共查询到16条相似文献,搜索用时 109 毫秒
1.
一种改进的粘连细胞分割方法 总被引:1,自引:0,他引:1
《广西物理》2008,(1)
在细胞图像制作过程中,由于设备或人为原因,经常会出现细胞粘连程度分布不均匀的情况,从而影响分割的效果,用分水岭方法进行图像分割时,容易造成图像的过度分割。为了克服这种缺点,提出改进的图像分水岭分割的方法。该方法先用改进的中值滤波对图像进行预处理,在去除噪声的同时很好的保持物体轮廓和细节;以传统标记提取为基础,以标记点为区域极小值对图像进行分水岭分割。实验结果显示,该方法能很好地抑制过度分割,使分割得到了较好的效果。 相似文献
2.
3.
4.
5.
为了解决“猫眼”目标在夜晚环境下难识别的问题,提出了一种基于归一化中心矩的轮廓匹配“猫眼”目标识别方法。首先利用中值滤波对图像进行去噪,采用固定阈值分割完成了对图像的分割,使得“猫眼”目标与部分背景分离,使用Roberts边缘检测提取出了所有物体的边缘,最后采取了基于归一化中心矩的轮廓匹配算法,该算法不受平移和放缩的影响,提取出了图像中的所有圆形目标,并利用面积判别识别了真实目标,对识别出的目标绘制最小外接圆,利用圆心坐标对其定位。通过对不同光照强度下的“猫眼”图像进行实验与对比,验证了该方法的可行性,并通过目标识别评价指标验证了该方法的有效性。实验结果表明,该方法的全局准确率可达92.1%,可以在夜晚环境不同光照强度下成功地对“猫眼”目标进行识别。 相似文献
6.
7.
脑肿瘤图像提取就是将肿瘤病灶区域(水肿、坏死、癌变)从正常的脑部组织(灰质、白质、脑脊液)分开,精确的脑肿瘤分割对脑瘤的诊断、研究和治疗有重要的临床意义。针对传统脑部CT肿瘤病灶提取的缺点,即需要耗费大量时间并且分割精度不高的问题,提出一种综合了形态学重建、分水岭分割和改进的区域生长算法。先用形态学重建进行去噪,再用结合多尺度梯度分水岭分割提取整个图像的边界,然后在肿瘤病灶区域内选取种子点进行区域生长,提取肿瘤区域轮廓,滤除其他封闭区域,得到的图像作为改进的区域生长法的初始分割区域,使用改进的区域生长法,滤除过分割区域。实验结果显示该算法分割出的结果有效区域大,分割精度高。结论:该算法提高了分割精度,由于不用匹配结构参数,加快了分割速度,具有一定的临床价值。 相似文献
8.
CT图像中肺叶位置的确定对于肺部疾病的准确定位以及定性定量分析具有重要意义。为了提高肺叶自动分割准确率,提出了一种结合气管,血管等传统解剖学特征以及深度学习的肺叶分割算法。对原始图像进行预处理,获取肺实质、气管、血管以及基于深度学习网络的肺裂分割结果;整合来自多个解剖结构的信息生成分水岭分割所需成本图像;通过基于深度学习网络的肺叶粗分割结果,获取肺叶标记区域;执行基于标记的分水岭分割,实现肺叶的自动分割。选取了来自上海市肺科医院的20例含有肺部疾病患者的CT图像对该方法进行验证,最终的Jaccard相似性系数为92.4%。实验结果表明方法具有较高的肺叶分割精度,并且具有较强的鲁棒性。 相似文献
9.
10.
针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果。分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验。结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标。 相似文献
11.
12.
高分辨率遥感图像耕地地块提取方法研究 总被引:6,自引:0,他引:6
利用高分辨率遥感图像的光谱信息提取耕地地块对于土地利用动态监测、精准农业等领域有着非常重要的意义,然而传统的结合GIS软件与手工数字化提取地块的方法费时费力,并且具有很大的主观性,因此利用计算机自动提取地块具有很强的现实意义。文章提出了一种基于小波变换和分水岭分割的高分辨率遥感图像耕地地块提取方法,首先结合高分辨率层遥感图像的光谱信息,利用图像分类结果对原始图像中典型地物的灰度值进行对比增强处理,然后进行小波变换和分水岭分割,通过改进的区域合并算法解决过度分割问题,最后利用Canny算子引入边缘信息,得到最终的耕地地块分割结果。通过对北京地区Quickbird数据的应用,准确快速的提取了耕地地块数据,证明该方法是一种有效、可行的高分辨率遥感图像耕地地块提取方法。 相似文献
13.
14.
15.
16.
为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM)。方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力。实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。 相似文献