《一种用于纺织和医学图像的分割方法.pdf》由会员分享，可在线阅读，更多相关《一种用于纺织和医学图像的分割方法.pdf（5页完整版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102542531 A (43)申请公布日 2012.07.04 CN 102542531 A *CN102542531A* (21)申请号 201010578496.2 (22)申请日 2010.12.08 G06T 5/00(2006.01) (71)申请人 江南大学 地址 214122 江苏省无锡市蠡湖大道 1800 号 (72)发明人 周頔 吉庆 (54) 发明名称 一种用于纺织和医学图像的分割方法 (57) 摘要 一种用于纺织和医学图像的分割方法。它改 善了图像分水岭算法中的过分割现象， 是以如下 步骤进行的 ： 首先， 为得到梯度幅值图像， 对原始 图像进。
2、行边界检测 ； 然后， 利用一维梯度向量流 偏微分方程对梯度幅值图像进行边界信息扩散和 噪音去除 ； 再后， 检测梯度图像的局部最小值点， 并通过形态学膨胀运算自动合并相近的局部最小 值点 ； 最后， 用分水岭算法分割处理后的图像。 (51)Int.Cl. 权利要求书 1 页 说明书 3 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 1 页 说明书 3 页 1/1 页 2 1. 一种提高图像分割性能的方法， 其特征是 ： 首先， 为得到梯度幅值图像， 对原始图像 进行边界检测 ； 然后， 利用一维梯度向量流偏微分方程对梯度幅值图像进行边界信息扩散 和噪音去除 ； 。
3、再后， 检测梯度图像的局部最小值点， 并通过形态学膨胀运算自动合并相近的 局部最小值点 ； 最后， 用分水岭算法分割处理后的图像 . 2. 根据权利要求 1 所述的提高图像分割性能的方法， 其特征是 ： 分水岭算法是基于拓 扑理论的数学形态学的分割方法， 其基本思想是把图像看作是测地学上的拓扑地貌， 图像 中每一点像素的灰度值表示该点的海拔高度， 每一个局部极小值及其影响区域称为集水 盆， 而集水盆的边界则形成分水岭。 3. 根据权利要求 1 所述的提高图像分割性能的方法， 其特征是 ： 分水岭算法的计算过 程是分成两个步骤的迭代标注过程， 一是排序过程， 另一是淹没过程 ； 即， 首先对每个。
4、像素 的灰度级进行从低到高排序， 然后在从低到高实现淹没过程中， 对每一个局部极小值在 h 阶高度的影响域采用先进先出的结构进行判断及标注。 权 利 要 求 书 CN 102542531 A 2 1/3 页 3 一种用于纺织和医学图像的分割方法 所属技术领域 0001 本发明涉及一种图像分割方法， 尤其是能改善过分割现象的图像分割方法。 背景技术 0002 图像分割是计算机视觉领域中的一个关键任务。在各种分割算法中， 分水岭是一 种较好的算法。 它以梯度幅值图像为处理对象， 能够自动分割图像中的各个目标物体， 在图 像处理中被广泛应用。从原理上分析， 分水岭是一种基于区域的图像分割方法。 00。
5、03 目前， 分水岭算法的一个公认的严重缺点就是对噪音敏感， 易于产生过分割， 即分 割的区域数目远超过图像中包含的实际对象数。 其原因在于每个实际对象区域中经常包含 多个局部最小值。而依据分割原理， 每个局部最小值就会产生一个分割区域。所以一般的 梯度幅值图像因其含有噪音， 并不适合用分水岭算法处理。因此在用分水岭进行图像分割 前， 需要对其做预处理。 距离变换是一种常用的预处理算法， 它将二值图像构造成一幅具有 分水岭结构的梯度幅值图像， 然后再进行分割。另外一些滤波算法也可用于预处理灰度图 像， 减少局部最小值的个数， 以改进分割质量。 发明内容 0004 为了克服现有分水岭算法对噪音敏。
6、感、 易于产生过分割的不足， 本发明提出一种 能改善过分割现象的图像分割方法。 0005 本发明解决其技术问题所采用的技术方案是 ： 首先， 为得到梯度幅值图像， 对原始 图像进行边界检测 ； 然后， 利用一维梯度向量流偏微分方程对梯度幅值图像进行边界信息 扩散和噪音去除 ； 再后， 检测梯度图像的局部最小值点， 并通过形态学膨胀运算自动合并相 近的局部最小值点 ； 最后， 用分水岭算法分割处理后的图像。 所述的分水岭算法是基于拓扑 理论的数学形态学的分割方法， 其基本思想是把图像看作是测地学上的拓扑地貌， 图像中 每一点像素的灰度值表示该点的海拔高度， 每一个局部极小值及其影响区域称为集水盆。
7、， 而集水盆的边界则形成分水岭。所述分水岭算法的计算过程是分成两个步骤的迭代标注 过程， 一是排序过程， 另一是淹没过程 ； 即， 首先对每个像素的灰度级进行从低到高排序， 然 后在从低到高实现淹没过程中， 对每一个局部极小值在 h 阶高度的影响域采用先进先出的 FIFO 结构进行判断及标注。 0006 本发明的有益效果是， 改善了分水岭算法的过分割现象， 为后续处理提供较为可 靠的技术手段， 可广泛用于各种图像预处理中， 尤其在例如纺织、 生物医学图像等精细图像 的分割中。相对于传统预处理方法， 提高了后续阶段如目标提取和模式识别等任务的正确 率。 具体实施方式 0007 第一步， 利用一维。
8、梯度向量流偏微分方程对梯度幅值图像进行边界信息扩散和噪 音去除。具体为， 将原始的用于对二维梯度向量进行扩散的梯度向量流 GVF 修改为对一维 说 明 书 CN 102542531 A 3 2/3 页 4 的梯度幅值进行扩散的偏微分方程， 即 1D-GVF ： 0008 0009 其中， f 表示原始图像的梯度幅值图像， 是权值因子，是梯度算子， g 是偏微分 方程对 f 的扩散作用结果， 它的初始值是 f。式 (1) 所对应的最小化能量泛函为 ： 0010 0011 通过 1D-GVF 的作用， 图像的边界信息逐渐扩散插值到光滑区域， 使得靠近边界 处， 幅值较大， 远离边界处， 幅值较小，。
9、 因此图像的处理结果具有类似分水岭结构。同时 GVF 是一个去噪偏微分方程， 图像在形成分水岭结构的同时， 可以保护图像的大尺度信息的主 要特征， 去除一些不重要的小尺度特征的细节信息， 抑制噪声所造成的过分割现象， 这也是 偏微分方程优于传统去噪方法的原因。 0012 第二步， 检测梯度图像的局部最小值点， 0013 图像经过一作用后， 目标内部的局部最小值一般会减少， 但仍存在。 因此此时用分 水岭算法对已经过一处理后的梯度幅值图像 g 进行分割， 仍存在一定的过分割现象。所以 还须对 g 做进一步的预处理。 0014 首先， 对经过 1D-GVF 作用后的梯度幅值图像 g 求梯度， 得到。
10、梯度向量场 如果一个点具有局部最小值， 对其求梯度后， 则其任一个邻接点的梯度方 向都不指向它， 利用这个特征， 提出局部最小值检测方法。 令P是待检测点， 如果P的任一八 领域点 Q 都满足 ： 0015 0016 则称 P 为一个局部最小值点。式 (3) 中是点 Q 的梯度方向。通过式 (3)， 可得到 一个局部最小值点矩阵， 大小和原始图像一样， 定义如下 ： 0017 0018 如果一组局部最小值点的八邻域互相连通， 它们只会产生一个分割区域。 因此， 本 实施例将具有这种性质的局部最小值点组看作是一个局部最小值， 将不会影响相邻局部最 小值点的判别与自动合并过程。 0019 第三步，。
11、 通过形态学膨胀运算自动合并相近的局部最小值点。 0020 本实施例提出一个简单有效的方法自动合并相邻近的局部最小值点。对图像的 局部最小值矩阵进行形态学膨胀， 距离小于结构元素 S 直径的局部最小值点将被合并， 即 通过膨胀运算， 合并相邻近的局部最小值点， 得到新的局部最小值矩阵， 然后 令图像 g 中对应于局部最小值的点值为零， 即 0021 说 明 书 CN 102542531 A 4 3/3 页 5 0022 经过以上处理后， 图像中属于同一个目标的多个局部最小值被合并。 因此， 根据分 水岭分割算法的原理， 合并的局部最小值只会产生一个分割区域， 因此分割质量将会提高， 将减少后续的区域合并次数。 说 明 书 CN 102542531 A 5 。