增强图像细节和去噪能力的改进形态学分水岭算法

摘要

为了抑制分水岭算法过分割和滤波后保持图像细节,论文提出一种改进的形态学分水岭分割算法.首先,对图像进行多尺度小波分解得到低频系数和高频系数；对低频系数进行基于Perona-Malik扩散模型各向异性扩散滤波；对高频系数,引入神经网络中的sigrnoid函数改进自适应遗传算法的变异和交叉概率生成,并用父代的最优个体替换子代中最差的个体来保护最优个体不被破坏,克服遗传算法的局部最优现象,利用改进的自适应遗传算法增强和去噪.然后,对梯度图像做锐化处理以突出边缘,再做形态学运算并进行H-minima标记.最后,执行分水岭分割,实现改进的算法.实验结果表明,改进算法能够有效地抑制噪声的干扰,减轻过分割,分割精度也有所提高.