一种小鼠CT图像分割方法

由于micro CT图像的成像原理和组织特性导致的多样性和复杂性,针对小鼠CT图像,单一的图像分割方法难以取得良好的分割结果。结合当前医学图像分割方法,提出将阈值分割和基于Amira软件的交互式分割相结合的方法。针对不同的器官组织,根据对象灰度特征、形状、空间分布以及边缘分布等信息,使用不同的分割方法及工具进行逐一分割,最后将不同的器官融合成完整的分割后CT图像。该半自动交互式分割方法结合了两者的特点,可实现小鼠CT图像的准确分割。     

几种经典活动轮廓图像分割模型综述

图像分割是将图像进行特征提取的关键技术。图像分割算法研究成果较多,活动轮廓模型是图像分割获取边缘信息的重要方法。阐述了几种经典的活动轮廓方法,通过大量仿真实验对几种方法进行比较,指出现阶段图像分割遇到的问题并展望其研究趋势。     

一种融合边缘和区域特征的主动轮廓图像分割

传统的主动轮廓模型只利用图像的边缘或者只利用区域特征实现图像分割。在有些情况下图像分割效果较差．本文给出了一种综合利用图像边缘和区域特征的主动轮廓图像分割方法．实验表明,演变后的曲线与图像的边缘是吻合的,图像分割的结果较好．而对相同的图像应用传统的主动轮廓分割算法得到的图像分割结果则很差．这说明新算法明显提高了传统算法的图像分割性能．     

基于K-means聚类与二次分水岭的果蔬图像分割方法

为解决传统分水岭算法在果蔬图像分割过程中产生的过分割问题,提出了基于K means聚类与二次分水岭的果蔬图像分割方法。该方法首先通过自适应中值滤波、直方图均衡化等方法实现图像增强,利用分水岭算法实现图像预分割,然后对预分割结果进行K means聚类和形态学处理,并在此基础上利用分水岭算法实现果蔬图像二次分割。实验结果表明,该方法很好地解决了分水岭算法引起的过分割问题,为后续图像分类识别奠定了基础。     

图像分割方法研究

图像分割是图像处理中最重要的预处理技术,是图像高质量处理的决定性前提,分割方法研究至今已经提出很多经典的算法,却没有评价标准.本文通过对一些经典图像分割方法进行分析与比较,简要介绍经典分割方法的优缺点和适用场合,并探讨了图像分割技术的未来发展趋势.     

数字图像分割方法研究

图像分割即指将图像分成各具特性的区域并提取出感兴趣目标的技术,它是从图像处理到图像分析关键步骤.在对不同的图像分割方法进行分析基础上,对自适应分水岭图像分割方法进行研究.     

基于NSCT变换的随机游走红外图像分割方法

红外图像具有灰度变化不平均、分辨率较低、噪声较多等特征,传统的图像分割方法难以对红外图像分割出有效实体。为解决这一问题,设计了一种基于非下采样Contourlet 变换(NSCT)的随机游走红外图像分割算法。传统的随机游走图像分割方法,图像部分灰度值的不均匀变化可能改变随机游走算法的路径,而且分割目标的轮廓很容易受到图像背景噪声影响,所以可以通过增强图像的目标轮廓,抑制图像噪声,以达到更好的分割效果。NSCT变换是一种非常有效的图像增强方法,首先采用NSCT变换对红外图像进行多方向、多尺度分解,得到红外图像的低频和高频系数,对该系数进行处理,然后反变换得到增强后的红外图像。实验结果表明,该方法在红外图像分割中取得了很好的效果。     

一种基于蚁群算法和C-Means算法的图像分割方法

针对传统C-Means算法在图像分割应用中的缺陷,本文提出一种蚁群算法(Ant Colony Optimization ACO)融合C-Means算法的图像聚类分割方法,它融合了C-Means算法和蚁群算法的优点,比传统的C-Means算法能得到更好的分割质量。实际图像分割试验结果表明该方法是一种良好的图像分割新方法。     

几种经典阈值分割方法在图像处理中的应用研究

图像分割是图像处理中最常见但也是最重要的组成部分,目标的状态、背景复杂程度、光照强度以及不同分割方法等因素都会对目标分割的效果产生影响。通过迭代法、直方图选择法、最大类间方差法三种经典的图像分割方法,对不同时间、不同状态下的大理大学标志物进行分割,并对不同分割方法的分割结果进行比较,仿真结果显示不同分割方法分割出的大理大学标志物在细节上存在着差异,同时得出分割结果受光照因素影响。     

一种小波域K-Means遥感图像分类标注算法

由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。     

基于深度学习的图像语义分割技术综述

图像分割是计算机视觉领域的一个重要方向,是图像处理的核心环节.伴随深度学习技术的发展,结合深度学习的图像分割技术在精确度上远超传统图像分割方法.卷积神经网络(CNN)与全卷积神经网络(FCN)的提出极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型,分割精准度大幅度提升.从传统语义分割方法、深度学习与传统方...     

浅谈数字图像处理中的图像分割技术

数字图像处理科学迅速发展并得到广泛应用．图像分割是其中重要的中间技术．它依托图像数字处理底层技术,为模式识别等高层应用服务．本文简要介绍了图像分割的概念范畴和常见的分割技术的方法描述．掌握图像分割技术有助于系统理解数字图像处理技术的层次．     

基于K-means聚类的磁瓦缺陷图像分割方法

为了实现磁瓦图像中缺陷的准确检测,以分割磁瓦端面崩块缺陷为目的提出一种基于K-means聚类的分割方法。磁瓦图像采集的关键技术是光源选用,分析传统的磁瓦图像分割方法——阈值分割,并以迭代选择阈值算法作为对比算法进行介绍;着重剖析K-means算法的基本聚类原理,并引出其算法实现流程。采用两种算法对磁瓦端面图像进行分割。结果表明,基于K-means聚类算法对磁瓦图像进行分割,能够正确分割出磁瓦端面的崩块缺陷。     

融合ResNet结构的U-Net眼底视盘分割方法

由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰.现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳.在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成较好的分割结果.提出一种将残差结构与U-Net网络融合的视盘分割方法.残差模块的跳跃连接能将浅层...     

基于模糊形态学和分水岭算法的图像分割研究

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法,利用模糊形态学闭开运算先平滑原始图像,图像通过平滑后在保留重要区域轮廓的同时去除了细节和噪声,而后进行形态分水岭变换实现图像分割。实验结果表明这种方法具有较好的分割效果。     

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.     

图像分割的变分模型与数值计算

在图像分析与计算机视觉领域中,图像分割技术应用很广,它是一个基础的并且非常重要的课题。现如今,关于变分模型的图像分割方法得到了国内外学者的广泛关注。本文将要讨论图像分割的变分模型与数值计算,主要提出一种快速求解Mumford-Shah模型的变分水平集分割方法和C-V模型。     

基于流形的特定人体组织轮廓的医学图像分割

图像分割是医学图像分析中的重要问题。以前的基于模型的分割算法都是从不特定人群的统计出模型的先验知识。文章提出了一种新的全自动医学图像分割算法.这种方法旨在提出一种基于特定人先验轮廓模型。该模型通过基于流形的学习方法,从而达到更加准确的分割效果。     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．     

视网膜图像血管提取方法研究进展

比较分析目前主要的医学图像分割方法,评价各方法的主要优点及不足,为图像分割技术在视网膜图像血管提取方面的进一步研究提供重要的理论支持.