基于空间信息约束改进的FCM图像分割算法

针对标准FCM算法在算法迭代中忽略像素的空间信息,提出了一种结合像素空间邻域信息改进的FCM图像分割算法(SAFCM)。新算法首先计算出像素的邻域平均值,然后求出邻域平均值和像素的差异,把该差异值作为空间信息的影响权值,利用像素值和空间信息构造新的目标函数,从而实现图像的分割。仿真实验表明,新算法能够更好的抑制噪声,降低噪声敏感性,提高图像的分割质量。     

基于Lab色彩模型的FCM图像分割研究

为了解决彩色图像的准确分割问题,研究了不同颜色模型特别是Lab模型对彩色图像分割效果的影响。将同一彩色图像转换到不同颜色模型下,并使用传统模糊C均值聚类图像分割算法对其进行分割处理。通过对多幅彩色图像进行分割实验,结果表明,虽然Lab颜色模型在数字图像处理中使用广泛程度不及RGB颜色模型,但在该模型下处理MSRA_10K彩色图像数据集时的图像分割效果整体优于RGB颜色模型。     

图像分割的自适应K均值聚类算法研究

使用K均值聚类算法完成对图像的分割是一种常见的分割技术,针对传统的K均值聚类算法的不足,提出了使用直方图波形的有效波峰个数自适应确定K值的大小,实验结果表明,该方法简单、灵活、容易实现,并能取得较好的结果。     

基于改进模糊C均值聚类的心脏图像分割方法

针对医学图像进行分割时,存在的高噪声、低对比性及高相关性问题,提出了一种改进的模糊C均值聚类算法用于心脏医学图像的分割。考虑到噪声的存在,像素的领域信息易受到污染,导致聚类中心发生偏移,影响心脏图像的聚类效果,因此根据邻域像素的非局部噪声强弱定义了一个可以反映图像空间结构信息的自适应参数,用于聚类算法的线性加权,加强对噪声的抑制作用。实验证明,相比模糊C均值聚类算法和其他传统的图像分割方法,提出的算法对心脏医学图像具有更准确的分割效果。     

自适应分级粒子群算法的阈值图像分割研究

提出了一种改进型的粒子群算法,并与阈值法相结合应用于图像分割。该改进粒子群算法通过调节惯性权重而获得合理有效的收敛速度;采用分级思想对粒子进行分类并对普通粒子速度更新公式进行修改,从而有效避免了优化过程中粒子的早熟现象;结合遗传算法中的交叉思想增加种群的多样性,增强全局搜索能力从而避免算法陷入局部最优解。将其应用于的阈值图像分割,试验结果表明：相对于标准PSO算法,该自适应分级粒子群算法具有较强的全局寻优能力,且收敛速度快、鲁棒性好,能很好地应用于阈值图像分割。     

一种自适应多尺度分割结果融合新方法

在基于HMT模型进行图像分割的方法中,多尺度分割结果融合的好坏直接影响了最终分割结果的优劣。针对现有的基于单一背景向量的融合方法难以合理利用多种背景信息优势的问题,提出了一种基于模糊逻辑的多尺度分割结果融合的新算法。此算法在多尺度粗分结果的不确定性的基础上,根据分割过程的特点,自适应地利用不同类型背景信息的优点,在分割的不同阶段形成具有不同背景描述能力的背景模型,从而较好的指导分割。一组实验从主观视觉和客观标准两个方面证明了该方法的有效性。     

基于混合分水岭变换和模糊C均值的图像分割算法

分水岭变换是图像分割的一种强有力的形态工具,能够自动生成一系列封闭分割区域。其不足之处是过分割、对噪声敏感。为克服分水岭变换固有的缺点,本文综合利用非线性滤波和改进的FCM算法优化分水岭变换得出的初始分割,提出了一种新的基于混合分割算法——IHWF（Improved Hybrid Watershed and FCM）分割法。与MeanShift算法及区域合并算法相比,该方法充分利用了区域的灰度和区域间的空间信息。试验结果表明该算法能有效克服分水岭算法的过分割问题,且分割效果优于以上两种方法。     

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.     

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。     

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.     

FCM改进方法在图像分割中的知识发现

考虑到图像存在异常像素,将邻域因素考虑在内对模糊C-均值聚类算法(FCM)和异常像素检测算法(APD)提出了改进。首先,提出了邻域因素的邻域-FCM(N-FCM),然后,提出了模糊异常像素检测算法(Fuzzy-APD)。实验过程中,选择噪声图像、彩色图像作为实验图像,对FCM和N-FCM算法进行性能比较,证实相比于FCM算法,N-FCM算法的收敛性明显提高,图像分割的正确率进一步改善;同时从图像中获取部分像素进行异常像素检测,实验证实相比于异常像素检测,Fuzzy-APD准确性更高。     

图像分割技术研究

对当前的图像分割技术进行了综述,具体介绍了并行边界类、串行边界类、并行区域类和串行区域类4种分割算法,并对分割算法进行了评价。     

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。     

基于GA-FKCN聚类的图像分割

提出了GA-FKCN聚类算法,此算法利用遗传算法的全局搜索的能力确保FKCN聚类的方向,从而使FKCN聚类不再具有对初始状态的敏感的缺点。并以此算法为基础提出一种模糊图像分割方法,与传统的模糊聚类分割算法相比效果更佳。最后通过图像分割实验证明该算法的效果优于传统的模糊图像分割。     

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.     

图像分割的各向异性扩散算法研究

煤矿井下图像通常具有对比度较小、纹理不清晰、数据量大等特点。根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,首先在图像分割前对原图像运用各向异性扩散运算,消除原图像噪声的同时更好地划分图像的边缘与纹理区域。然后提取图像的纹理特性,运用到聚类算法中对图像进行分割。实验证明这种算法与未经扩散处理分割相比较,优势在于既提高了计算速度同时又改善了分割效果。     

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。     

基于水平集的局部自适应图像分割方法

针对传统水平集图像分割模型无法准确分割灰度不均匀及多目标图像的问题,提出了1种改进的基于水平集的局部自适应图像分割模型。该模型在CV模型(Chan和Vese提出的模型)和LAW(local adaptive weighting)模型水平集演化方程的基础上,重新定义了1个局部自适应权重函数来表示像素点所在邻域的偏差信息,并约束该偏差信息与图像的局部灰度不均匀信息之间的差异为最小,以得到精确分割结果。将模型应用于多相位水平集中,实现了对多目标图像的分割。实验结果表明,该模型对灰度不均匀图像及多目标图像分割更准确,且对初始轮廓的位置更鲁棒。     

基于蚁群模糊聚类算法的图像分割研究

论文提出了一种基于蚁群动态模糊聚类算法的计算机图像分割方法,有效地利用蚁群算法的聚类分析能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心。然后利用蚁群聚类算法得到的模型进行修改,再进行模糊聚类弥补蚁群算法的不足。最后将该算法应用到计算机图像分割技术。对比实验表明,该算法实验表明该算法速度快、划分特性好,可以准确地分割出目标。