玉米自动化考种过程的粘连籽粒图像分割

针对玉米自动化考种过程籽粒粘连导致穗粒数统计准确率低的问题,提出一种遗传算法(GA)与改进脉冲耦合神经网络(PCNN)相结合的分割方法(GA+改进PCNN),对粘连玉米籽粒图像的分割问题进行研究。采用数学形态学和wiener滤波对待分割图像去噪,基于小波变换进行多图像融合得到新图像;利用遗传算法寻找改进PCNN模型中参数β、αE和VE的最优解并进行图像分割。结果表明:1)本研究方法对粘连玉米籽粒的分割准确率为98%;2)本研究方法的交叉熵、区域内部均匀性、形状测度维和区域对比度指标依次为0.079 4、0.975 4、0.878 5和0.869 2,总体优于OTSU、改进分水岭、迭代法全局阈值和未改进PCNN分割算法;3)本研究方法的单幅图像处理时间为22.07s,用时长于各比较算法,但分割效果最理想。     

基于控制标记符分水岭的医学图像分割

提出了一种适合医学图像分割的改进分水岭算法,针对分水岭算法存在的过分割问题,采用数学形态学重构滤波器和Ostu阈值分割方法对图像中感兴趣的目标和背景进行标记。根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正。最后,使用分水岭算法对修正的梯度图像进行分割。该方法能有效抑制过分割现象,而且计算复杂程度较低、分割效果较好。     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

基于改进分水岭算法的作物病害叶片分割方法

传统的标记分水岭算法在作物病斑分割过程中存在伪标记,会造成过分割,本研究在传统的标记分水岭算法基础上提出了一种改进的标记分水岭分割算法。该算法首先采用形态学进行预处理,建立形态学梯度,并对梯度图像进行开闭重建。然后对重建的梯度图像进行前景标记,并利用病斑和正常叶片的颜色差异对前景标记中的伪标记进行滤除,对修改后的前景二值化图像进行距离变换和分水岭完成背景标记。最后用强制极小值技术进行梯度修正,并用分水岭算法对其进行分割。对多幅作物叶片进行分割试验,并对比不同分水岭的分割效果,结果表明该方法得到的区域数最少,能有效提取黄瓜叶片病斑,并且抑制过分割。     

基于距离变换的改进分水岭算法在白细胞图像分割中的应用

在白细胞图像中,由于白细胞细胞核的存在,直接应用分水岭算法时,往往达不到较好的效果。本文提出一种结合EM聚类的改进分水岭算法。通过将EM聚类获得的图像中细胞核区域替换,然后使用基于距离变换的分水岭分割,确定白细胞区域。对距离变换后的图像采用形态学处理减少了细胞分割中的过分割现象。同时使用细胞核位置的先验条件,合并分水岭分割区域,进一步减小过分割的影响。本文方法提供一种新的将分水岭算法应用于白细胞分割的思路。同时实验证明,方法在分割精度上有着良好的表现。     

应用改进分水岭算法对木材表面缺陷图像分割试验

根据木材缺陷样本图像特点,用直方图均衡化和灰度变换对其进行预处理,使缺陷目标和背景反差更大,突出缺陷目标图像;对活节(样本1)、死节(样本2)、虫眼(样本3)缺陷采用多组对比试验的方法,采用传统分水岭算法和改进分水岭算法分割样本缺陷图像,分析两种方法的差异。结果表明:改进分水岭算法,能迅速且较好分割木材缺陷图像,缺陷轮廓更为清晰完整,曲线更为平滑,弥补了传统分水岭算法过渡分割和欠分割的不足,达到较为理想的分割效果;改进分水岭算法分割效率比传统分水岭算法更高,分割时间更短,更准确;试验证明了改进分水岭算法对木材缺陷图像分割的可行性和可靠性。     

一种粘连牛乳体细胞图像的分离算法

粘连细胞的分割是细胞精确计数的关键,针对牛乳粘连体细胞的特点,首先利用k-means方法分割细胞和背景并运用数学形态学算子对图像做预处理.然后对分割后的二值图像进行距离变换和图像重构,最后用Watershed算法分离粘连细胞,以得到最终结果.实验结果表明该方法能准确、快速地分割粘连牛乳体细胞,并能有效改善分水岭(Watershed)的过分割现象.     

基于改进分水岭算法的茶叶嫩叶图像识别

为茶叶的智能识别采摘提供技术支持,针对传统的分水岭图像分割算法对噪声敏感、易产生"过分割"现象,提出改进分水岭算法的图像分割方法,利用微分方程去噪模型对图像进行去噪处理,然后通过大津算法和分水岭算法对去噪后的图像进行2次分割,最后得到茶叶嫩叶的分割图。结果表明:偏微分方程去噪模型对图像进行去噪的效果较好,消除噪声,且无模糊茶叶的边界,有效提高了图片的质量,便于图像后续的分割;图像第1次用大津算法进行嫩叶分割,叶片分割的完整度较高;图像第2次用分水岭算法进行嫩叶分割,茶叶图像中嫩叶被很好地分割出来。改进后的分水岭算法对茶叶图像中嫩叶的分割具较好的效果。     

基于Split Bregman算法的遥感图像分割分水岭技术

针对遥感图像中的道路、村落、农田、山脉等目标物分割时存在过分割和欠分割问题,采用分裂Bregman算法和分水岭方法相结合的方法,给出了适合近地遥感图像的一种新的标记分水岭方法。该方法利用多尺度插值小波算子逼近图像分割变分模型中的图像表示函数;采用Split Bregman迭代算法对变分模型进行快速求解;将Split Bregman分割结果作为标记,采用分水岭方法对遥感图像进行精确分割,保证了标记总数无冗余。试验结果表明,采用较小的尺度尺寸参数(J=3)时,可准确分割出来具有开环特性的村落图像区域,而采用较大的尺度尺寸参数(J=7)时,可精确分割农田中的纹理,但对村落区域则有一定的过分割现象出现。采用自适应多尺度参数时,可有效消除过分割和欠分割现象。