一种提取模糊图像边缘区域的双阈值分割方法

针对目标和背景在同一平面的图像，提出一种双阈值分割方法获取图像由目标过渡到背景的边缘区域，并将提取的边缘区域平均梯度用于图像清晰度的评价，评价效果较好．     

一种玉珠图像的快速分割方法

提出一种针对手机拍摄的玉珠图像的快速分割方法.该方法通过对图像多个采样点的R、G、B分量分析,设计出适合不同颜色玉珠分割的RGB颜色特征组合,并利用其分割出不同的图像元素,最后进行图像合并.较好地解决了由于玉珠颜色不同、表面光滑度不同和拍摄角度等原因,造成的珠体反射点多、形状失真、模糊及遮挡等影响玉珠与背景分离的问题.经实验证明,本方法具有较好的分割效果,较快的实现速度及稳定性.     

一种图像自适应阈值分割算法

本文中简单介绍了在手腕骨X线片的自动判读系统中，对图像进行分割时改进的自适应阈值分割法。它是图像处理技术在医学和体育科学领域中的一个应用和尝试，此文的算法基于骨龄图像自动判读系统。     

一种基于K-平均簇划分算法的图像分割方法

给出了一种对簇分布近似球状分布的图像进行分割的有效算法，与其他算法相比，这种算法不但是一种阚值自适应分割算法，而且正确分割率较高。     

一种应用于乳腺图像分割的改进Otsu算法

阈值法是一种得到广泛应用的图像分割方法.本文对经典Otsu算法进行了改进,并应用在MIAS和DDSM两个标准乳腺图像数据库的图像分割中.与经典Otsu及最大熵阈值法、迭代阈值法对比,本文方法的乳腺图像分割效果更好.     

一种实用的光斑图像分割算法

对激光光斑图像准确分割能准确地提取质心、直径等参数。提出了一种实用的激光光斑分割算法,首先采集光斑及背景图像,然后对光斑图像与背景图像进行差分,最后采用最佳阈值分割。实验结果表明,本算法能够有效、正确地对光斑图像进行分割。     

图像分割技术在医学图像分割中的应用

图像分割是图像分析和处理的关键步骤,医学图像分割是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义,对医学图像分割的常用技术进行了研究。     

一种结合改进OTSU法和改进遗传算法的图像分割方法

为了自动确定图像分割的最佳阈值,提出了一种结合改进OTSU法和改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维OTSU图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题.在理论分析和仿真数据实验中,与二维OTUS图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的降低,更能满足图像处理的实时性要求.     

基于OTSU实现图像分割

图像分割是图像处理的一个重要环节。图像分割有很多种算法,本文采用Otsu阈值分割算法对图像进行分割。经过实验发现,Otsu阈值分割法的算法简单、计算速度较快、实时性较高,对于目标和背景灰度差值较大的图像,其分割效果较好,但对于灰度差异不太明显的图像,其分割效果就不是很理想。     

车型图像分割方法的研究

图像分割无论是在图像处理方面, 还是在模式识别方面, 都是一个非常重要而且比较复杂的问题. 本文对一般的汽车车型图像分割方法进行了介绍, 对其中常用的方法进行了较为详细的分析和研究; 指出了目前车型图像分割技术中存在的一些迫切需要解决的问题, 并且提出了一般的解决思路和方案.     

基于CT图像分析和聚类法的CT图像分割

针对医学CT图像的特点,本文提出了一种基于统计分析的算法先对CT图像进行预处理,并且保存为常用的BMP格式;然后利用K均值聚类算法提取目标组织或者区域.从实验结果可以看出,上述方法是可行的,达到了较好的分割效果,可以满足三维重建的要求.     

基于CT图像分析和区域生长法的CT图像分割

针对医学CT图像的特点,提出了一种基于统计分析的算法:先对CT图像进行预处理,并且保存为常用的BMP格式,以便于后续处理,然后利用改进的区域生长算法提取目标组织或者区域,最后选择合适的数学形态学操作对结果进行处理,以消除可能存在的误分.从实验结果可以看出,上述方法是可行的,达到了较好的分割效果,可以满足三维重建的要求.     

基于区域生长算法的CT序列图像分割

由于人体腹部CT图像纹理结构复杂,灰度差别特别小,边缘又很不明显,本文提出了基于区域生长法的序列图像分割算法.在提取肝脏图像时,将全部序列图像分成若干组,然后利用区域生长算法先分割出每组的第一张图片.对于本组内其余图片的分割,充分利用相邻图片的灰度相似性实现序列图像的分割.对于血管的分割,由于血管在三维空间上的连通性,采用三维区域生长算法实现血管管道的提取.实验结果表明,应用本文算法能得到准确的肝脏及血管分割结果.     

基于MITK的CT序列图像模糊连接度分割算法研究

MITK是一个集成化的医学影像处理与分析C++类库的软件包.本文在VC++6.0环境下对MITK的区域生长Filter进行了扩充,实现了模糊连接度算法的Filter,并对腹部CT序列图像中的肝内血管进行分割,获得了较好的结果,为下一步利用MITK算法平台进行医学图像分割和可视化等开发打下基础.     

雷管编码图像中的黏连字符分割

以雷管编码识别项目为工程实践案例,提出一种基于最优分割路径的黏连字符分割算法,克服黏连字符对雷管编码识别性能的影响。对输入图像增强并二值化后通过连通域分析提取黏连字符区域,利用垂直投影获得黏连字符的垂直投影直方图,而且同时获得上边界和下边界位置图,分别从中检测局部谷底点并验证其"穿越特性"和"距离特性"得到黏连字符的候选分割点,再按可信度从中选取有效分割点,分别以黏连字符左、右两端为起点向另一端进行字符切分形成两条分割路径,选取方差较小的分割路径作为最优分割路径对黏连字符切分。实验研究表明,该算法能有效克服工业场景中由磨损、划痕、锈迹等造成的金属雷管图像中编码字符黏连问题,比传统算法取得了更好的分割效果和更高的分割准确率。     

基于计算机的三维医学图像处理方法——图像分割技术

图像分割技术就是把图像中具有特殊涵义（如医学图像中的病变部位）的不同区域分开来,使每一个区域都满足特定区域的一致性的图像处理技术。基于当前医学图像分割方法研究,分割的速度和稳定性无法同时提高的问题,引入一种被称为“live-wire”的半自动的交互式范例,并对其在三雏空间上的实现建立了理论模型;同时自定义了与本文模型相关的MATLAB实现函数。     

一种改进Grabcut算法的彩色图像分割方法

针对传统Grabcut分割方法难以很好处理图像阴影部分及分割时间过长的问题,提出结合K-means聚类算法与Grabcut函数的方法改善以上问题。该方法通过直方图均衡化实现图像增强,然后利用K-means算法以二分类的形式对像素进行聚类,利用形态学处理填充孔洞,自动获取目标物体轮廓后,结合Grabcut算法实现图像二次分割,最后利用颜色判定改善图像阴影部分。实验结果表明,该方法可实现图像自动分割、节省大量时间,而且对阴影部分图像处理有明显改善,具有较高的准确性和高效性。     

软骨细胞图像的分割和测量

在软骨细胞自动分割计量系统的分割部分中，用Ostu法初步分割图像后，对轻度粘连细胞采用了形态滤波处理，利用细胞核信息进一步细化分割粘连较多的细胞，获得了较好的效果。