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。     

基于链码的分水岭算法在图像分割中的应用

在图像特征提取、识别以及基于特征的图像压缩等领域内,作为关键技术的图像分割方法具有重要的地位。本文首先对基于区域的图像分割技术进行了介绍。然后针对静态位图图像,利用基于链码的分水岭算法对图像进行分割,达到与人视觉系统比较符合的分割结果。     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．     

基于Adaboost的指纹图像分割算法

指纹图像分割是自动指纹识别系统的重要部分,针对已有指纹分割方法的不足,笔者提出了基于Adaboost的指纹图像分割方法.并且基于分级处理的思想,使用Otsu计算分割阈值,对图像进行初分割,然后又使用笔者提出的基于Adaboost的指纹分割方法对图像进一步的分割,最后采用形态学方法对细分割后的结果进行后处理实验证明,相对于已有的指纹图像分割方法,该方法具有较高的准确性和较强的适应性.     

基于Pixon的规格化切与图像分割

针对规格化切过程需要求解大规模矩阵的特征向量,使得这一图像分割方法需要很大的运算量的缺点,将基于Pixon的图像模型与规格化切相结合,提出了先获取基于Pixon的图像模型,然后再使用规格化切对基于Pixon的图像模型进行递归分割的图像分割方法.实验结果表明,该方法显著降低了使用规格化切进行图像分割时的运算量和内存消耗,提高了该方法的效率和实用性.     

基于PCNN的图像二值化及分割评价方法

针对目前图像二值化方法通用性不强、自适应阈值选取难,以及单一图像分割评价缺乏可靠性的问题,对基于脉冲耦合神经网络(PCNN)的图像二值化方法及其参数选择进行了研究,提出了一种综合考虑多种评价准则的用于评价图像分割效果的方法.实验结果表明:基于PCNN的二值化方法非常适合于各类图像的分割,具有分割精度高的特点;与单一评价方法相比,文中的综合评价方法能够更加客观准确地反映分割方法的分割效果.     

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.     

基于图的脑组织磁共振图像分割方法

提出一种基于图的层次聚类算法实现脑组织磁共振图像的自动分割。首先,采用基于图的分割方法对脑组织MR图像进行初始分割。由于脑组织MR图像各类组织结构分布复杂,尤其是脑脊液和灰质区域细节信息丰富、结构变化多样,分割结果中存在过分割现象。因此,利用对偶树复小波变换高频子带信息构造基于图的分割方法中参数k的自适应取值函数,避免图像平滑区域分割后产生大量小区域。然后,以层次聚类算法合并分割得到的小区域,解决基于图的方法分割脑组织MR图像中存在的过分割问题。最后,通过大量真实脑组织MR图像实验证明该方法在脑组织MR图像分割中的准确性和稳定性。     

基于均值漂移的SAR图像分割方法研究

本文主要讨论了均值漂移算法在图像分割中的应用,指出均值漂移算法是一个稳定的图像分割算法,该算法具有很强的适应性.对于遭受噪声污染的图像,它的分割效果会受到很大的影响.因此针对噪声特性,提出了用滤波器来改善基于均值漂移的SAR图像分割的方法.该方法的关键是设计合适的滤波器.基于该方法进行了图像分割实验表明,该方法可以改进图像分割效果.     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

基于Nystrom方法的水平集医学图像分割算法

现有的基于最小化区域扩展拟合能量的图像分割模型,对于边缘模糊、噪声强的图像存在易产生边缘泄露的现象,导致分割效果不理想.针对这种现象提出了一种基于Nystrom方法的水平集医学图像分割算法.算法将原始图像通过Nystrom方法采样,近似估算相似矩阵和特征向量,通过k-means算法将特征向量聚类,最后利用水平集分割方法实现图像分割.实验结果表明,与基于最小化区域扩展拟合能量的图像分割模型相比,在相同的迭代次数中,分割时间减少,相似度系数提高.     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.     

基于最大区域互信息量的生物细胞图像分割

针对基于互信息量的阈值分割算法没有考虑像素的空间结构信息以及分割后图像与原图像之间关系的问题,提出了一种基于最大区域互信息量的图像分割算法.以区域互信息量作为目标函数,综合考虑图像各像素的邻域数据以及图像内在空间信息,利用粒子群算法找出图像分割的最佳阈值,克服了基于最大互信息量分割方法的不足.     

尿沉渣图像的小波变换与二维最大熵阈值分割算法

针对尿沉渣图像的复杂散焦以及背景和目标区分度低、有形成分复杂,从而导致尿沉渣有形成分分割困难的问题,提出了一种组合分割方法。首先采用小波变换消除散焦影响,再结合数学形态学方法对图像中目标成分进行定位,分割出子图像,最后利用基于小波变换图像分割和二维最大熵阈值分割的组合分割方法对子图像中不同特点的尿沉渣有形成分分别进行分割,极大的提高了分割的精度。实验结果表明,该方法能够精确有效地实现尿沉渣图像有形成分的分割。     

基于模型的FLIR图像的多分辨率分割方法

针对低对比度前视红外（ＦＬＩＲ）图像分割问题的特点，将多分辨率图像处理技术与基于模型的前视红外图像分割方法结合起来，提出了基于模型的ＦＬＩＲ图像的多分辨率分割方法．首先建立一金字塔结构的多分辨率图像集，然后在每一固定分辨率级别上使用基于模型的ＦＬＩＲ图像分割方法，并用低分辨率上的分割结果修正高分辨率上迭代的初始概率，最后在原ＦＬＩＲ图像中得到分割结果．该方法能得到更为精确的目标分割结果，并大大减小背景对分割图像的干扰，同时还加快了选代的收敛速度．对实际红外目标图像的分割结果证实了本算法的有效性．     

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.     

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。     

基于相位的C-V模型乳腺超声图像分割方法

为了提高乳腺超声图像分割的准确率,提出了一种基于相位特征的C-V模型超声图像分割方法.首先,采用LOG-Gabor滤波器对超声图像进行6个不同方向的滤波,提取最大能量所对应的相位信息,得到超声图像的相位特征.然后,采用SRAD方法对超声图像降噪,并将降噪后的图像与相位特征点乘,增强图像目标与背景的对比度.最后,运用C-V模型的分割算法识别图像中的目标区域,并采用腐蚀方法使目标区域边缘完整、平滑.实验结果表明,与基于灰度的C-V模型、GAC模型以及基于相位特征的人工神经网络方法相比,利用该方法分割乳腺超声图像,分割的精确度明显提高,达到92.40%.     

基于熵结合的活动轮廓分割模型

针对传统活动轮廓对图像分割鲁棒性较差的问题, 将基于区域的轮廓模型和基于梯度的轮廓模型通过图像熵与图像梯度和进行结合。通过图像熵与图像梯度和建立基于梯度与基于区域结合的活动轮廓模型。将水平集函数嵌入到模型中, 对模型结果进行连续分割, 并进行拓扑变化。采用窄带方法进行快速演化。实验证明, 该方法有较好的鲁棒性和较快的分割速度, 对图像分割理论的发展提供了新的研究途径。     

基于尺度空间的图像过分割抑制方法研究

本文主要针对基于分水岭算法的图像分割中产生的过分割现象,提出了一种基于多尺度空间的过分割抑制方法。利用高尺度空间图像缺失细节特征的特点,用高尺度空间图像的分割结果指导低尺度空间的区域合并,可以有效的防止过分割现象,并得到精确地分割脊线。实验验证该方法具有明显的过分割抑制效果。