曹亮[1]2008年在《基于Otsu理论的图像分割算法研究》文中进行了进一步梳理图像分割是计算机视觉领域的一个重要而且基本的问题,尤其在图像处理、分析和理解等领域中是一项关键技术。图像分割是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,是从图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置。分割结果的好坏将直接影响到视觉系统的性能。所以对图像分割的研究一直都是图像技术研究中的热点和焦点之一,故图像分割的算法层出不穷,而且已经在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。阈值图像分割方法是常用的图像分割方法。它通过选取阈值将图像分为目标和背景,关键技术是阈值的选取。最大类间方差(简称Otsu)法是常用的阈值图像分割方法之一,基于直方图,即通过考虑图像的灰度信息选取阈值。但是当图像变得复杂时,如一些图像信噪比低,灰度差异不明显,目标面积小等(其直方图表现为双峰差别大,甚至单峰),该方法就难以取得较好的分割效果,算法效率下降甚至产生分割错误。故本文研究了以Otsu理论为基础的,在图像分割中新兴的遗传算法,重点研究了结合遗传算法和Otsu法的灰度图像分割方法。利用Otsu算法不仅考虑图像的灰度信息,还考虑领域空间的相关信息的特点来保证图像分割精度,利用遗传算法大大提高运算速度。本文对该算法的有效性进行了实验,在编程设计中,引入了自适应方法选取算子,进一步提升了精度,并实际地进行了灰度图像的分割。记录了实验结果。该方法是对现有图像阈值分割法的一种补充,试验结果表明,该算法可行、可靠,达到了理想的分割效果,实现了比传统方法更快速、稳定的图像分割。在图像处理领域具应用潜力。
江晓亮[2]2016年在《基于模糊聚类及活动轮廓模型的图像分割技术研究》文中研究指明随着电子计算机技术的发展,数字图像处理作为一门新兴的学科已经成为信息社会中必不可少的工具。图像分割作为图像处理和计算机视觉、目标跟踪、以及医疗成像的基本课题,其主要目的是把图像分割成一系列具有均匀特性(灰度、颜色、纹理等)的子区域,进而将感兴趣的目标从背景中提取出来。在过去的几十年中,研究人员已经做出很大的努力来解决图像的分割问题,并提出了很多分割算法。然而,由于存在噪声、复杂背景、低信噪比和灰度不均匀性等问题,图像分割仍然是一项具有挑战性的任务。为了改善图像分割算法的性能,国内外学者至今仍在探索和开发新的图像分割算法和分割理论,以得到通用性更好、精度更高的分割结果,这也是本论文选题的意义所在。模糊C均值(Fuzzy C-Means, FCM)算法以最小平方误差和来衡量样本点与聚类中心之间的相似性,利用迭代法优化目标函数,从而实现图像数据的最优聚类。由于成功地将模糊关系引入到聚类方法中,使得FCM算法保留了更多的原始图像信息。基于偏微分方程的活动轮廓模型凭借其自由的拓扑和灵活的结构,得到了众多研究者们的青睐。该方法既利用了低层的图像信息,又融入了高层的理解机制,因而能获得精确的分割结果,具有较强的鲁棒性和实用性。本学位论文主要探讨图像分割领域中的模糊聚类和活动轮廓模型这两类分割方法,在原有算法的基础上进行改进,取得了如下研究成果：(1)提出了一种基于局部变异系数的模糊C均值图像分割算法。首先,利用局部窗口内所有像素点灰度的中值来代替中心点像素的灰度值,对快速广义模糊C均值(Fast Generalized Fuzzy C-Means, FGFCM)算法中的局部灰度相关性矩阵Sg_ij进行修正,提高了算法抑制噪声的能力；然后,引入局部变异系数来重新构造像素间的局部相似性度量,使其能更好地控制邻域内各点对中心像素的权重；最后,利用快速分割的思想使分割过程仅依赖于图像的灰度级,从而可以进一步提高算法的运行效率。与同类方法相比,该算法在一定程度上提升了图像的分割效果,且对噪声有很强的鲁棒性。(2)提出了一种局部交叉熵度量模糊C均值的水平集图像分割算法以及它的简化模型。首先,鉴于交叉熵准则在处理噪声方面有较大的优势,将其取代平方误差和准则来重新构造FCM_S (Fuzzy C-Means with Spatial Constraints)算法的目标函数,这样处理可以自适应地增加或减小样本点属于某个聚类的程度；其次,将改进后的聚类算法融入到变分水平集框架中,使得模型可准确地对像素点进行归类；最后,采用加权迭代法和梯度下降流法来求解本章模型。实验结果显示,相对于传统的水平集算法,该方法能成功地处理弱边缘和灰度不均匀目标,且具有一定的抗噪性。(3)提出了一种基于局部符号差和局部高斯分布拟合能量的活动轮廓模型。该模型以引入图像局部熵的局部符号差(Local Signed Difference, LSD)能量项和局部高斯分布拟合(Local Gaussian Distribution Fitting, LGDF)能量项的线性组合来构造水平集函数的演化力,并运用梯度下降流法来求解该能量泛函,从而驱使曲线向目标边缘运动。与传统的活动轮廓模型相比,新方法能正确地提取灰度不均匀图像中的目标,且对初始轮廓曲线的大小、位置和形状更不敏感。(4)提出了一种基于区域生长初始化的水平集海马图像分割算法。首先,通过自适应区域生长算法来获取海马体的大致区域；其次,对生长出的结果进行形态学操作,以消除内部斑点,并进一步利用轮廓跟踪算子得到有序的海马轮廓线；最后,将此轮廓曲线作为先验信息,运用改进的水平集方法驱动轮廓曲线向目标靠近并在海马边界处停止。实验结果显示,该算法分割出的海马结果与专家手动分割得到的结果非常相近,具有较好的准确性和分割效率。
曹小鹏[3]2015年在《图形处理器关键技术和光线追踪并行结构研究》文中指出随着计算机图形学和集成电路技术的发展,图形处理器(GPU)的研究取得了巨大进步。GPU的硬件结构从固定功能流水线架构发展为大规模并行的统一染色器架构,但核心图形处理算法仍然沿用传统的光栅化方法。光栅化方法速度快有利于实时处理,但对图形细节层次上的高质量渲染,特别是对复杂全局光照的处理还需要进一步提高。光线追踪算法能够获得较好视觉效果,但计算量巨大,现有GPU很难达到实时处理要求。因此研究新的图形处理并行计算架构和关键算法具有一定的科学意义和实用价值。本文针对固定功能流水线GPU设计中的计算效率优化问题,提出了图形处理并行加速结构,建立了仿真模型并流片进行了验证;为解决光线追踪算法的加速问题,提出了一种可重构阵列处理器架构,建立了仿真模型并用实验芯片进行验证;在该架构上实现了KDTree并行构建算法和医学图像分割算法;针对锯齿问题,提出了基于片元细分的反锯齿算法。本文主要创新点和成果如下:研究固定功能流水线GPU的体系结构及图形处理算法,提出了优化的图形处理流水线及并行加速架构。该架构采用光栅化图形处理方法,固定功能超长流水线,具有可配置的并行顶点染色、像素染色和扫描转换处理核心。建立了时钟精确的仿真模型进行架构与算法验证。采用该架构的图形处理器实验芯片已经基于0.13μm CMOS工艺成功流片。为解决光线追踪算法的加速问题,提出了可重构阵列处理器架构(RTGPU)。建立了光线追踪算法模型,优化了光线追踪流水线结构并提出了流水线的硬件映射算法。RTGPU由多个并行的光线追踪处理器核(RTCore)构成,每个RTCore是16*16的处理单元(PE)阵列,并通过16个行控制器动态重构每个PE的功能,16个列控制器管理所有数据,相邻PE之间通过短线互联,共享存储方式进行数据交互,远程PE之间通过路由器进行信息交互。采用该架构的验证芯片已经基于0.13μm CMOS工艺成功流片,通过仿真模型及验证芯片证明了设计的正确性。针对图形处理中的锯齿问题,提出了片元细分的反锯齿算法。该算法对产生锯齿的边界片元进行不断递归细分从而获得精细图形处理效果;对于非边界片元,用采样的中点颜色代替这一区域颜色,从而减少采样点数。该算法分别在光栅化流水线和光线追踪流水线中实现。仿真实验表明,该算法与多采样反锯齿算法效果一致,但减少了采样点个数,提高了计算效率。基于本文提出的阵列处理器架构,为解决构建KDTree效率较低的问题,采用多流水线并行方式,实现了KDTree的并行构建算法。采用并行SAH计算代价函数来确定分割面,采用并行最大投影算法来确定分割轴,并使用图元标号存储结构代替图元存储结构,减少了图元交换的数据移动量,提高了建树效率。仿真实验表明,本算法建树效果较好且效率较高。基于本文提出的阵列处理器架构,为解决交互式医学图像分割的计算效率问题,将基于置信规则的区域生长算法并行化并映射到该架构上进行算法加速。仿真实验表明,算法进行并行加速后,可获得较高加速比。
何文浩[4]2008年在《基于改进遗传算法的图像分割技术研究》文中研究指明图像分割是由图像处理到图像分析的关键步骤,也是计算机视觉要解决的一个关键问题,尽管它多年来一直受到人们的高度重视,但是发展缓慢。现提出的分割算法都是针对具体问题的,并没有一种适合所有图像的通用分割算法,特别是在根据阈值的灰度图像分割中,人们很难找到一种对图像感兴趣区域的阈值,能进行快速搜索、准确定位的优化分割算法。遗传算法(Standard Genetic Algorithm,简称SGA)作为一种求解问题的高效并行的全局搜索方法,以其固有的鲁棒性、并行性和自适应性,使之非常适用于大规模搜索空间的寻优问题,已广泛应用于许多学科及工程领域。在计算机视觉领域中的应用也日益受到重视,为图像分割提供了一种新而有效的方法。本论文对传统的图像分割算法进行了研究与比较;对遗传算法理论、遗传算法在图像分割领域的应用现状及遗传分割算法的原理、过程和实验结果等几方面进行研究探讨。通过对遗传算法运行机理的深入研究,针对一些灰度图像和加噪图像,本文对改进的自适应遗传算法(Improved Adaptive Genetic Algorithm,简称.IAGA)在图像分割中的应用做了研究。算法中采用二维编码机制;为保持种群的多样性,随机均匀地产生初始种群:在遗传交叉操作中引入了一项规则防止种群退化;为使遗传算法保持种群的多样性,以防止出现未成熟收敛,本文采用了一个自适应变异算子:并在种群更新机制方面,提出了一个新的解决方案。实验结果表明,本文提出的基于改进的遗传算法优化了图像的分割,运算速度明显比传统分割算法快,而且取得了比传统算法更好的分割质量。本文程序采用MATLAB 6.5在WinXP环境下编译完成。
和万荣[5]2008年在《基于遥感影像的地物信息自动提取技术研究与实现》文中研究指明自然资源是人类赖以生存和发展的物质基础,是一个国家经济发展和人民生活水平提高的重要条件,是社会财富的重要源泉。随着我国现代化建设事业的发展和人口的不断增长,经济、社会发展与人口、资源的矛盾越来越尖锐,自然灾害和环境污染问题亦日趋严重,严重制约了经济、社会、资源、环境的协调发展。因此,运用现代高科技手段——遥感技术准确查明资源分布、利用情况,为国民经济建设和社会发展提供科学决策已成刻不容缓之势。遥感技术凭借其良好的技术优势,自上世纪70年代开始就在国土资源调查中被应用,随着遥感技术系统的快速发展,遥感平台的增加,图像成本的不断降低,遥感技术成为国土资源调查中不可或缺的高效手段,尤其是高分辨率和多光谱遥感卫星影像的出现使得人们能够快速及时地获取所需要的空间基础信息和各种地物、地貌信息,从而大大提高了遥感在国土资源调查中的实用性。在高分辨率卫星影像上进行各种自然资源、城市建筑物等地物信息快速识别是一项艰巨的工作,对提取出来的各种信息进行矢量化更是具有现实意义的一项研究课题。本文针对国土资源调查工作中涉及到的高分辨率卫星影像判读识别与信息提取技术两个方面进行研究探讨。一是在对高分辨率卫星影像进行基本遥感操作的基础上对各种地物信息快速识别;二是对判读好的信息进行矢量化。高分辨率卫星影像的时间分辨率和空间分辨率都得到了巨大的提高,已经能识别地面上物体的精度达到了分米级。各种地物信息的确定由此从“确认”阶段飞跃到了“细节描述”的程度。因此,快速提取高分辨率遥感卫星影像上的地物个体具备了数据基础。但是目前仍存在着许多问题:对卫星影像分割技术的研究远远滞后于卫星成像技术的发展,数据处理速度跟不上遥感卫星获取数据的节奏,使很多有价值的信息无法在第一时间解译出来,浪费了数据。论文在论述了图像分割技术相关理论知识的基础上,确立了综合多种分割方法对高分辨率卫星影像上的各种地物信息,主要是居民地、水系和道路进行快速提取的技术路线,并通过对目标形状特征分析,研究了具体地物信息快速提取的方法。矢量数据的自动提取是使用遥感影像进行资源调查具有实用和广泛化所必须要具备的功能。论文对各种地物轮廓的矢量化方法进行了初步的探讨和研究。根据线状地物的特点,本文研究基于轮廓点识别方法并采用最小二乘法拟合对地物轮廓进行矢量化,它具有受噪声影响小的特点。
杨白[6]2016年在《基于超像素的目标协同分割与搜索》文中指出人类的视觉能力能够轻松实现对图像的分割,但这一能力对计算机视觉系统却是艰巨的挑战。近年来,由于图像信息的大量增多,对多张图像实现联合分割比单独对每一张图像进行分割更为合理与高效,因为多张图像中往往包含有共同的前景物体或同一类别的相似物体。这一类图像分割方法被称之为协同分割。在广泛调研并深入研究了目前国际上有关协同分割经典算法的基础上,本论文重点研究了基于超像素的目标协同分割算法、高维特征描述子设计和分割能量模型的优化求解方法等,并致力于利用协同分割思想实现目标同时搜索与分割应用。本文的主要研究内容和贡献包括：1.提出了一种基于目标发现与树图约束的协同分割算法,解决协同分割中因图像间背景相似而前景剧烈变化造成的前背景混淆问题,以及大多数基于马尔科夫随机场的协同分割算法仅适用于小数据集(如图像对)的局限性。新的目标发现机制引入了基于超像素的显着性先验以及重复性度量的感知信息,有效地利用协同分割的先验信息解决了前背景混淆问题。同时,将基于超像素的分割问题转化为组合优化问题,通过树图约束的优化求解方法不但降低了计算复杂度,且搜索得到的最优解使得物体的分割更加完整和准确。2.提出了采用高维特征学习的方法对目标发现机制得到的训练样本进行学习,使算法能够扩展到更大的数据集。此外,还提出了森林图约束模型及其优化方法,将已有的基于树图约束的单目标分割扩展为多目标分割,解决了基于超像素的协同分割算法往往对多目标场景(如体育赛事图像)下的分割处理效果欠佳等问题。3.提出了一个新的融合感知信息的协同分割统一模型及其优化方法以解决分步式的协同分割算法对目标初始化较为敏感且仅在初始化阶段利用共同物体先验、显着性先验等信息的局限性；提出将包含区域集显着性、重复性以及空间位置信息等的感知信息作为全局约束项引入能量模型,同时采用基于感知的结构化森林框架加以优化求解,充分利用了感知信息解决目标的协同分割。4.借鉴交互式的协同分割思想,提出了一个新颖的视觉目标同时搜索与分割模型,实现对互联网图片中感兴趣目标的同时搜索与分割提取。在这一算法中,我们提出将种子超像素作为联系目标搜索与分割的纽带,搜索与分割两个过程以互相促进的方式工作。种子超像素作为结构化的约束条件指导分割,同时分割结果通过反馈验证机制排除错误的种子超像素,更新种子超像素集合。最后的分割结果反映搜索与分割的共同结果。
王子然[7]2015年在《正常肝细胞统计形状建模技术的研究与实现》文中研究表明病理诊断被称为临床诊断的金标准,而目前病理科医生的数量严重不足,工作量非常繁重,因此病理学对病理图像的计算机辅助诊断(CAD)技术提出了迫切需求。但是,病理图像的计算机辅助诊断技术却远远落后于CT、MRI等影像的CAD技术。肝细胞分割是肝组织病理诊断的首要问题,正常肝细胞统计形状模型的建立对辅助筛查异常肝细胞进而诊断肝癌具有重要的研究意义和应用价值。本文通过学习大量的国内外相关文献,以肝组织病理图像作为研究对象,对肝细胞分割和正常肝细胞统计形状建模方法进行了深入的研究,提出了粘连细胞分割的新算法和肝细胞统计形状模型的建立方法。具体研究如下:(1)肝细胞分割是建立肝细胞统计形状模型的前提,本文提出的肝细胞分割算法主要分为图像预处理、粗分割、粘连细胞分割等叁个步骤。在预处理阶段,本文采用均值滤波和基于直方图均衡化的R通道增强;粗分割阶段,主要利用水平集算法进行粗分割;在粘连细胞分割阶段,本文提出了一种改进的分水岭算法,基于自适应邻域进行粘连细胞的分割,该算法不但可以改善传统算法的过分割问题,而且明显的提高了分割效率。(2)在正常肝细胞统计形状建模部分,本文通过利用极坐标表示肝细胞形状,就将细胞样本之间的对齐问题由二维空间转变成在一维空间的对齐问题,简化了采样点的选择问题,同时提高了建模效率。为了验证算法的有效性,本文对实际的HE染色肝组织病理图像分别进行了细胞分割和建立统计形状模型的实验,实验结果表明:本文算法能较好的分割出肝细胞,并且能够建立表现良好的肝细胞形状模型。基于上述算法,本文开发了肝细胞分割系统及统计形状建模系统,本系统不但提供了良好的操作界面,而且为后续的理论和算法研究提供了良好的实验平台。
沈桂玲[8]2008年在《基于模糊集理论的图像分割研究》文中提出图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。它是低级计算机视觉中最基本最重要的研究内容,是成功进行图像分析、理解与描述的关键技术之一,因为图像分割结果的质量直接影响尔后进行的分析、识别和解释的质量。图像分割在计算机视觉、图像编码、模式识别、医学图像分析等很多领域有着实际的应用。图像自身存在许多不确定性和不精确性,人们发现模糊理论对于图像的这种不确定性有很好的描述能力,而图像分割问题恰好是将图像的象素进行分类的问题,近年来一些学者致力于将模糊聚类应用于图像分割中,效果要好于传统的图像分割方法。但是经典的模糊分割方法仍然存在一些问题。基于以上原因,本文研究了以模糊理论为基础的,在图像分割中颇为流行的模糊熵和模糊C均值聚类算法,并针对其在图像分割中的不足之处进行了改进和革新。主要研究成果归纳如下:首先,针对目标和背景严重重迭、直方图为单峰的图像,提出了适合该类图像的一种新的模糊熵。新算法结合图像的特点引入了代价函数,通过代价函数重建出近似的理想图像,然后再用新的模糊熵对重建图像进行分割,实验结果表明效果良好。其次,在传统的模糊C均值聚类算法的基础上,提出了结合像素空间信息的模糊C均值聚类算法。新算法可以较好的克服因欠缺重要的像素空间信息而造成的分割结果不理想的情况;并在对该算法的一个重要参数m进行了改进,使其随着算法的运行,不断减小,这样可以使算法能够平稳收敛。最后,图像数据的计算量较大,尤其是图像尺寸越大,计算量就越大,给实际应用带来不便,使得模糊C均值算法的计算受到速度较大的限制。针对这个问题,本文提出了将遗传优化算法引入到模糊C均值的计算中,利用遗传算法在优化方面的长处来弥补FCM在运算速度方面的不足。
雷鑫[9]2017年在《超声影像系统的研究与实现》文中进行了进一步梳理近年来,超声设备的不断普及,超声科业务流程的不断优化,对超声影像系统的需求也越来越多。超声影像系统是医院超声科室用于影像管理的信息系统。超声影像系统的主要功能就是管理超声科业务,实现医学影像信息的快速传输与共享,更好地服务超声科的检查和诊断。本课题主要是为了提高超声科室的管理和诊断水平,根据超声科室的需求研究和实现具有管理和辅助诊断功能的超声影像系统。根据对超声影像系统的研究和分析,本文主要从两个方面研究与实现超声影像系统:第一、超声影像系统影像后处理模块关键技术研究——超声图像分割算法研究;第二、超声影像系统核心模块的设计与实现。超声图像分割算法研究部分,首先总结了医学图像分割算法的特点,然后重点对水平集活动轮廓模型进行了研究。根据超声图像的特点,选择了模糊水平集图像分割算法。本文对算法进行了改进,首先对超声图像进行模糊聚类,然后选择感兴趣的类并处理,并根据处理结果估计初始演化曲线和控制参数,最后进行水平集演化。算法在MATLAB下进行仿真,并使用C++语言实现。超声影像系统的设计与实现部分,论文首先从医生、患者、影像叁个角度对系统进行了详细的功能分析。其次,对系统的软件架构、使用标准以及数据存储方案进行了深入的研究。使用标准方面重点研究了DICOM标准(Digital Imaging and Communication in Medicine)和HL7标准(Health Level Seven)。在此基础之上,设计系统时首先确定了系统的设计原则和实现目标,并对系统软件逻辑架构、技术架构和数据库表进行了设计。然后依据技术架构和业务流程完成了登记预约、影像报告、查询列表、科室管理等核心模块的设计与实现,并将研究的超声图像分割算法作为新增功能集成在影像后处理模块。最后,按照测试内容对超声影像系统进行了全面的测试与分析。结果表明本文设计的超声影像系统具有完善的功能和良好的性能表现。本文设计的超声影像系统能够有效辅助科室管理患者信息和科室信息,提高了超声科室的管理水平。同时超声图像分割算法加入系统影像后处理模块可以辅助甲状腺、乳腺等疾病的诊断。
吕大鹏[10]2017年在《医学图像分割与融合算法研究》文中研究说明医学图像对于现代医学的意义随着可视化技术的发展变得越来越重要,其在临床诊断和科研方面也发挥着越来越重要的作用。所谓的医学成像,就是利用各种成像设备对人体内部的组织器官、脏器形态和功能变化等进行观察研究的方法。由于不同的医学成像设备所能提供的医学信息不同,得到的医学图像在临床诊断和治疗中所能发挥的作用也不同。融合不同成像设备所得到的医学图像与从医学图像中分割定位出特定区域对于医疗诊断有着至关重要的意义。本文主要针对图像融合与图像分割的发展情况以及目前比较常见的一些图像融合与图像分割方面的算法进行介绍、分析和对比,从而达到了解图像融合与分割相关内容,学习图像融合与分割的相关知识的目的,对图像融合与分割的发展过程、具体实现方法以及未来发展方向等有所认识和掌握,为以后的工作与学习奠定基础。本文针对医学图像处理中的图像融合和图像分割中的一些算法进行了研究和介绍,并针对现存算法的不足,对两种图像处理过程各提出了一种改进算法,并对图像融合的改进算法进行了实验,将改进算法的运行结果与其他方法的运行结果进行了对比验证,使改进算法的优越性直观的展示出来。在图像融合方面,对基于变换域的图像融合方法和基于空间域的融合方法进行简要的介绍,重点对一种小波变换与金字塔法相结合改进的融合算法进行了研究,并通过编程实验来验证该算法的实现效果。将通过不同设备的到的医学图像融合在一起,可以使不同医学图像中的信息融合在一幅图像中,这对于丰富组织和病灶的信息,对诊断精确性的提高有极大的帮助,对于治疗和医学研究有很大的促进作用。本文先对常见的基于空域的图像融合方法和基于变换域的图像融合方法进行了介绍和编程实现,然后又对基于小波变化的图像融合方法进行了介绍和编程实现,又对一种基于小波变换和金字塔法的改进的图像融合算法进行了说明和编程实现。通过几种算法的运行结果的比较,改进算法能够对参与融合的源图像信息进行充分的利用,使最终的能够信息,视觉效果好,能够很好地满足医学图像融合的需求。在图像分割方面,简单介绍了阈值分割方法、区域分割方法和边缘分割方法这些常用的分割算法,对水平集分割算法进行了深入研究,针对传统快速匹配方法的不足,在速度函数的计算中加入了灰度值,并通过对待分割图像进行预处理,可以很好的将待分割区域突出并分割出来,并基于以上分析提出了一种基于水平集算法的改进算法,分析并比较其对比普通水平集算法的优越性。
参考文献：
[1]. 基于Otsu理论的图像分割算法研究[D]. 曹亮. 武汉理工大学. 2008
[2]. 基于模糊聚类及活动轮廓模型的图像分割技术研究[D]. 江晓亮. 西南交通大学. 2016
[3]. 图形处理器关键技术和光线追踪并行结构研究[D]. 曹小鹏. 西安电子科技大学. 2015
[4]. 基于改进遗传算法的图像分割技术研究[D]. 何文浩. 武汉理工大学. 2008
[5]. 基于遥感影像的地物信息自动提取技术研究与实现[D]. 和万荣. 昆明理工大学. 2008
[6]. 基于超像素的目标协同分割与搜索[D]. 杨白. 浙江大学. 2016
[7]. 正常肝细胞统计形状建模技术的研究与实现[D]. 王子然. 东北大学. 2015
[8]. 基于模糊集理论的图像分割研究[D]. 沈桂玲. 武汉科技大学. 2008
[9]. 超声影像系统的研究与实现[D]. 雷鑫. 电子科技大学. 2017
[10]. 医学图像分割与融合算法研究[D]. 吕大鹏. 吉林大学. 2017
标签：计算机软件及计算机应用论文; 图像分割论文; 图像融合论文; 模糊算法论文; 模糊理论论文; 协同软件论文; 图像像素论文; 信息架构论文; 协同设计论文; 算法论文;