首页 > 文献资料
-
基于视觉显著性和图割优化的图像自动分割
图像分割是从图像处理到图像分析理解的关键一步,考虑到目前越来越大的图像数据量,该文章提出了一种利用视觉显著性和图割优化的图像自动分割方法.已有的图像分割方法多涉及人工交互,通过人力选取图片背景和前景像素进而对图片进行分割,基于此,作者想到结合图像显著性和高斯混合模型代替人工交互部分,并利用图割优化算法对图像进行自动分割,省去人工参与,可以更有效率地处理大量数据.实验表明,该方法可以快速有效地将图片中目的物体从背景中分割出来.
-
基于特征融合视觉显著性的医学图像分割
医学图像分割结果的准确性对医生诊断病情并制定相应的治疗策略具有重要价值.针对现有的医学图像进行分割时由于没有考虑人类视觉显著性机制因素导致分割精度不高的问题,提出一种基于特征融合视觉显著性的医学图像分割方法.首先基于频率调谐生成待分割医学图像的显著图,得到图像的显著区域并突出医学图像的边缘轮廓,然后分别提取其颜色特征和纹理特征将其作为反向传播神经网络的输入向量,在此基础上用神经网络分类器模型对图像进行分割.通过实验进行验证,结果表明该方法获得了较好的分割精度和分割效率,本文所提方法为医学图像的准确分割提供了一种新途径.
-
基于视觉显著性和旋转扫描的视盘分割新方法
视盘的快速定位与边缘分割是计算机辅助诊断的重要研究课题.本研究提出了一种有效的视盘分割新方法,将人眼视觉特性引入眼底图像的分析与处理.本文提出的这一方法充分考虑视盘在眼底图像中的形态特征,通过快速定位感兴趣区域,同时融合视盘的亮度、颜色和空间分布等视觉显著性特征,生成了基于像素距离的显著性图,并应用自适应阈值分割视盘.在此基础上,进一步提出旋转扫描方法,以减少血管对视盘完整性的影响和干扰,终获得连续完整的边缘轮廓.然后,本课题组在眼底图像数据库Drishti-GS中验证提出的视盘边缘分割方法是否有效.本文研究结果显示,该方法简单快捷,具有良好的性能指标,能达到眼科专家的分割水平,今后或有助于眼科疾病的计算机辅助诊断.