一种快速的抗噪声模糊C均值图像分割算法 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出。该算法结合像素灰度值相似度和隶属度构造了一个新的空间函数。该空间函数用于更新成员关系，而成员关系又用于迭代地获取聚类中心。所提出的算法可以在较少的迭代次数下获得理想的分割结果，有效地降低了噪声的影响。

【图像分割】基于哈里斯鹰优化多阈值实现图像分割附matlab代码

视网膜血管的自动分割在糖尿病和高血压等疾病的诊断中起着重要作用。针对现有算法在细小血管和病变区域血管分割能力不足的问题,提出了一种基于改进整体嵌套边缘检测(HED)网络的视网膜血管分割算法。首先,采用了一种残差可变形卷积块代替普通卷积块,增强模型捕获血管形状和尺寸的能力;其次,采用扩张卷积层取代原有的池化层,用以保留血管特征的空间位置信息;最后,使用具有底部短连接结构的HED网络框架对预训练的网络进行特征提取和融合,使得模型可以更好地将骨干网络所提取的视网膜图像中血管的高级结构信息与低级细节信息相融合。通过在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE(Structured Analysis of the Retina)数据集上进行验证,所提网络的灵敏度分别达到了81.75%和80.68%,特异性分别达到了97.67%和98.38%,准确性分别达到了95.44%和96.56%,受试者工作特征曲线(ROC)的曲线下面积(AUC)分别达到了98.33%和98.12%,实现了优于其他先进方法的综合分割性能。

文字识别：包括图像分割,粘连字符切分,文字识别.7z

数字图像分割算法研究.pdf

图像分割的二维最大熵遗传算法.pdf

复杂背景下的灰度图像分割算法研究.pdf

分水岭算法在图像分割中的应用研究.pdf

NVIDIA公司提出的CUDA技术通过并发执行多个线程以实现大规模快速计算的能力。在研究CUDA技术在数字图像处理领域应用的基础上，提出了一种基于NVIDIA CODA的方法实现图像分割技术，把CUDA技术的快速计算的能力应用到数字图像处理领域。从CUDA技术的概况的介绍出发，对基于NVIDIA CUDA的图像分割方法以及该方法的详细实现过程进行了形式化的描述，解决了基于CPU的传统图像分割方法运行效率低的问题。实验结果证明CUDA在数字图像处理的实际应用中卓有成效。

基于matlab的图像分割处理，里面有测试图片lena，和相关的运行结果图片，使用matlab2014a环境完美运行通过。