摘要：针对彩色图像分割中分水岭算法的过分割问题,提出了一种改进的基于标记提取的分水岭算法.改进后的算法由平滑滤波、彩色梯度计算、标记提取和分水岭变换组成.在平滑滤波阶段,设计了保边性能优于传统频域低通滤波器的频谱包络滤波器并运用于彩色图像及其梯度的平滑.彩色图像梯度计算直接在彩色向量空间进行.在标记提取阶段,利用局部极小值区的深度信息自适应控制扩展最小变换在平滑后的梯度图像中提取标记,然后融合极小值区的多重信息修改标记并将其叠加到原始梯度图像.对叠加标记后的梯度图像进行分水岭变换即得到最终的分割结果.实验结果表明,改进后的算法克服了传统算法边缘定位不准以及弱边缘提取困难等问题,参数选取更加合理,自适应程度提高.

摘要：针对分水岭算法的过分割问题,设计了一种结合标记分水岭和区域合并的彩色图像分割算法.算法首先根据梯度图像局部极小值的综合信息自适应提取标记,在标记的基础上进行分水岭变换获得初始分割结果;然后结合人眼对区域相似性的实际感知定义了融合颜色距离、方差和边缘信息的综合距离度量,通过综合距离度量控制区域进行快速合并得到高级分割结果.仿真结果表明,新设计的算法能够有效抑制过分割,获得更小的局部一致性错分率,与人工标注的分割结果更为接近.

摘要：为了防止Watershed算法过分割问题,文中提出一种新改进的基于标记的Watershed自动图像分割方法.文中设计出一种有效的标记自动提取方法,用来从梯度图像的低频成分中提取与图像中的物体相关的极小值,用这些极小值构成二值标记图像.根据二值标记图像,形态学的极小值标定技术被用来将这些提取的标记强制作为原始梯度图像的极小值,而屏蔽原有梯度图像的所有极小值.最后,watershed算法在修改过的梯度图像上进行图像分割.利用本文提出的图像分割算法可以获得较为理想的图像分割结果.通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且均一的分割区域,以及较为准确、连续、一个像素大小的物体边界.与其它的Watershed改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低Watershed算法的过分割问题.

摘要：目的针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。

摘要：为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。利用本文提出的图像分割算法可以获得较为理想的图像分割结果。通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低分水岭算法的过分割问题。

摘要：踏面图像分割是实现踏面区域与背景分离的过程,是联系图像预处理与踏面图像缺陷检测的纽带。针对传统踏面图像分割方法处理过程中存在的图像信息缺失、区域轮廓分割精度低和抗干扰能力差的问题,提出了一种基于改进分水岭算法的彩色踏面图像分割方法。首先使用带色彩恢复的多尺度视网膜增强(MSRCR)调整踏面图像入射分量与反射分量及RGB 3个颜色通道之间的比例;然后直接计算彩色图像梯度图,通过改进RGB彩色分量融合运算完成彩色梯度图像前景与背景的标记后进行分水岭变换得到初始分割结果;最后结合踏面轮廓方位特点设计图像连通域提取分割算法完成踏面曲面提取。实验结果表明,本方法分割图像边缘特性好,颜色保真,抗雾霾、光照干扰能力强,可以获得理想的车轮踏面分割结果。

摘要：本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法。算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割。实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果。