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.     

改进的FCM在人脑MR图像分割中的应用

为解决模糊C-均值聚类(FCM)算法在图像分割尤其是医学图像分割中存在的计算量大、运行时间过长的问题,提出了一种改进方法。利用收敛速度快的K均值聚类法得到的聚类中心作为FCM算法的初始聚类中心,减少FCM算法收敛所需的迭代次数;优化参与迭代运算的数据集,减少每次迭代过程的运算时间。该方法使FCM算法的运算速度提高了将近10倍,而且不会影响算法的分割效果。     

基于一维熵的图像阈值自动选取

图像的直方图双峰不明显时,选择分割阈值就很困难。本文提出用图像的香农(Shannon)信息熵来克服这一困难,并进行了理论推导,提出了实现算法。实验结果表明,本算法对任何形状的直方图,均可自动选择分割阈值。     

一种基于互相关匹配的空域目标提取方法

研究对空域目标的提取,针对空域目标和背景特殊的灰度差异性对目标进行分离。目标提取是通过图像阈值分割实现的。利用信号中的互相关原理,并结合图形模式识别中配准原理,提出了一种互相关匹配的阈值分割方法。实验结果表明针对于空域目标,该方法能够很好的提取出目标信息。     

一种基于背景记录和变化检测的视频对象分割算法

MPEG—4引入视频对象的概念，以支持基于内容的操作．视频对象分割是MPEG—4成功与否的关键因素之一．该文提出了一种基于背景记录和变化检测的视频分割算法．通过背景记录，它可克服常规的变化检测算法存在的对阴影和亮度变化敏感的缺点．实验结果表明，它可应用到各种视频序列，并能快速得到准确的分割结果．     

基于混沌映射的PSO及其在图像分割中的应用

目的提出了一种基于混沌映射的粒子群优化算法。方法一方面,应用逻辑自映射函数初始化均匀分布的粒群以提高初始解的质量;另一方面,根据群体早熟收敛的判断机制,在算法进化过程中引入局部变异机制和局部重新初始化粒群的方法以有效避免算法陷入局部收敛的缺点。结果该算法应用在基准测试函数优化中能有效提高全局寻优的性能,且稳定性好;应用在图像分割中取得了与遗传算法同样好的分割效果。结论提出的算法具有有效性和实用性,可用于求解高维复杂函数以及工程优化问题。     

基于色彩对比度的快速视觉显著目标分割方法

模仿人类视觉系统对显著色彩区域比较敏感的视觉注视机制,提出一种基于贝叶斯的显著性度量.利用像素点与其周围区域的色彩对比度衡量像素点的显著性,并根据显著性度量提出了基于graph cut的显著目标分割方法.在测试图像库上的实验结果表明,该方法可以从图像中提取具有完整轮廓的显著区域,并能准确分割出图像中的显著目标.     

彩色图像分割中基于图上半监督学习算法研究

提出一种新的基于图上半监督学习的彩色图像前景/背景分割模型与算法.该算法的目的是利用人工标定的部分像素点分割信息以实现对整幅图像的分割.通过结合像素点颜色特征和像素点颜色与前景/背景颜色的相似性特征,构造了新的图节点之间的双高斯权重函数,并对此提出自适应的参数选择策略与彩色图像半监督分割的能量模型,通过优化该能量模型将...     

基于度信息的图像过渡区提取与分割

提出一种基于度信息的图像过渡区提取与分割算法．将一幅图像映射为带权无向图,权函数定义为节点之间的相似度,由于目标内部与背景内部的像素同质性好,相似度大,因此度值较大,而边缘像素的度值就小,由此提取过渡区并进行图像分割．实验结果表明,本方法能够稳定地提取过渡区,且处理速度明显优于原有的过渡区提取方法。     

基于数据挖掘聚类分析的图像分割的研究和应用

目的探究基于聚类分析k-means算法的图像分割以及在遥感图像中的应用。方法首先研究聚类分析算法,其次基于RGB和HSV颜色空间下通过软件编程实现算法,最后应用于遥感图像。结果与结论优点是可以比较好地实现遥感图像分割的效果,HSV颜色空间下的图像分割效果较好;缺点是由于算法自身的限制,只能达到局部最优,便利性较差。