医学图像分割综述

医学图像分割是图像分割的一个重要应用领域,也是一个经典难题,至今已有上千种分割方法,既有经典的方法也有结合新兴理论的方法.本文从分割所应用的特定理论工具的角度,对近年来医学图像分割的新方法或改进算法进行综述,并简要讨论了每类分割方法的特点.     

连续窗宽窗位CT图像的分割

图像分割是图像处理与计算机视觉领域中最重要的方法之一。针对医学图像分割的复杂性,本文根据CT图像各部分组织的CT值不同的特点,得到不同的窗宽、窗位下的CT图像,对其采用数学形态学的方法进行分割。本文提出的方法分割效果好,具有细节丢失少的优点。     

基于分形理论和二次分割的图像裂缝特征提取方法与应用

在役跨海桥梁、港口工程等的服役环境恶劣，多数情况下采集到的裂缝图像背景复杂、噪声干扰较多。为了克服现有技术存在的不足，提出一种基于分形理论和二次分割的图像裂缝特征提取方法。该方法采用分形参数作为裂缝图像的特征参数，能优先抑制裂缝图像中产生干扰过多的问题，有效克服灰度不均匀、噪声块多和背景复杂的干扰因素，同时基于二次分割理论，结合两种不同的算法特点，利用粗分割排除干扰区域，利用细分割对目标区域内裂缝精准分割，实现混凝土结构裂缝目标准确有效的提取，具有更好的分割效果。     

海上风力发电机叶片裂纹图像分割方法研究

我国很多地区都是高风能地区,非常适合发展风力资源,尤其是海上风能资源的开发。但海上风能的开发受到设备的影响,在风力集中的地方,环境也十分恶劣,设备的损坏率较高,对于海上风力发电设备的运行会产生较大影响。本文首先分析了研究风机叶片裂纹检测的学者及其使用的检测方法。其次,分析了图像分割技术,主要包括对原有图像分割算法的改进,结合相关交叉学科的新理论寻求新的图像分割算法,以及对不同图像分割算法匹配合适的图像分割评价方法和评价准则。分析了基于区域分割、边缘检测及其他图像分割方法及其应用效果。大多数研究人员在对检测风机叶片裂纹时都使用较新技术来提高识别率,再将不同的方法进行结合运用,同时也不断尝试发掘新的图像分割算法以得到更好的效果。针对不同研究目标使用不同算法得到的效果准确度各有差异,因而针对不同模态的图像要结合不同的理论选取合适的方法。不管是引入新的概念和理论,还是将优势互补的算法相结合,都以提高风机叶片检测的精确度为目标。     

基于纹理分类与局部分水岭的肝脏轮廓提取

腹部CT图像中肝脏区域提取是医学图像分割中的难点之一。本文基于多尺度分析的思想,提出将肝脏区域的粗分割与肝脏轮廓精细定位相结合的方法解决肝脏分割的算法复杂性和分割精度的矛盾。试验结果表明本文提出的算法除具有较高的分割精度和较低的计算复杂性之外,还适用于不同层次的腹部CT(Computed Tomography)图像中肝脏区域的提取,为肝脏的三维重建和疾病诊断奠定了基础。     

Hough变换的舰船图像自动分割

随船舶航行距离的延长,现有图像分割方法由于分割错误率过高的问题,易导致分割精度与分割速度值的持续下降,基于此提出Hough变换理论支持下的舰船图像自动分割方法。利用图像特征提取值,选择适宜的图像处理区域,实现Hough变换的舰船图像目标检测。在此基础上,对舰船图像进行预处理,通过设定分割阈值的方式,计算得到准确的粗分割系数,实现Hough变换舰船图像自动分割方法的顺利应用。对比实验结果表明,与现有图像分割方法相比,Hough变换分割方法的实际分割错误率数值水平更低,可有效解决因船舶航行距离延长而出现的分割精度值与分割速度值持续下降的问题。     

基于引力搜索算法参数优化的改进PCNN遥感图像分割

为了提高遥感图像目标分割的精度,提出了一种基于引力搜索算法参数优化的改进脉冲耦合神经网络(pulse coupled neural network,PCNN)遥感图像分割算法.首先对经典PCNN模型进行改进,重新描述神经元之间的激励和抑制关系,改进连接输入项和动态阈值.然后利用新颖的PCNN模型对输入图像进行点火处理,并从其输出结果中提取图像熵和能量的比值作为引力搜索算法的适应度函数,且将熵的变化值作为引力搜索算法的收敛依据,利用引力搜索算法的全局搜索能力寻找PCNN模型中影响分割效果的关键参数的最优值.最终通过Matlab仿真,将该方法与OTSU方法、最大熵直方图分割算法和PCNN分割方法进行对比,结果证明文中方法具有较好的分割效果,更适用于遥感图像的分割.     

基于区域模糊直方图的图像检索

将图像分割算法和模糊理论相结合，提出了基于区域模糊直方图的图像检索方法。用快速聚类算法对图像进行区域分块，以各区域的视觉特征为基础，建立图像模糊直方图并进行图像检索。在1000幅通用图像库上的实验表明，该方法可以得到比较满意的检索结果。     

基于Nystr?m逼近聚类图像分割算法的研究

针对当前传统的图像分割方法存在计算过程复杂,执行效率不高的问题,论文引入图像分割、聚类分割理论作为研究的理论基础,通过构造图像的余弦相似度矩阵对图像进行预处理,在传统的谱聚类算法的基础上,通过谱分解求解特征值和对应的特征向量,建立并描述Nystr?m逼近聚类图像分割算法模型,利用聚类算法对样本集合进行聚类,得到图像的分割的结果。通过时效性和有效性的模型检验,得到该模型具有效率高、简单和模拟性好的结论。分别将模型用于货车发动机故障检测和车辆车牌识别的实际应用中,得到该模型在现实应用中皆能够发挥图像分割作用和意义。该文的研究为故障检测等交通领域,以及其他用于图像分割的领域打下了理论基础和实践依据。     

图像目标识别之实现

为解决当前流行的巡航导弹图像目标识别及瞄准技术，主要采用了分割和归一化技术。分割是很关键的一个步骤，归一化采用了坐标平移及图像缩小技术。归一化是为使图像具有可比性。由于采用了归一化，图像目标识别具有很高的准确性。此外还采用了逐步改变标准和目标图像比值，最后使两者相同及模板匹配技术。     

深度卷积网络的舰船图像自动分割研究

当前舰船图像自动分割方法存在"过分割"或者"欠分割"现象,使得舰船图像自动分割误差大。为了提高舰船图像自动分割精度,提出了基于深度卷积网络的舰船图像自动分割方法。对当前舰船图像自动分割的研究现状进行分析,找到引起舰船图像分割误差的原因。采用活动轮廓模型对舰船图像进行粗分割,并找到其中的舰船图像错误分割区域。最后,采用深度卷积网络对舰船图像的错误分割结果进行校正,实现舰船图像进行精细分割,并与活动轮廓模型的舰船图像自动分割方法进行了对比实验。结果表明,相对于活动轮廓模型,深度卷积网络的舰船图像分割精度更高,降低了舰船图像的误分割率,验证了本文舰船图像自动分割方法的优越性。     

模糊聚类算法在船舶图像分割中的应用

传统船舶图像分割方法存在分割误差大,抗噪声干扰能力差、分割效率低等缺陷,为了解决传统船舶图像分割方法存在的不足,设计了基于模糊聚类算法的船舶图像分割方法。首先对当前船舶图像分割研究进展进行分析,指出不同传统船舶图像分割方法存在的局限性,然后对船舶图像进行去噪处理,提高船舶图像质量,改善抗噪声干扰能力,最后引入模糊聚类算法进行船舶图像分割,并采用多幅标准船舶图像与传统船舶图像分割方法进行对比测试。测试结果表明,本文方法可以对船舶图像进行高精度的准确分割,能够保留船舶图像边缘的重要信息,船舶图像分割速度可以满足实际应用的要求,获得了比传统船舶图像分割方法更优的结果,具有更加广泛的应用范围。     

一种去噪声的轮廓提取算法

轮廓是物体的一个重要特征,轮廓提取的好坏对后续的目标定位、特征提取、识别和分类有着重要的影响.文中在现有方法的基础上,提出了一种新的轮廓提取方法.首先,在经典Otsu算法基础上,结合图像的熵给出了一种图像分割阈值选取方法;然后通过划分单元块,统计非零像素个数,去除噪声块,合并单元块,再次去除噪声块获得目标区域;最后采用4-邻域方法提取目标区域的轮廓.实验结果显示,改进的算法能够有效分割出目标,设计的目标轮廓提取方法能够有效去除噪声的影响,获得封闭的、单像素宽度的外轮廓线,为后续的图像处理和目标识别奠定了良好的基础.     

噪化图像的形态学分割方法

对严重噪化的图像，提出一个形态学分割方法，先通过灰度骨架变换方法和最大内接块的概念将图像中的颗粒噪声，目标表面及有噪背景分离开，移去变化背景及颗粒噪声，使图像得以增强，为了成功地识别和分离不需要的成分，用灰度形态开形成一个尺寸鉴定算法，最后在增强图像上应用全局阀值化从背景中获得目标。     

自适应阈值法的舰船图像自动分割

图像分割是视觉检测领域中的重要环节。由于舰船环境和图像数据的复杂性,现阶段舰船图像自动分割技术中的抗光照性能差、精度低以及边缘模糊等问题仍普遍存在。如何有效完成对舰船图像进行自动分割成为一大难题。为了有效解决上述问题,对当前图像分割方法进行深入的研究和调查,提出通过自适应阈值法的舰船图像自动分割方法,在总结和分析了现有自适应阈值分割算法存在的优点和局限性后,给出了自适应阈值图像分割法的改进方案,以便从复杂的舰船图像背景中分离出目标区域,有效解决当前图像分割技术中光照不均匀、边缘模糊等问题。为验证方法有效性进行了仿真实验,实验结果证实该方法性能效果相对较好,充分满足对复杂舰船图像进行分割的设计目标。     

基于改进的支持向量机方法的多目标图像分割

支持向量机方法被看作是对传统学习分累方法的一个好的替代,特别在小样本、高维情况下,具有较好的泛化性能。针对一对一支持向量机方法进行了改进,并采用其对多目标图像进行了分割研究。实验结果表明,支持向量机方法是一种很有前景的图像分割技术。     

多尺度特征提取的复杂舰船图像分割研究

图像分割质量直接关系到后续图像识别的准确性和运算量。为实现舰船图像高质量、高效率分割,研究一种基于多尺度特征提取的复杂舰船图像分割方法。该方法针对复杂舰船图像实施灰度化、滤波2种预处理。利用直方图均衡化法提高图像对比度,更加突出目标特征。通过高斯金字塔对图像实施多尺度分解,并提取每一级尺度图像的4种特征,归一化处理后得到特征矢量。利用均值漂移算法实现过分割,利用图论方法实现再分割,完成分割方法研究。结果表明：与阈值法、区域法和边缘法相比,本文方法应用下,Dice相似系数更大,分割重叠误差更小,说明本文方法分割性能更高,实现更为精确化和详细化的图像分割。     

图像分割在工件图像视觉检测中的应用

在介绍图像分割的主要特征的基础上,分析了目前几种典型图像分割方法。针对工件图像视觉检测中图像分割特点,提出了将边缘检测和域值分割方法相结合来分割工件图像的一种新方法,并开发了相应的软件。实验验证该方法用于工件图像测量,能很好消除图像噪声,得到连续的图像边界,并且定位较准,可以有效地提高检测系统的精度。     

基于改进的 NCSPSO -AFSA 对 SVM参数的优化及其应用

为了找到支持向量机（SVM）最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法（ NCSPSO）引入变异算子和族外竞争机制加以改进后与人工鱼群算法（ AFSA）混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法（PSO）,NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好。将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰。     

基于图像检测的船舶特征分割与提取优化算法

船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。