Coke micrograph segmentation based on mean shift and edge confidence
基于均值偏移和边缘置信度的焦炭显微图像分割

针对焦炭显微图像中光学组织的特点，提出了一种结合均值偏移和边缘置信度的焦炭显微图像分割。该方法首先计算图像像素的边缘置信度，利用边缘置信度设计均值偏移算法中的权值函数，对特征空间的采样点进行加权，以提高模式点检测的准确性；然后以扩展的均值偏移向量进行迭代，实现焦炭显微图像的初步分割；由于在初步分割中产生过多的聚类数，导致了相同组分区域的过分割。因此通过空域距离和区域边界像素的置信度平均值设置合并条件，合并相同光学组分的焦炭区域，实现图像的最终分割。实验表明，该方法能够有效地分割出焦炭显微图像中不同光学组织组分区域，为焦炭光学组织的自动识别提供可靠依据。