基于纹理特征的视网膜图像分割算法研究_赵树.caj

MFC基于opencv对图片进行边缘检测，包括Sobel算子，Laplacian算子，迭代阈值分割算法，区域生长算法

针对视网膜图像中血管细小而导致其分割精度低等问题,通过在U-Net网络中引入Inception、空洞卷积与注意力机制等模块,提出一种改进U-Net视网膜血管图像的分割算法。首先,在编码阶段增加Inception模块,采用不同尺度的卷积核对图像进行特征提取,以获得其多尺度信息;然后,在U-Net网络的底部增加级联空洞卷积模块,以在不增加网络参数的情况下扩大卷积操作的感受野;最后,在解码阶段为反卷积操作设计了注意力机制,将注意力机制与跳跃连接方式相结合,聚焦目标特征,以解决权重分散等问题。基于标准图像集DRIVE的实验结果表明,所提算法的平均准确率、灵敏度与特异性较之U-Net算法分别提高1.15%,6.15%与0.67%,也优于其他传统分割算法。

使用seg.setMethodType(pcl::SAC_RANSAC); 分出不同的平面，并赋予不同的颜色，保存

超像素分割为图像分割，图像处理的基础，文件为MATLAB和C混编的代码，demo为主程序，运行demo主程序进行超像素分割。

Otsu算法，也被称之为最大类间方差算法，是实现阈值分割的经典算法之一。二维Otsu算法是一维Otsu算法的推广，它充分考虑了图像的灰度信息和空间邻域信息，可以有效滤除噪声影响，但是同样存在着运算量大、时效性差的问题。对此提出了一种改进的二维Otsu快速阈值分割算法，先将二维Otsu算法分解为两个一维Otsu算法，并集成类间和类内方差信息构造了一种新的阈值判别函数，同时通过降维，进一步降低计算量。实验结果表明，该算法在时间效率与分割效果两方面明显优于传统的二维Otsu算法与快速二维Otsu算法。

深度学习图像分割课程旨在帮助同学们快速掌握分割领域经典算法原理及其实例应用。通俗讲解当下主流分割算法及其改进版本网络架构，通过源码详细演示网络建模流程及其应用方法。 所有案例均基于真实数据集与实际任务展开，基于PyTorch框架完成全部项目内容。整体风格通俗易懂，全程实战解读各大分割算法及其应用实例。 课程共14章完整版，附源码课件和数据集

二维最大熵原理的图像阈值分割算法,一种利用二维最佳直方图熵法（KSW熵法）及改进遗传算法实现灰度图像阈值分割

用matlab实现的迭代最佳阈值分割算法

本代码是利用MATLAB编写的基于meanshift（均值漂移）算法的彩色图像分割代码。 本代码是利用MATLAB编写的基于meanshift（均值漂移）算法的彩色图像分割代码。