根据眼底荧光血管造影图像的特点，分别利用阈值分割法与BP神经网络算法对眼底造影血管图像及眼底病变区域图像进行分割与对比，使临床医生可以得到病变面积的较精确的测量数据，观察到更细微的血管变化，为与此相关的心、脑血管系统和糖尿病的诊治提供重要依据。

2001748-Have Hands-【A02】基于非特定类别的图像前景主体分割算法【万兴科技】-项目简要介绍2

图像分割算法的研究与实现 图像分割算法的研究与实现 图像分割算法的研究与实现

2.2 软件架构图2.1 软件架构本软件主要由QT前端界面和非特定类别图像前景分割算法构成 3.2 设计思路3.2.1 研究现状 在现在的显著性目标检测算法中，

main.cpp-包含初始调用和最终合并函数 color.cpp-仅基于图像的颜色信息执行分割 texture.cpp-仅基于图像的纹理信息执行分割 histogram.cpp-genetare HSV颜色空间中图像“色调”的直方图 header.h-包含函数原型

提出了一种基于最优Atlas图像搜索和局部加权B样条变换的全自动非刚性分层配准分割感兴趣区域（ROI）方法。实验结果表明, 所提算法配准的ROI准确度达到95.6%, 归一化互信息值为1.8432, 均方根误差为1.12%, 相关系数提高了18.33%。相比其他配准方法, 所提方案的配准精度及准确度明显提升, 对临床辅助诊断有重要意义。

基于形态学算子的车辆遮挡检测与分割算法 现代汽车工业的Swift发展促进了道路交通的发展，并增加了汽车数量。 各种各样的道路交通问题导致汽车数量激增，从而推动了ITS（智能交通系统）的诞生。 视频车辆检测是ITS的重要研究。 在实际的交通监控视频中，由于摄像头的光轴与路面之间的角度较小，因此被捕获的车辆往往会相互重叠，这会在检测到的图像中引起粘连。 因此，遮挡车辆的检测和分割是视频车辆检测研究的重要组成部分。 遮挡车辆检测和分割算法的研究基本上可以分为三个方向：第一，基于视频流；第二，基于视频流。 第二，基于图像形态学； 第三，基于车辆和情景建模。 其中，基于形态学的算法由于其相对较高的准确性和效率而成为近年来国内外研究的热点。 本文的主要方向也将是基于形态学的算法。 本文的主要工作： 通过腐蚀将凹面图像分成几个相连的区域； 确定每个连接区域，并检测附着力； 通过形态学方法找到分

基于SLIC图像分割算法实现一个比PS魔棒工具还方便的抠图工具 参考项目:

图像分割作为目标检测、识别、跟踪研究领域的核心内容，在遥感、计算机视觉、场景解析、图像重构等领域有着广阔的应用前景。针对传统的基于先验阈值或者小波变换的图像分割算法存在的计算冗余、可操作性较差、过分依赖经验、全局最优缺失等问题，提出了一种基于改进型蚁群算法的图像分割优化算法，可以克服传统蚁群算法的收敛速度慢且易陷入局部最优的固有劣势，实现全局最优，具有匹配精度高、抗干扰性强、并行搜索效率高等优势。在Matlab2015b环境下开发了验证环境并对算法进行了实际验证，验证结果表明本文所提算法可以在较短的时间内有效分割目标图像，实时性、准确率和稳定性较高，收敛速度、并行搜索效率等核心参数满足设计需求。

牛津大学图分割算法PPt：包含最大流，最小割，马尔科夫随机场