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。     

基于自适应区域生长算法的口腔CT图像分割

近年来,随着口腔医疗水平的不断提高,牙科CT因能测量出更精确的图像得到了广泛的应用。区域生长法是图像分割技术中基于区域分割的一种,通过把具有相同特征的区域连通,从而构成最终的分割区域。相较其他分割方法,区域生长有效地利用了图像的局部空间信息,能更好地避免图像分割空间小连续的问题,具有较好的区域特征。为了能提取CT图像中感兴趣的牙齿部分,本研究将对口腔牙齿CT图像采用一种自适应区域生长算法,利用已生长区域的平均灰度、平均梯度以及标准差,在原有生长准则的基础上进行改进,对牙齿CT图像进行分割以及三维重建的实验后,能够显示出单独某颗或几颗牙齿的三维图像,证明了改进后的算法可实现较好的分割效果。     

基于颜色信息与区域生长的图像分割新算法

提出了一种新的结合了颜色特征与区域生长的彩色图像分割算法B-JSEG．该算法是在彩色图像分割的JSEG算法和边缘检测中的方向算子的基础上实现的．根据已有算法的缺陷，利用新的参数描述纹理颜色信息，并通过区域增长和合并来获得最后的分割结果．由于在JSEG算法中加入了方向算子，同时考虑了区域的相似性和边界的非连续性，减少了过分割．大量图像的实验结果表明，所提出的算法具有很好的鲁棒性，比JSEG算法更符合人类的视觉感知．     

基于区域生长的红外图像分割

该文采用区域生长的方法 ,结合人工智能 ,针对红外图像中目标相对较小、灰度值与视场中目标物体的热辐射量相关的特点 ,选取相应种子点根据灰度相似性判决生长出目标区域。结果表明 ,采用这种方法具有一定的针对性 ,能够有效地分割出目标物体     

基于区域生长和水平集的肝脏提取分割算法

为了克服传统的以单幅图像作为信息来源的水平集模型分割复杂背景图像的局限性,结合区域生长法和水平集方法各自的特点,提出了一种新的由多幅图像信息构建的水平集分割算法模型。在运用水平集方法分割人体腹腔图像前,首先运用本文提出的一种有效的区域生长法在腹腔图像中得到肝脏的粗略分割结果作为先验形状图像。通过先验形状图像在Chan-Vese模型下控制水平集的演化,使活动轮廓的先验形状信息融合到水平集分割算法模型中,同时,利用Li模型在人体腹腔图像中进一步获取肝脏的边缘信息。这种融合多幅图像信息的复合水平集分割算法模型能够充分利用图像信息,有效地描述水平集方法中活动轮廓与目标区域肝脏的关系。通过实验验证,提出的算法模型能够很好地从人体腹腔图像中提取出肝脏区域。     

基于区域生长的生物医学图像交互式分割算法

本文着重研究了交互式的分割算法,即由使用者给出图像中包含目标的感兴趣区域,再利用算法对该区域进行分割。文中在对基本区域生长算法的特点进行分析后,提出了一种基于边缘强度的区域生长算法。     

基于区域生长算法的MR脑组织图像半自动提取方法

MR脑图像分割是进行医疗诊断与治疗的重要前提。脑图像分割的任务多样，实现分割的算法层出不穷。然而不存在单一的一种算法独立作用解决所用的分割任务。本文专注于脑组织图像提取这一特定任务，采用区域生长为主。形态学操作为辅的方法，较好的完成分割任务，并提出开发一种半自动人机交互系统的设想。     

基于图切割结合区域生长算法的超声图像分割

本文提出一种基于图切割结合区域生长算法的超声图像分割方法.文中采用对图像进行分块后进行图切割的方法,大大降低了算法的时间复杂度,在分割的过程中利用先验知识和图像边缘信息,对分割进行约束和指导,并与区域生长算法相结合从而实现了超声图像的快速自动分割.实验结果证明该方法分割效果良好,具有一定的应用和研究价值.     

基于自动多种子区域生长的遥感影像面向对象分割方法

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础.     

基于改进的区域生长法的气管与支气管分割

根据气管与支气管的树状特征,提出了一种改进的区域生长法.该方法首先从最上端的CT图像中得到气管初始区域,然后利用气管或支气管在相邻CT图像中的几何特征与灰度特征的相关性对区域生长法进行了改进,其次利用改进的区域生长方法沿着三维空间的树状路径逐步搜索气管与支气管的其他区域,最终得到气管与支气管的全部数据.该方法自动化程度高,不仅适用于气管与支气管分割,还可推广到骨骼、人体血管系统等其他小目标的分割问题.     

一种融合区域生长和边缘检测的彩色图像分割方法

介绍了一种融合边缘检测和区域生长的彩色图像分割方法。算法首先对图像进行边缘检测,然后计算像素之间在HSI彩色空间的颜色相似度,利用像素间相似度并结合边缘信息确定区域生长的种子,再基于颜色和空间信息对各个种子进行区域生长,最后进行区域合并。该算法能够实现种子的自动选取,这在传统方法中是很难实现的,此外,还能有效防止过分割。实验结果表明该算法有效。     

An Automatic Segmentation of Kidney in Serial Abdominal CT Scans Using Region Growing Approach

Automatic kidney segmentation from abdominal CT images is a key step in computer-aided diagnosis for kidney CT as well as computer-aided surgery. However, kidney segmentation from CT images is generally performed manually or semi-automatically because of gray levels similarities of adjacent organs/tissues in abdominal CT images. This paper presents an efficient algorithm for segmenting kidney from serials of abdominal CT images. First, we extracted estimated kidney position (EKP) according to the statistical geometric location of kidney within the abdomen. Second, we analyzed the intensity distribution of EKP for several abdominal CT images and exploit an adaptive threshold searching algorithm to eliminate many other organs/tissues in the EKP. Finally, a novel region growing approach based on labeling is used to obtain the free kidney regions. Experimental results are comparable to those of manual tracing radiologist and shown to be efficient.     

一种改进的FCM多分辨率图像分割算法及其应用

提出了一种改进的模糊C均值聚类多分辨率图像分割算法,该算法利用像点的邻域信息对像点的模糊隶属度函数进行修正。实验证明:该算法具有对噪声不敏感的优点,在进行图像分割,特别是对含噪图像进行分割时能获得较好的效果。     

基于颜色信息与区域生长的图像分割新算法

提出了一种新的结合了颜色特征与区域生长的彩色图像分割算法B-JSEG.该算法是在彩色图像分割的JSEG算法和边缘检测中的方向算子的基础上实现的.根据已有算法的缺陷,利用新的参数描述纹理颜色信息,并通过区域增长和合并来获得最后的分割结果.由于在JSEG算法中加入了方向算子,同时考虑了区域的相似性和边界的非连续性,减少了过分割.大量图像的实验结果表明,所提出的算法具有很好的鲁棒性,比JSEG算法更符合人类的视觉感知.     

基于灰度共生矩阵和区域生长算法的红外光伏图像分割

随着光伏产业的迅速发展,这种光伏新能源在各个方面正扮演越来越重要的作用,因此对光伏面板的维护和状态监测就变得尤为急切。而对光伏面板红外图像的分割是后期对光伏面板故障检测的基础。因此,针对红外光伏图像对比度低、信噪比低等特点,本文提出一种改进的区域生长算法结合灰度共生矩阵(GLCM)的纹理特征和图像的梯度特征对红外光伏面板图像进行分割,该算法通过图像的梯度特征和灰度共生矩阵的熵特征对原始红外光伏图像进行预处理,获得梯度特征和熵特征图像加权叠加后的预处理图像,然后再利用红外图像灰度直方图分布集中的特点,针对需要人工干预进行种子点的选取,实现自动进行种子点的选取,同时对区域生长准则进行改进,使其能够自动的调整生长阈值,从而可以分割出光伏面板区域。实验结果表明,本文算法相比OTSU和K-means聚类算法分割效果更好且更接近手动分割的目标区域。     

基于动态自适应区域生长的肝脏CT图像肿瘤分割算法

为提取人体肝脏CT图像中的肿瘤区域,提出一种基于动态自适应区域生长的算法进行肿瘤分割. 通过自适应区域生长算法对CT图像进行预分割,得到感兴趣区域（region of interest,ROI）,利用数学形态学滤波填充ROI中的空洞区域,最终提取肿瘤区域. 通过对多组病人的CT图像进行实验,结果显示该算法对肝脏肿瘤的分割效果良好.