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:摘要:宫颈癌是威胁女性健康的最大杀手之一,每年全世界大约会新增的病例数多达数十万。其中我国的宫颈癌发病率常年居于世界第一,严重危害着我国女性的生命安全,遏制宫颈癌在我国的蔓延刻不容缓。在宫颈癌的检测方法中宫颈细胞的显微图像检查是公认的最简单、最经济和最直接的方法。这种方法是通过观察宫颈细胞的显微图像,根据医生的专业知识去判断出宫颈细胞是否病变。但是,观察过程中,显微图像所显现在医生面前的细胞,大多都是以重叠,不清晰的细胞块出现,不利于医生的准确观察。
简介:针对现有的图像分割方法存在的精度低、稳定性较差的问题,提出了一种基于猫群优化算法的图像多阈值分割方法。本文将猫群优化算法(CatSwarmOptimization,CSO)引入到图像分割中,以最大类间方差作为猫群优化算法求解的适应度函数,利用猫群优化算法中猫的两种行为模式——搜寻模式和追踪模式来快速搜寻图像多阈值分割的最佳阈值。实验表明,与粒子群优化算法(ParticleSwarmOptimization,PSO)、头脑风暴算法(BrainStormOptimization,BSO)和人工蜂群算法(ArtificialBeeColony,ABC)相比,CSO在图像分割时的精确性、收敛速度及稳定性上有显著优势。在3阈值图像分割时,所提方法找到最优个体需要的平均迭代次数最少,且稳定性比ABC、BSO和PSO分别提高了5%、10%和80%。
简介:针对合成孔径雷达(SAR)图像感兴趣区域(ROI)的分割问题,提出了一种基于Mellin变换的正则化参数的自适应选取方法。首先将SAR图像乘性相干斑噪声转化为加性相干斑噪声,在此基础上应用正则化模型建立SAR图像特征增强目标函数。然后推导出正则化参数与相应范数项的关系式,应用共轭梯度法对模型进行求解,最终达到图形特征增强与相应ROI分割的目的。所提算法不仅有效抑制了背景杂波,降低了相干斑的影响,而且还克服了传统方法对参数经验值选取的弊端。基于真实SAR图像数据的实验结果验证了该方法的简便性和有效性。