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。

数字图像分割算法研究.pdf

复杂背景下的灰度图像分割算法研究.pdf

1.领域：FPGA，多尺度CNN卷积神经网络的MRF图像分割算法 2.内容：【提供操作视频】基于多尺度CNN卷积神经网络的MRF图像分割算法matlab仿真 3.用处：用于多尺度CNN卷积神经网络的MRF图像分割算法编程学习 4.指向人群：本科，硕士，博士等教研使用 5.运行注意事项： 使用vivado2019.2或者更高版本测试，用软件打开FPGA工程，然后参考提供的操作录像视频跟着操作。 工程路径必须是英文，不能中文。

空间约束FCM与MRF结合的侧扫声呐图像分割算法.pdf,针对侧扫声呐图像斑点噪声强、目标分割困难的问题，提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰，该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度，提出SCFFCM算法，该算法用于给出一个较好的初始分割；接着由初始分割计算MRF模型的约束场，再根据图像邻域内灰度波动情况自适应更新结合权值，进而求解得到FCM模糊场与MRF约束场的联合场，并基于最大概率准则得到分割结果；最后，采用形态学去除分割结果中的孤立噪点，并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明，所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。

针对三维OTSU分割算法运算量大、计算时间长的问题，提出了一种基于自适应粒子群优化的三维OTSU图像分割算法。首先采用最佳熵的方法初步提取图像的目标区域，根据该目标区域特征自适应地调整三维OTSU算法的背景搜索范围，然后采用三维OTSU算法并结合粒子群优化最佳分割阈值对原图像进行分割。实验结果表明，与三维OTSU阈值分割方法的递推算法相比，该方法能够进一步减少运算时间。

可以很好的实现图像分割,大家可以试验以下

使用sift算法提取特征点，对目标图片进行匹配。使用匹配结果计算 目标物体所在矩形范围，作为参数传入grabcut，同时将sift算法的匹配点作为前景点传入grabcut函数，实现图像分割。

两种图像分割算法在FMI成像资料中的应用.docx

肺癌是一种世界性的高发疾病，死亡率更是居高不下。早发现，早治疗是提高肺癌的治愈率和延长患者生命周期的重要手段，而肺结节是肺癌早期的主要表现形式，因此，对肺结节的早期诊断分析是提高肺癌患者生存率的关键。利用计算机断层扫描技术（Computed Tomography, CT）筛查肺结节是目前通常采用的诊断方法。随着患者的日益增多，肺部 CT 数据也在呈指数级地增长，无疑给医师的人工筛查工作带来了巨大的挑战和负担，因此使用计算机辅助诊断（Computer Aided Diagnosis, CAD）技术进行肺结节检测分割十分必要，能极大的提高医师的诊断效率并进一步提高肺癌诊断的准确率。 由于肺结节在尺寸、形状上的多变性以及与肺部血管等组织的相似性。在使用传统分割方法进行肺结节分割时，过于依赖医师的先验知识及主观判断，导致容易出现漏分割和过分割的情形。利用深度学习算法的分割过程不再需要人为选择特征，并且能够提取到更具体、更有辨识度的信息，将深度学习算法用于医学图像分割现已成为一个重要的研究方向。U-Net 网络因结构简单、泛化能力强，已广泛应用于医学图像处理领域。