,同时还具有较强的区域轮廓定位能力,有效提高了图像分割效果。     

基于标记的改进分水岭分割算法

针对传统分水岭分割算法中存在的过分割问题,提出了一种基于标记的改进分水岭分割算法。该方法首先对原图像进行形态学开闭预重建,去除图像中的暗纹理和噪声,在计算形态梯度之后采用开闭后重建,然后,对重建后的梯度图像利用最大熵阈值方法进行标记处理,依据标记对原始梯度图像进行修正,最后使用分水岭算法在修正后的梯度图像上进行分割。从实验结果来看,该方法能较好地抑制传统分水岭算法的过分割现象。