杨卫莉
,
郭雷
,
赵天云
,
肖谷初
量子电子学报
doi:10.3969/j.issn.1007-5461.2008.01.004
针对传统分水岭分割算法对噪声敏感和易于产生过分割问题,提出一种新的基于分水岭和蚁群智能聚类的图像分割方法(CWAC,Combining watersheds and ant colony clustering).CWAC方法首先用分水岭变换对图像做初分割,然后用蚁群方法在区域之间进行聚类合并,获得最终的分割结果.CWAC不但成功地解决了分水岭存在的过分割问题,还大大提高了蚁群聚类算法的搜索效率;本文利用分水岭变换后的灰度信息和空间信息,定义了一种新的引导函数,可更准确有效引导蚁群聚类.实验结果表明CWAC可以快速准确地分割出目标,是一种有效的图像分割方法.
关键词:
图像处理
,
分水岭
,
群体智能
,
蚁群聚类
,
引导函数
王平
,
张力
,
周长其
液晶与显示
doi:10.3788/YJYXS20122706.0808
粘连细胞的分割是医学细胞图像处理中的关键,随着形态学在图像分割中的应用,分水岭分割成为粘连细胞分割中最有效的方法之一.然而,由于巨噬细胞图像中的噪声和形态的不规则性,传统分水岭算法容易产生过分割.若在经距离变换得到的距离图中提取“种子点”,并将其中距离小于某一阈值的两两“种子点”合并得到新的“种子点”,在新“种子点”重新分布的距离图基础上使用分水岭分割.实验结果表明:该算法虽然要比传统分水岭算法多花费些时问,但可以有效地分割粘连巨噬细胞并抑制过分割现象.分割后,对细胞进行标记并提取细胞的特征参数,如周长、面积、圆度因子、灰度均值等.
关键词:
粘连细胞分割
,
分水岭
,
过分割
,
距离变换
,
种子点
,
特征参数
李晓龙
,
帅仁俊
液晶与显示
doi:10.3788/YJYXS20153001.0157
由于脑部结构复杂,存在精密纹理并且由于成像技术的限制,传统分水岭算法分割脑肿瘤很容易产生过分割问题.本文提出一种改进的分水岭算法解决此过分割现象.在应用分水岭算法之前对图像进行一些预处理:首先,应用形态学开闭重建重构原图像,滤除噪声和复杂细小的纹理;其次,对重建后的图像做多尺度形态学梯度,并对修改了标识符的梯度图像进行分水岭算法分割.实验结果表明:结构元素半径大小取17～22,肿瘤能够完全地分割出来.与传统的分水岭分割算法相比,本文所采用的算法很好地抑制了过分割问题,可以很容易地分割出肿瘤.
关键词:
分水岭
,
过分割
,
形态学开闭重建
,
多尺度形态学梯度
,
标记符
