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。     

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。     

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.     

基于蚁群算法的图像分割方法改进研究

图像分割是一种对不同特征的像素进行聚类的过程,过程中涉及像素的梯度、灰度及邻域特征。由于蚁群算法的离散性、并行性、全局优化性和稳定性等特点,基于蚁群算法提出一种有效的图像分割改进算法。首先通过蚁群改进算法的模糊聚类能力可以分别计算出像素与目标、背景、噪声点、边界点的隶属关系;然后对于蚁群算法循环次数多、计算量较大的问题,设置启发式引导函数和聚类中心,解决传统聚类中运行效率低、初始化敏感度高等缺点;最后引入梯度算子,对目标与背景灰度值相似图像进行分割,对结果进行了进一步的优化。实验表明,应用该改进算法得到的图像分割结果具有较高的准确度和效率。     

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。     

改进分水岭算法在脑肿瘤CT图像分割中的应用

传统的分水岭算法应用于脑肿瘤CT图像时容易产生过分割现象,为了避免该现象,提出一种改进的分水岭图像分割算法。该方法主要包含形态学重构以及标记控制思想,首先对原始梯度图像进行形态学重建,相当于滤波处理,然后对原图设定灰度阈值并进行形态学处理标记出肿瘤部分,接着用分水岭变换标记背景部分,最后根据两个标记部分对调整后的梯度图像进行强制最小和分水岭变换得到分割线。实验结果表明,该算法能够准确地区别肿瘤部分与背景,并用封闭的分割线包围脑肿瘤区域,从而避免了对不感兴趣区域的误分割,有较好的针对性。     

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．     

合成孔径雷达图像分割算法研究

对合成口径雷达图像的分割算法进行了归纳综述,概述了主动轮廓的分割算法、马尔科夫随机场的分割算法和模糊均值的分割算法,简要阐述了各种算法的原理,提出了基于局部隶属度和局部信息的模糊均值分割方法,以期为SAR图像分割算法的研究提供参考.     

基于像素邻域信息噪声修正的FCM图像分割算法

针对模糊聚类算法（FCM）在图像分割中存在对噪声敏感的缺陷,提出一种利用邻域像素平均隶属度的信息修正噪声的FCM图像分割算法。该算法在利用FCM对图像进行分割的基础上,使用邻域像素信息对结果中存在的孤立点的隶属度进行修正,从而使孤立点得以消除,减少乃至消除噪声影响。实验结果表明,改进后的方法显著提高了FCM算法对噪声的抗干扰性和分割精度。     

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.     

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。     

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。     

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。     

一种主分量直方图模糊增强的彩色图像分割方法研究

提出一种主分量直方图模糊增强的彩色图像分割方法,该方法自动确定主分量和次分量,并对两个分量的直方图进行模糊增强,根据模糊增强的直方图对像素点分级标号,最后根据颜色距离和空间信息进行区域合并,通过实验得到了较好的分割结果。     

改进的遗传算法在图像分割中的应用

针对标准遗传算法在利用Otsu理论求取图像阈值时存在的收敛性问题,提出了一种自适应的遗传算法,采用动态地交叉概率和变异概率,有效地解决了过早收敛和全局收敛性问题,并把改进后的遗传算法应用于火焰图像上,实验证明,该方法对进行图像分割时是有效和可行的.