基于图像熵的快速Chan-Vese模型分割算法

提出了基于图像熵的快速Chan-Vese模型分割算法.该算法利用实时图像熵自适应计算模型能量函数中的拟合参数以提高分割速度,并通过检测熵在曲线形变过程中的变化来判定曲线演化的稳定态.实验表明.针对含噪严重、目标模糊且边缘不连续的红外图像目标检测,所提出的分割算法可以取得精确、高效的分割结果.     

基于Chan-Vese算法的自适应分等级分割方法

针对多目标物体图像的分割问题,在Chan-Vese多相分割模型的基础上,结合分等级分割的概念,提出自适应分等级分割方法,在每一阶段分割之前能够先根据图像中的物体数量判断出所需要的Level Set函数的个数,再进行分割工作.实验结果表明,自适应分等级分割方法不仅消除了多相分割模型对初始化曲线位置敏感的不足,而且能够充分利用每一个Level Set函数,减少分割步骤,并且能提高弱边界的提取精度,是一种有效且稳定的方法,能够产生光滑、准确的分割结果.     

基于水平集的Chan-Vese模型的图像分割

本文针对基于水平集的图像分割技术,研究了Chan-Vese模型,实现了该模型的灰度图像分割算法,提出了彩色图像分割算法,通过具体的实验结果,总结了该算法的优势。     

局部自适应Chan-Vese图像分割模型

经典的Chan-Vese(CV)模型不包含图像的边缘信息,当图像的目标或背景较为复杂时,分割效果并不理想.针对该问题,本文通过结合图像的局部信息对CV模型进行改进,并运用K均值聚类方法计算图像目标和背景区域的灰度均值.其次,在本原对偶理论(primal dual scheme)框架下,本文提出了模型的一个等价形式,并使用半隐式梯度下降法快速求解.实验结果表明,本文模型对合成图像和自然图像都有较好的图像分割效果.     

局部C V主动轮廓模型快速图像分割算法

经典的C V模型分割算法在处理较大尺寸图像时存在需多次迭代、运算时间长的缺点。在分析图像尺寸和初始逼近图像与获得稳定解的迭代次数与运算时间的关系的基础上,提出了一种改进的基于阈值分割及快速连通域标记算法的局部C V图像分割算法,对大尺寸图像进行处理。采用OTSU算法对图像进行初步的阈值分割,再利用快速非递归连通域标记算法进行连通域的标记及图像的局部分片。对分片后的小块图像以其阈值分割的结果作为初始逼近图像采用C V算法进行分割处理。算法分析及仿真结果证实,与经典C V算法相比较,改进的算法能够以很少的迭代次数和很短的运算时间达到稳定解,能够对含有丰富轮廓细节的大尺寸图像进行快速有效的处理。     

图像阈值分割算法研究

图像阈值分割的方法很多,但目前很难找到适用于各种场合的分割方法。本文针对实际情况对几种分割方法进行了分析比较及实验研究。在此基础上引入了遗传算法,加快了算法的收敛速度。最后将一种改进的遗传算法用于优化图像分割,取得了较好的分割效能。     

一种基于自适应阈值的图像分割算法

为提高目标检测概率，针对复杂的地面目标红外亚图像，提出了一种以最大类间方差法为基础的自适应阈值图像分割方法。用分割出的目标和背景区域的灰度统计量，设计了一个判断是否得到正确分割的准则．理论分析和实验结果表明，对于复杂背景下低对比度、低信噪比的地面目标，不论目标在图像中所占面积大小，利用该方法均可得到正确的分割结果．通过设置阈值运算的灰度取值范围，可大大减少计算量，节省处理时间．     

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．     

阈值分割算法在图像处理中的应用

图像分割就是根据图像的某些特征或特征集合的相似性准则对图像进行分类,把图像空间分成若干个某些具有一致性属性的不重叠区域。本文在介绍了阈值分割三种算法的基础上,通过matlab仿真实验结果分析比较了三种算法的优劣性。     

基于局域模糊聚类和Chan-Vese模型的CT医学图像分割

针对CT医学图像灰度不均匀的特点,研究了基于改进的模糊聚类和ChanVese模型的图像分割.该分割模型综合利用基于空间信息的FCM算法、图像局部区域信息以及Chan-Vese模型,通过最小化能量函数的方式来进行曲线演化.基于空间信息的FCM算法对曲线的演化起到了一定的收敛作用,并且局部区域信息提高了分割质量.分割模型还考虑了分割效果和计算效率,降低了算法的时间复杂度,提高了算法的执行效率,从而提高了灰度不均匀图像分割的精度.     

基于区域划分和改进C-V法的医学图像分割方法

提出了基于图像区域划分和改进C-V法的活动轮廓图像分割方法.通过区域划分的方法将整幅图像的分割问题转化为在不同的子区域上分别进行的图像分割问题,并在各子区域中采用改进C-V法进行图像分割.改进的C-V方法在简化Mum ford-Shah泛函的能量函数中增加距离函数惩罚项,从而将距离函数重新初始化的过程并入整个水平集框架模型中;并在分片常数优化逼近中,添加了图像梯度信息,改变了C-V法中均值取值定义,提高了对灰度层次丰富的图像分割能力.实验表明,该方法对灰度值接近、边界模糊的医学图像有很好的分割效果.     

一种改进的基于类间方差的阈值分割法

在图像的目标和背景像素灰度均服从正态分布时,提出了一种改进的基于最大类问方差法的图像分割算法．对新算法进行了测试并与最大类间方差法和最大熵法进行了比较,结果表明,新的改进算法在图像分割过程中具有速度快、效果好的特点．     

基于直方图阈值和Snakes模型的舌象图像自动分割

在中医临床现代化研究中,提出采用计算机图像处理技术进行舌诊客观化研究.在Snakes模型下将目标舌体从原始图像中提取出来,实现舌诊客观化研究第一步.利用直方图阈值估计最初舌体轮廓线,通过Snakes模型能量最小化计算,对估计轮廓线进一步处理以达到最佳效果,提高了舌体提取的准确率.最后通过实验证明了算法的有效性及可行性.     

基于CV模型改进的MRI图像分割方法

为解决灰度变化缓慢,边缘变化不明显的MRI图像的分割问题,在CV(Chan-Vese)模型的基础上,改进了CV模型的能量泛函,同时用新的g(R)来替换Dirac函数,优化了CV模型的参数,提高了CV模型的分割精度和分割速度。首先,引入了一个新的局部项。通过对图像进行局部直方图均衡化预处理,用预处理过的图像与原图像相减得到目标边缘变化较为明显▽I,将其作为局部项引入到CV模型的能量泛函。然后,由局部项构建新的边缘指示函数。用新构建的边缘指示函数g(R)代替Dirac函数,解决了CV模型演化曲线不能检测远离目标的边缘的问题。最后,优化平滑项参数,减少迭代次数提高运行效率。实验结果显示,本算法对脑部复发性胶质母细胞瘤的MR图像具有较好的分割效果。     

基于灰度最优阈值的图像分割方法及应用

讨论了在对图像进行分割时的一维、二维灰度直方图分割方法，对最优阈值灰度分割方法原理进行了描述，得出了最优阈值灰度分割算法。实验结果表明：利用此算法对图像进行分割能够得到较好的分割效果。     

一种基于熵值的自动阈值图像分割方法

在分析输电线路部件图像样本的特征的基础上,提出了一种基于熵值的自动阈值图像分割方法．该方法利用图像的信息熵值来自动选择图像的分割阈值,将由输电线路主要部件构成的前景图像分割出来．实验结果表明,该算法具有实现简单、计算开销小、运算速度快的优点,能满足以天空为主要背景的输电线路自动巡视的高分辨率图像实时预处理的需     

一种新的基于区域生长的彩色图像分割算法

为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法.首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法在运算时间以及分割准确性具有明显优势。     

融合局部描述子的阈值图像分割算法

针对基于局部熵的过渡区阈值算法中没有同时考虑局部图像灰度变化的频率和幅度,提出一种融合局部描述子的过渡区阈值算法.提出算法首先采用图像的局部熵和局部方差等局部描述子提取图像的局部特征;其次融合局部图像特征构造特征矩阵,并选取合适的特征阈值提取图像的过渡区;最后根据图像过渡区的灰度均值分割图像.实验结果表明,根据一些图像分割的定量评价标准,提出算法提取过渡区的质量高,分割图像效果好.     

基于U-Net改进的内窥镜息肉图像分割算法

息肉图像的分割在临床医疗和计算机辅助诊断技术等领域具有广泛的研究和应用价值,但是就目前的研究和应用需求来看,准确的息肉分割仍然是一项挑战. 针对内窥镜息肉图像中出现的息肉与黏膜边界不清晰、息肉的大小和形状差异较大等影响分割质量的问题,该文提出了一种基于U-Net改进的息肉图像分割算法（SBF-Net）. 首先,在U-Net架构上引入了边界特征加强模块（BFEM）,考虑到息肉边界和内部区域的关键线索,该模块利用编码器高层特征生成额外的边界补充信息,在解码器阶段进行融合,提升模型处理边界特征的能力. 其次,该模型的解码器（GFBD）采用了从上至下逐步融合特征的方式,将编码器阶段的输出特征经过局部加强（LE）模块之后再逐步融合边界特征,这种多尺度特征融合方式有效缓解了编码器和解码器之间的语义差距问题. 最后,在后处理阶段采用测试时数据增强（TTA）来进一步对分割结果进行细化. 该模型在CVC-300、CVC-ClinicDB、Kvasir-SEG、CVC-ColonDB和ETIS-LaribPolypDB等5个公开数据集上进行了对比实验和消融实验,实验结果证明了该文所改进方法的有效性,并在内窥镜息肉图像上表现出更好的分割性能和更强的稳定性,为息肉图像的处理和分析提供了新的参考.     

基于多尺度分析的归一化割图像分割算法

不同尺度的图像拥有不同的特性,针对单一尺度图像进行分割容易出现过分割或欠分割的问题,本文提出一种基于多尺度分析的归一化割的图像分割方法,首先利用方向能量模型得到不同尺度子图像的边缘方向能量,然后根据干涉轮廓的思想建立各个子图像像素之间的相似度,形成多个不同尺度的权值矩阵,并归一化为一个权值矩阵,最后运用归一化割算法对图像进行分割。实验表明,本文方法在融合了多个尺度图像不同特性的同时,能很好地处理含有纹理区域和弱边缘的图像,在一定程度上避免了过分割或欠分割的问题。