基于数学形态学的深度图像分割

本文提出了一种基于数学形态学基本运算的深度图像分割方法。首先利用数学形态学算子来获得分别含有跳跃和尖顶边界的凸脊和凹谷图像，然后利用控制的区域生长过程得到最终的分割结果。用本文提出的方法成功地对许多实际的深度图像进行了分割，同传统的方法相比，这种方法的速度快，而且具有良好的抗噪声性能。     

基于数学形态学的遥感图像分割算法

文章提出了一种适合于高分辨率可见光遥感图像分割的算法。该算法是一种结合数学形态学运算和SUSAN边缘检测的图像分割算法，可以有效地将图像中的多个具有特定结构的小目标区域分割开来。     

一种基于数学形态学的电视图像分割方法

针对电视图像信噪比低,噪声干扰大的特点,提出了一种基于数学形态学的电视图像分割方法。首先利用基于梯度调整的平均灰度法得到图像的阀值,其次利用该灰度阀值二值化图像,最后对该图像利用数学形态学消除噪声。实验结果表明该方法具有较好的滤波效果,计算时间短,可用于实时图像处理中。     

基于数学形态学的图像序列分割

提出了一种适合于极低传输比特率视频编码应用，基于数学形态学的图像序列分割方法，为了适当地利用相领帧间的时间关系，提出了采用运动估计技术的时间递归形态分割方法。     

基于数学形态学的数学公式图像分割系统

数学公式图像识别的难点之一是数学公式分割.数学公式通常是由特殊的字符、希腊字母、英文字母和一些数字组成的复杂的结构体,大大增加了图像分割的难度.本文将数学形态学的思想引入到公式图像分割的算法中,通过对数学公式图像的细化操作,然后递归水平、垂直投影进行公式字符分割.实验表明,该方法能够有效的对数学公式进行分割.     

一种基于综合集成和数学形态学的图像分割方法

图像分割是图像处理的重要步骤,是计算机视觉的基础,是模式识别与图像理解的重要组成部分。由于光照不均匀而形成的灰度图像,采取单一的分割方法不能获得良好的分割结果,为此,采用综合集成的方法对此类图像进行分割,并用数学形态学的运算对分割结果进行处理,改善了分割效果。试验结果表明,基于综合集成和数学形态学的分割方法能有效地分割这一类图像,获得良好的分割结果。     

具有强抗噪声能力的图像分割方法

尽可能多地综合利用图像整体和细部信息，是精确分割图像，提取特征的关键，流域思想利用了整体信息，应用于梯度图像上，兼顾了细部信息，引入待分割物体全局连通性，将这种方法用于物体与背景的分割，得到了极好的分割效果，对噪声有极强的抑制能力，同时具有原理简单，分割结果为连续单像素边缘，边缘定位准确，可以同时标记多个区域等优点，给出了形态学流域算法的基本原理及数学实现，同时也总结了方法的缺点和解决途径。     

图像分割方法研究

图像分割是图像处理与计算机视觉的基本问题之一,是图像处理到图像分析的关键步骤。目前,图像分割已有上千种方法,既有经典的方法也有结合新兴理论的方法。从分割所应用特定理论工具的角度出发,对近年来图像分割的新方法或改进算法进行综述,并简要讨论了每类分割方法的特点。     

图像分割方法综述

图像分割是图像理解和物体识别的第一步。对于较为热门的基于物体分割的视频编码,首要问题也是图像分割,近来提出了不少较为新颖的分割方法。文章回顾了一些传统的方法,并与一些新方法加以比较。     

应用流域变换分割医学图像

医学图像分割是图像处理研究的难点。图像分割的方法很多,但是对医学图像却无法得到有效的分割结果。文中首先介绍了流域变换的基本思想、基本原理以及流域变换的计算步骤,然后应用流域变换分割复杂的医学图像,最后讨论流域变换的优缺点。实验结果表明,流域变换为医学图像提供了一种崭新的分割方法。     

一种基才星体面积的星图分割方法

图像分割是图像识别过程中的关键一步,分割结果的好坏会直接影响到星体的细分定位和模式识别。星体在星图中属于小目标,多目标．其分割与普通图像的分割有较大的不同。文中在分析星图特点的基础上,提出了基于星体面积的分割方法,并通过仿真与其他分割方法进行比较,验证了其有效性和优越性。     

借助形态学实现图像过渡区提取与分割

红外图像边缘模糊、噪声点多,而传统的过渡区提取算法需计算梯度因而对非规则细节和噪声敏感,尤其当对比度较低时极易导致提取的过渡区发生偏离,影响分割阈值的判定和分割结果的准确性。因此提出了一种基于形态学的过渡区提取与分割算法。结合形态学理论,首先设计级联滤波器进行平滑处理,再利用tophat变换调节目标与背景的对比度以突出目标,最后采用EAG方法进行过渡区提取与分割。Matlab仿真实验表明,该方法能够分割出目标主体,且目标形状保持良好。     

分割映射的单幅彩色图像去雾方法

针对传统暗通道先验去雾方法在进行大气散射函 数估计时容易出现块状模糊效应的问题,提出了一种 基于分割映射的单幅彩色图像去雾方法。首先对前端采集图像进行近景与远景区域分 割,并基于分 割区域进行亮度信息的分段映射,通过分段计算获取大气散射函数的预测估计值;接着,采 用传统的导向 滤波方法对大气散射函数的估计值进行优化分析,进一步增强图像的边缘信息,改善在大面 积天空颜色情 况下图像边缘的块状模糊效应,提升含雾图像在突变区域的去雾效果。针对实际采集 的含雾图像进 行去雾效果分析和对比,分别基于图像的对比度改善量e、色彩自然度(CN I)、颜色丰富程度(CCI)以及计算耗时等4方面进行定量对比。分析结果表明, 本文方法很好地改善了图像的去雾效果,并进一步提升了运行的实时性。     

基于模糊增强的医学图像分割分水岭算法研究

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,提出了一种将多尺度形态学边缘检测、模糊增强和控制标记符分水岭相结合的分割策略。该方法首先结合大结构元素和小结构元素各自的优点,用多尺度形态学边缘检测降弱过分割;其次用模糊增强算法使原始医学图像中粗细的边缘都能够得到增强;最后采用基于前景和背景标记的分水岭分割算法进行分割。仿真实验表明,该算法不仅可以有效的克服分水岭变换严重的过分割问题,得到有意义的区域分割,而且还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,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。     

一种改进的Otsu图像阈值分割算法

Otsu法是图像阈值化分割法中的经典算法之一,在图像处理中有广泛的应用。本文针对红外吊舱图像的特点,在对Otsu法进行分析的基础上,提出了一种改进的Otsu图像阈值分割算法。首先,采用整幅图像的平均灰度值作为初始阈值对图像进行分割;然后,推导出了Otsu法四个参数的递推公式;最后,在缩小的灰度级范围内用递推的Otsu法来计算最终的分割阈值T。实验仿真结果表明,改进的Otsu算法在图像分割效果方面和时间效率方面明显优于Otsu法。     

基于能量梯度场映射关系的红外图像分割方法

为了解决红外图像在图像配准中对比度低、背景复杂、红外目标受噪声干扰严重、传统分割方法易产生过分割或欠分割的问题,提出了一种基于改进的脉冲耦合神经网络(PCNN)和形态学方法的红外图像分割算法。首先根据图像能量分布情况提取纹理图像,将纹理图像通过PCNN进行分割,PCNN的链接强度根据区域能量在梯度场的变化自适应设定;由于PCNN的点火位置集中于红外目标部分,通过点火映射图可以得到连贯清晰的红外目标轮廓;再通过形态学方法滤除背景干扰。结果表明,该方法能够精确分割红外图像,分割结果优于传统方法。     

改进的分水岭算法在图像分割中的研究

图像分割作为图像处理中最基础的研究领域之一,占有很重要的地位,是大多数图像分析和处理的不可替代并且是首要步骤的一个基础环节,在理论研究和实际应用中都得到了人们广泛指重视,目前已提出了多种不同的图像分割方法,总体上来说这些算法主要建立在基于图像本身的相似性上,在许多应用领域都获得了成功,但是没有一种方法适用于所有的图像。分水岭算法近年来得到比较广泛的应用,此次研究中用基于形态学的分水岭分割方法对图像处理,进行仿真,与其他方法相比可以较好的分割对象。     

基于改进3D UNet的前列腺MR图像分割

针对前列腺磁共振 (magnetic resonance, MR)图像边缘模糊、对比度较低,灰度值分布不均衡而导致分割精度较差的问题,提出了一种结合双路径注意力(dual path attention,DPA) 和多尺度特征聚合(multi-scale feature aggregation,MFA) 模块的改进3D UNet网络模型。首先,对数据集进行重采样和裁剪处理以适应模型输入。然后,在3D UNet网络的编码器各层引入DPA 并添加残差连接,加强特征的 编码能力。同时,在网络解码器中加入MFA模块,以充分利用空间上下文信息,增强语义信息。最后,在公开数据集PROMISE12上进行验证,所提出的模型的Dice系数为89.90%,Hausdorff 距离为9.37 mm。相比较于其他模型,所提出模型的分割结果更优,且参数量和运算量更少。     

基于编码-解码神经网络遥感图像语义分割应用研究

图像分割的实现经历了从传统方法到神经网络方法的演变.本文从图像分割的发展过程入手,介绍了图像分割与语义分割的区别,对最近几年传统图像分割方法在遥感图像分割领域的应用进行梳理分析,总结了传统遥感图像分割方法的不足.基于此,归纳了几种经典编码-解码神经网络架构在遥感图像语义分割领域的应用,对其改进方式进行了综合性分析,并对...     

基于多尺度特征融合和注意力机制的医学图像分割网络

针对传统编解码结构的医学图像分割网络存在特征信息利用率低、泛化能力不足等问题,该文提出了一种结合编解码模式的多尺度语义感知注意力网络(multi-scale semantic perceptual attention network,MSPA-Net) 。首先,该网络在解码路径加入双路径多信息域注意力模块(dual-channel multi-information domain attention module,DMDA) ,提高特征信息的提取能力;其次,网络在级联处加入空洞卷积模块(dense atrous convolution module,DAC) ,扩大卷积感受野;最后,借鉴特征融合思想,设计了可调节多尺度特征融合模块 (adjustable multi-scale feature fusion,AMFF) 和双路自学习循环连接模块(dual self-learning recycle connection module,DCM) ,提升网络的泛化性和鲁棒性。为验证网络的有效性,在CVC-ClinicDB、ETIS-LaribPolypDB、COVID-19 CHEST X-RAY、Kaggle_3m、ISIC2017和Fluorescent Neuronal Cells等数据 集上进行验证,实验结果表明,相似系数分别达到了94.96%、92.40%、99.02%、90.55%、92.32%和75.32%。因此,新的分割网络展现了良好的泛化能力,总体性能优于现有网络,能够较好实现通用医学图像的有效分割。