改进Split-Merge分割用于蝗虫图像

doi:10.3778/j.issn.1002-8331.2009.14.010

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (14): 34-38.DOI: 10.3778/j.issn.1002-8331.2009.14.010

改进Split-Merge分割用于蝗虫图像

张煜东¹,吴乐南¹,韦耿¹,吴含前²

1.东南大学信息科学与工程学院，南京 210096
2.东南大学软件学院，南京 210096

收稿日期:2009-01-19 修回日期:2009-02-23 出版日期:2009-05-11 发布日期:2009-05-11
通讯作者: 张煜东

Improved Split-Merge segmentation used for locust image

ZHANG Yu-dong¹,WU Le-nan¹,WEI Geng¹,WU Han-qian²

1.School of Information Science & Engineering，Southeast University，Nanjing 210096，China
2.School of Software，Southeast University，Nanjing 210096，China

Received:2009-01-19 Revised:2009-02-23 Online:2009-05-11 Published:2009-05-11
Contact: ZHANG Yu-dong

摘要/Abstract

摘要： 为了更好地分割蝗虫图像，对传统Split-Merge算法做出改进：用PCNN来进行分裂，采用一种简化的Mumford-Shah模型进行合并。该方法的优点是：分裂阶段不仅无效分割数目减少，而且无方块效应，对边缘定位准确；合并阶段能够理想地将分裂后的区域合并为感兴趣的前景与不感兴趣的背景，误合并与欠合并大幅减小。实验对成虫与幼虫图像均进行分割。综合比较，该算法性能较优。

关键词: 图像分割, 分裂合并法, 脉冲耦合神经网络

Abstract: In order to segment locust images more effectively，an improved Split-Merge algorithm is proposed.It gives split on images via PCNN，and meantime merges areas via a simplified Mumford-Shah model.Its advantages are as follows：At split stage，it can reduce the number of invalid split，be immune of block-effect，and locate edges more accurately；at merge stage，it can merge areas into interesting foregrounds and uninteresting backgrounds perfectly，and reduce the chance of incorrect and insufficient merge.Experiments with imago and larva locust images is segmented.It can conclude that this proposed method performs best after comprehensive comparison.

Key words: image segmentation, split-merge method, pulse coupled neural network

张煜东¹,吴乐南¹,韦耿¹,吴含前². 改进Split-Merge分割用于蝗虫图像[J]. 计算机工程与应用, 2009, 45(14): 34-38.

ZHANG Yu-dong¹,WU Le-nan¹,WEI Geng¹,WU Han-qian². Improved Split-Merge segmentation used for locust image[J]. Computer Engineering and Applications, 2009, 45(14): 34-38.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.

改进Split-Merge分割用于蝗虫图像

Improved Split-Merge segmentation used for locust image

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics