萨姆兰德·哈桑Samrand Hassan

报告 · 2018

基于图像直方图与聚类技术的图像分割

Image Segmentation Based on Image Histogram and Clustering Technique

Samrand Mahmood Hassan

代码与数据

摘要

图像分割是许多图像分析与计算机视觉任务中的重要环节。尤其是在静态图像中高效、交互式地分割前景目标,对图像编辑具有重要的实用价值,长期以来一直是研究热点。传统的图像分割工具利用纹理、颜色或边缘(对比度)信息进行分割;可变形模型、Graph-cut 与 GrabCut 等是分割前景目标的代表性方法。目标分割方法已应用于场景表示与理解、基于内容的图像检索、视频目标跟踪以及医学应用等众多计算机视觉领域。本项目采用两种技术实现医学图像分割。第一种方法根据输入灰度图像直方图的峰值定义若干像素强度区间,得到一组表示这些区间的二值图像,再将其转换为 uint8 类型图像并合并,得到分割结果。第二种方法对同样的图像使用 K-means 算法,得到尽可能紧凑且彼此分离的聚类,再通过线性滤波得到带有边界的图像区域。计算机视觉中的大多数目标分割技术基于边界检测原理,并假设感兴趣目标与背景之间存在明显且稳定的灰度变化。

联系我

合作研究、学术报告,或一个棘手的工程难题——欢迎来信。