【图像分割】基于粒子群优化指数熵实现图像分割matlab源码.md

针对GrabCut算法在图像分割中存在迭代求解耗时长、分割结果欠分割的问题，提出了一种基于非归一化直方图改进的GrabCut算法。在保留GrabCut第一次分割结果的基础上，通过非归一化直方图计算像素点属于前景或背景的方法来代替高斯混合模型迭代学习的过程；在构图过程中引入一类新的节点Bin进行构图以提高分割精度。选取MSRA1000数据集中部分图片进行实验验证，结果表明该算法在分割效果和效率上都有明显的提升，在进行背景复杂图像的分割时改进算法优势更加明显。

在这项工作中，我们正在尝试对X射线或CT扫描图像进行分割，以检测颈椎病。 这项工作用于通过机器学习算法实现对X射线图像的颈椎病的检测。 该任务基于对子宫颈图像骨骼中疾病的早期检测，然后使用FCM分类器进行分类以找到准确性参数。 在这里，作为宫颈图像的数据集用于此医学成像相关研究。 这已成为全世界的主要疾病之一。 此处，噪声添加和滤波过程使用中值滤波完成，而分割使用阈值，基于形态学，基于FCM的分割方法完成，特征的提取也使用Kirsch模板和形态学闭合完成。 在这里，FCM方法用于查找更多的群集区域。 在这种情况下，通过自适应方法产生的性能比从宫颈图像检测和分类疾病的准确性高出70％。 同样，该方法提供了更少的执行时间段以准确地识别疾病。

该脚本用于将labelme标注的数据集转换为COCO数据集。在使用maskrcnn-benchmark训练自己的数据集时会用到。

使用超像素对图像作预处理，用密度峰值聚类进行图像分割

1、绝缘子图像分割数据集 2、含标签 3、几千张图片

基于matlab深度学习工具箱来设计卷积神经网络用来对图像上的水体部分进行识别，并生成水体陆地二值化图像。采用的是9层卷积神经网络用来对图像进行特征提取和分类，水体识别的准确率可以达到96%以上。

：图像分割是图像分析中一个非常重要的预处理步骤，分割效果将直接影响到后续任务的有效性。彩 色 图 像 相较于灰度图像更接近人类的视觉特性，因此对彩色图像的研究更为重要。对当前比较常用的一些彩色图像分割方 法进行了综述，阐述了基于阈值、基于聚类、基于区域以及基于特定理论的几类分割方法各自的优缺点和应用场景。 最后根据基于过完备字典的稀疏表示能够刻画图像细节信息、实现图像最优逼近的特点，提出将其推广至彩色图像 分割的研究思路。

Contour Detection and Hierarchical Image Segmentation 轮廓检测与层次图像分割

进行基础的图像分割，将图片进行片段化整合