简介：为解决血液白细胞显微图像自动识别中的图像分割问题,提出了一种基于活动轮廓的彩色白细胞图像自动分割方法,首先在Hue,Saturation,Intensitv(HSI)彩色空间中运用聚类分割得到细胞核,从而得到细胞所在的位置,然后用流域算法得到细胞大致的轮廓,最后将此轮廓作为初始轮廓,用梯度矢量流(GVF)外力及来自全局信息的区域力驱动,结合彩色信息,使得轮廓收敛于真实的细胞边界.实验结果表明,此方法能精确、有效地分割出单个以及部分重叠白细胞区域.

简介：摘要：活动轮廓模型作为图像分割中有力工具，近年来得到了广泛的应用。在分析前人提出的模型的过程中，发现基于全局信息的模型对灰度不均匀的图像分割效果较差，而基于局部信息的模型可较好分割灰度不均匀的图像，但对初始轮廓敏感，且水平集演化效率较低。

简介：摘 要本文采用区域增长法获取河塘的初始轮廓，再将初始轮廓代入GVF snake模型获取河塘轮廓，避免了snake模型因初始轮廓位置不合理而导致局部收敛的问题以及snake模型拓扑结构不易改变的问题。

简介：针对MSATR图像分割问题,给出了一种基于高阶灰度矩的处理算法.首先深入分析了MSTAR图像的统计分布特性,并对目标、阴影,以及背景区域分别建立了相应的描述模型,在此基础上,构造了高阶灰度矩特征.通过将原始图像变换到高阶灰度矩形式,显著增强了目标区域与阴影、背景区域的差异性,进而依据不同的阈值化策略,实现了MSTAR图像中目标、阴影和背景区域的分割.对MSTAR图像的实验结果表明,与恒虚警率(CFAR)、最大类间方差(OTSU)、模糊C均值(FCM)和马尔可夫随机场(MRF)等常用分割算法相比,本文算法不需进行噪声抑制处理,且在分割效果和鲁棒性等方面性能更好.同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性.

简介：将能反映纹理空间尺度变化信息的尺度共生矩阵(动态信息)和反映纹理信息的灰度共生矩阵(静态信息)相结合,进行纹理特征抽取,对纹理图像进行分割,再对分割结果进行滤波,去除分割结果中存在的误分像素,结果表明,能够获得良好的分割效果.

简介：摘要：通 过将现有 GrabCut算法的手动初始化导致的图像分割效率低与目标轮廓增强技术相结合，提出了自动 GrabCut算法。首先，对图像执行光谱残差计算，以获得具有目标轮廓的可视化挤压图。其次，对挤出的地图进行预分割，并通过快速连接区域分析执行前景估计，以获取遮罩，并用获取的遮罩替换手动交互式初始化。 GrabCut算法最终实现了自动拆分。根据实验结果，该方法克服了手工操作的缺点，在处理背景色相似的图像时，具有比传统方法更好的分割效果。

简介：针对植物图像难以分割的问题，运用了基于局部区域约束C-V方法进行分割的方法，使植物图像的目标与背景分离，并充分利用植物图像颜色先验信息来进一步的分割和修复，以便得到更加准确的目标。

简介：对于二维灰度图像，基于灰度信息的图像信息熵分析法，由于没有考虑到图像的空间信息，存在着对图像信息描述不准确的问题。在进行图像分割时，若图像复杂到一定程度时，无法得到满意的效果。本文从空间信息和灰度信息出发，将图像的空间信息和灰度信息作为特征向量，对比较复杂的图像进行聚类分割，取得了满意的效果。经分析和实验验证，本文提出的基于空间信息和灰度信息的塔型模糊C－均值聚类（PFCM）图像分割方法与传统的非塔型聚类算法相比，具有收敛速度快，稳定性好等优点。同时，由于对初始聚类中心的合理初始化，消除了聚类分析中常见的死点问题。

简介：Chan和Vese提出了一种水平集方法解动态轮廓曲线方程用于图像分割，该方法不需要由图像梯度分布所给出的边界。该算法基于Mumford—Shah能量最小方程而发展的，有两个主要的局限性，一是只能处理在直方图中为双峰的图像，即只能将图像分割为两种区域，二是该方法在解非线性偏微分方程中采取平均曲率演化方法时特别耗时。

简介：图像配准是图像处理的基本任务之一，其效果将直接影响到其后续图像处理工作的效果。介绍了一种借助转动惯量计算惯量椭圆以进行遥感灰度图像配准的方法。

简介：本文阐述了基于形变模型(DeformableModels)的LevelSet分割方法的基本原理及其特点,介绍了在图像域的实现方法,实现并改进了基于该模型的NarrowBand快速算法.该算法的基本流程是:先在需要分割的目标内或外给定一封闭的初始曲线,通过Gaussian滤波后计算图像的梯度,最后通过NarrowBand算法完成轮廓线的抽取.该算法应用于医学CT/MRI影像以及显微图像的目标分割中,取得了较好的实验结果,证明该方法非常适合于对具有分支、突触以及拓扑结构变化的目标进行快速精确分割.文中给出了算法实现的基本流程、相关参数的选取准则和部分实验结果.实验发现算法中涉及的参数对提取的轮廓线的精确和光滑程度有较大影响.

简介：摘要目的探讨多视角融合以及主动轮廓约束的深度学习算法在10 μm级耳科专用CT图像上对听小骨分割的效果。方法回顾性收集2019年10月至2020年12月北京友谊医院放射科10 μm级耳科专用CT检查的受试者数据共79侧耳（56侧来自志愿者，23侧来自标本）。对锤骨、砧骨和镫骨进行标注，将其划分为训练集（55侧）、验证集（8侧）和测试集（16侧）。采用感兴趣区域快速定位结合精准分割算法，分别从冠状面、矢状面和横断面3个视角对锤骨、砧骨和镫骨进行分割与融合。针对镫骨，同时设计了基于主动轮廓损失的镫骨分割方法。分割实验采用客观指标Dice相似系数（DSC）作为判别标准，比较本方法与基础方法、本方法与其他分割方法的组间DSC差异。结果多视角融合分割算法对锤骨、砧骨和镫骨的平均DSC值分别为94.2%±2.7%、94.6%±2.6%和76.0%±5.5%；结合主动轮廓损失的约束方法后，对镫骨的平均DSC值进一步提升（76.4%±5.4%比76.0%±5.5%），且可视化结果显示镫骨结构的分割结果更加完整。结论基于10 μm级耳科专用CT数据的多视角融合算法可实现对锤骨和砧骨结构的精准分割，结合主动轮廓损失约束方法，可进一步提升对镫骨结构的分割精度。

简介：摘要要想快速的对一些复杂背景图像的局部轮廓进行识别，就需要对这些复杂背景图像进行分解并且提取一些多尺度的细节特征，再将图像的原图和经过操作后的图像进行对比。在传统的方法中，一般都是利用相与操作算子对这些复杂的背景进行处理，再把图像中的干扰信号除掉，使用这种方法有一个缺点就是会忽略图像的一些细节，识别的效率也很低。研究人员根据实际的情况，提出了一种基于Tophat算法的复杂背景图像局部轮廓信息人工智能识别的方法。这种智能识别的方法能够利用对偶树复小波的变换的优良特性对复杂背景图像进行分解，在提出多尺度的细节特征。在对这些已经提出来的特征进行腐蚀和开闭运算。这种方法真正的实现了对复杂背景图像局部轮廓信息的识别，也为以后发展图像识别技术奠定了一个良好的基础。

简介：摘要要想快速的对一些复杂背景图像的局部轮廓进行识别，就需要对这些复杂背景图像进行分解并且提取一些多尺度的细节特征，再将图像的原图和经过操作后的图像进行对比。在传统的方法中，一般都是利用相与操作算子对这些复杂的背景进行处理，再把图像中的干扰信号除掉，使用这种方法有一个缺点就是会忽略图像的一些细节，识别的效率也很低。研究人员根据实际的情况，提出了一种基于Tophat算法的复杂背景图像局部轮廓信息人工智能识别的方法。这种智能识别的方法能够利用对偶树复小波的变换的优良特性对复杂背景图像进行分解，在提出多尺度的细节特征。在对这些已经提出来的特征进行腐蚀和开闭运算。这种方法真正的实现了对复杂背景图像局部轮廓信息的识别，也为以后发展图像识别技术奠定了一个良好的基础。

简介：针对分割图像目标是无法提取目标的真实边缘且实时性不佳,引入混沌系统改进的PSO（简化粒子群算法）提取出的目标边缘作为Snake模型分割的起始位置,优化能量函数后分割出精准目标.实验表明：对图像目标进行分割的时间减少且精准度也提高了。

简介：摘要：深度学习已广泛应用于医学成像的分割中。2015年提出的U-Net模型显示了精确分割小目标及其网络架构可扩展的优势，使其成为医学成像分割任务的主要工具。近年来，随着对医学图像分割性能要求的不断提高，研究人员通过采用新方法或将引入其他方法等手段，从结构、创新性、效率等方面对U-Net架构进行了许多进步。U-Net的成功之处在于它在MRI、CT、眼底成像、超声图像和X射线等几乎所有主要图像模式中被广泛应用，并有巨大的发展潜力。

简介：摘要针对图像隐写算法的安全性基础问题，提出了图像隐写签名加密方案，在对秘密消息签名加密后，嵌入到载体图像中，通过使用公钥密码体制，使图像隐写的安全性依赖于密钥的安全性，而不依赖隐写算法，分析表明，本文提出的灰度图像LSB隐写签密方案可以提高隐写的安全性，保证秘密信息不被攻击者获得。

简介：摘要

简介：分析了粘连气泡的分割对PIV技术的重要性，提出了气泡分割的具体步骤，首先对粘连气泡图像进行二值化特征提取、区域填充、图像相减得到气泡亮点，随后通过对图像亮点的加厚得到粘连气泡的分割线，从而得到气泡的像面尺寸．将其与水线分割法相对比，证明了该方法的适时性．

简介：摘要本文基于传统的灰度阈值图像分割，利用图像增强中的微分梯度，对原有图像的细节进行锐化增强，然后再使用这三种方法进行分割，得到的分割结果和传统的分割方法得到的结果进行比较，该方法确实达到了改善分割后图像细节的效果。