基于电视图像分割技术的研究

图像分割是图像处理领域中的一个基本问题。从大的方面来说,图像分割方法可大致分为基于区域的方法、基于边缘的方法、区域与边缘相结合的方法,以及在此基础上的、采用多分辨率图像处理理论的多尺度分割方法。     

图像分割研究现状概述

图像分割是图像处理到图像分析重要的步骤,同时也是一个经典难题。自20世纪70年代起,研究者们就一直高度重视图像分割,并已经提出上百种分割方法,但至今没有一种通用的方法。本文从传统和新型角度出发,整理和分析了大量的研究文献,具体介绍基于区域、边界、特定理论的分割方法。     

医学图像分割技术

医学图像分割作为图像处理技术的关键步骤,为医生临床诊断、手术方案制定、病灶的定位提供重要依据。与普通图像不同,医学图像具有模糊、不均匀的特点,这使分割的难度大大增加。目前,医学图像分割技术繁多,总的来说可以分为基于区域、基于边缘、与特定理论相结合的方法。我们今后研究的重点是制定评价算法优劣的定量准则。     

基于感兴趣区域轮廓的图像分割方法

针对耗时和区域边界不精确的图像分割问题,对边缘检测方法和区域生长方法进行研究、改进,提出以边缘检测和区域生长相结合的感兴趣区域轮廓的图像分割方法,该方法能够更加精确地对图像进行分割。实验结果表明,该方法对复杂环境下感兴趣区域的图像分割具有良好的效果。     

图像分割实用技术研究

如何快速、有效地将感兴趣的目标从复杂的背景中分割出来一直是国内外研究的热点。针对不同的目标对象和应用领域提出以下3种图像分割实用技术，并对其性能、特点进行了分析研究，其图像分割实用技术不仅具有较好的理论基础，而且针对不同的目标对象和应用领域具有实时性好、分割精度高等特点，具有十分广阔的应用前景。     

关于医学图像分割的综述

医学图像分割是医学图像处理中最基本和最重要的技术,其目的是把图像空间分割成一些有意义的区域.医学图像分割技术的发展决定着医学图像处理中其它相关技术的发展.本文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.     

基于边缘信息的图像分割技术研究

介绍了基于边缘信息的图像分割方法及其算法特点，并对其性能、特点做了分析研究。在此基础上，对一阶微分算子、Roberts算子、Sobel算子及Canny算子进行了设计，并通过Matlab 6．0进行了仿真，经调试得出了较理想的实验结果。该图像分割方法不仅具有较好的理论基础，而且针对不同的目标对象和应用领域具有实时性好、分割精度高等特点，具有十分广阔的应用前景。     

球形物料图像的分割方法研究

本文以水泥窑生料球为背景，分析了球形物料图像在灰度空间和梯度空间的特征，对一些经典算法进行了颗粒分割实验，理论分析和实验结果表明，利用局部特征值进行总体像素归属判决将使颗粒图像的边界不连续，或边界描述失真。为此提出的一种由局部特征值直接提取球形物料边界的图象分割方法。实验结果表明，该算法分割的图像边界封闭性好，边界描述真实，适合球形物料图像的分割。     

边缘惩罚层次区域合并SAR图像分割算法

该文利用方向边缘强度信息,建立一种新的边缘惩罚SAR图像分割模型,提出一种最小化该模型的层次区域合并算法。利用多方向比例边缘检测算子(MDRED)提取边缘强度信息,并结合分水岭变换获得高质量的初始过分割结果。利用多边形近似区域边缘,提取边缘的方向,将方向边缘强度映射(OESM)融入边缘惩罚中,获得惩罚强度与边缘强度呈反比的惩罚项。逐渐增大边缘惩罚项的强度,获得由图像特征驱动的层次区域合并算法。利用区域邻接图(RAG)表示图像分割,提高区域合并的速度。实验表明：该文方法与其它方法相比在性能和效率上都有优势,获得更好的分割结果。     

一种新的红外目标图像分割算法

提出了一种新的红外图像分割算法,它首先选取最佳阈值范围内的一组边缘点作为种子像素,然后根据灰度相似性判决准则生长出目标区域而完成目标分割。实验结果表明,本文提出的算法可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

结合特定理论的图像分割方法

结合近几年来图像分割领域出现的新思路、新方法或对原有方法的改进,如模糊方法、活动轮廓模型、遗传算法、神经网络等给出一个比较全面的综述,评价它们的优缺点。最后,简要讨论图像分割的发展趋势。     

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。     

图像分割中的边缘检测

数字图像的边缘检测在图像分割、模式识别、机器视觉等中有很重要的作用。从70年代到现在发展出了很多种边缘检测的方法,而对于不同的应用环境,不同算法的效果不同。针对高速公路中图像的特点,对几种典型的边缘检测方法的原理和实现方法进行了详细分析和说明,对比分析了各种算法应用在高速公路图像识别中的优劣,并根据高速公路图像识别系统的特点选择了合适的检测算法。     

基于深度学习的医疗图像分割综述

自2006年深度学习这一概念提出以来,各研究领域对于深度学习技术的研究热度一直高居不下.深度学习的出现,对计算机视觉领域的发展起到了重要推动作用.计算机视觉的主要研究任务是对图像、视频等进行目标的检测、识别以及分割等,目前已经广泛应用于医疗、金融和工业领域中.其中最常见的应用场景是医学图像处理.图像分割是医学图像处理任...     

图像分割在等离子体加料实验中的应用研究

边缘检测算子、阈值分割法、分水岭分割算法被应用于托卡马克放电期间弹丸消融图像的分割实验研究.实验研究表明,分水岭分割算法得的图像与原始图像叠加获得了良好的实验仿真结果,为研究等离子体物理中的弹丸消融机制提供了数据和证据。     

一种改进的边缘生长彩色图像分割方法

针对彩色图像颜色空间特性,提出一种改进的边缘生长图像分割方法。首先根据平均颜色矩确定图像量化级数,色彩量化后采用边缘检测提取边缘像素集,并将这些高细节点形成边缘线,围成一个封闭的区域,最后根据颜色空间的区域距离,将初始分割区域进行合并。该方法很好的解决了使用边缘检测或区域生长所产生的不连续性和过分割问题。实验结果显示对彩色图像分割具有较好的效果。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.