MATLAB环境下基于多种仿生或元启发式图像处理方法的化石图像分割

古生物专家创建化石三维模型的过程，主要是应用显微CT采集化石CT数据，对化石CT数据进行图像分割，最终通过体绘制方式生成化石三维模型。目前，古生物专家主要采用传统的图像二值化分割方法对化石CT数据进行图像初步分割。常用的图像二值化分割方法，主要包括阈值分割、形态滤波、区域生长以及边缘检测等。上述图像二值化分割方法在化石CT数据的图像处理中也取得了广泛的应用。

阈值分割主要是将视觉注意力分配到某个特定的灰度值，根据该灰度值将图像分割成不同的区域。在化石CT图像堆栈中，任何高于特定灰度值的体素部分将被视为感兴趣区域ROI。区域生长主要是通过在化石CT数据中手动添加种子点，从种子点开始向邻近的体素点扩展直至遇到规定的边界为止，并按照相似性准则将化石CT数据分成若干不同的区域。

基于边缘的分割方法为图像分割提供了一种新的思路。关注化石CT数据不同感兴趣区域边缘的灰度值，并定义灰度值突变的体素为边缘体素。应用CT图像堆栈中的边缘体素，将化石CT数据分割成不同的感兴趣区域。目前，古生物专家对化石CT数据进行图像分割的过程，仍然主要是依据化石CT数据的灰度级范围，通过传统的阈值分割、区域生长并结合手工圈定的方法，剔除化石CT数据中的围岩。上述传统的半自动化图像分割方法存在着费时又具有一定主观性等问题。

提出一种基于多种仿生或元启发式图像处理方法的化石图像分割方法，运行环境为MATLAB R2018A，主要步骤如下：

第1步：Evolution Strategy (ES) Histogram Equalization 进化策略直方图均衡化。

第2步：Cultural Algorithm (CA) Image Quantization 文化算法（CA）图像量化。

第3步：Simulated Annealing (SA) Edge Detection模拟退火 (SA) 算法边缘检测。

第4步：Particle Swarm Optimization (PSO) Image Segmentation粒子群优化 (PSO)算法图像分割。

第5步：Final Overlay。

出图如下：

工学博士，担任《Mechanical System and Signal Processing》审稿专家，担任
《中国电机工程学报》优秀审稿专家，《控制与决策》，《系统工程与电子技术》，《电力系统保护与控制》，《宇航学报》等EI期刊审稿专家。

擅长领域：现代信号处理，机器学习，深度学习，数字孪生，时间序列分析，设备缺陷检测、设备异常检测、设备智能故障诊断与健康管理PHM等。