肿瘤癌变细胞FISH图像分析系统中，需要解决粘连细胞核的分割问题。FISH属于新兴技术，产生的是特殊的荧光彩色细胞图，现有细胞图像分析方法并不适用。文章创新设计了基于深度凹陷检测和构造自然凹陷力的方法，分离粘连细胞核。首先，针对参差不齐的实验成像，在RGB模型下结合统计思想，将图像分为三类，分别进行预处理。继而，利用融合了Kmeans聚类算法的改进马尔科夫随机场（MRF）方法，将细胞核与癌变信号点进行有效提取。在此基础上，利用几何原理，创新设计了一套粘连细胞核分离算法。最后，给出细胞核快速计数

为了确保火灾探测结果的可靠性和准确性，从林火燃烧时火焰和烟雾特征出发，对现有的林火探测技术进行了分析，提出了一种基于K-means和颜色模型的林火辨识方法。首先使用K-means算法对采集到的彩色图像进行分割，根据火灾发生时火焰和烟雾的颜色特征，采取一种改进的颜色模型对分割出来的子图像进行辨识，对疑似火焰子图像和疑似烟雾子图像进行初步确认，然后从疑似子图像中提取出火焰和烟雾的特征输入到RBF神经网络，判断是否确实发生火灾。

图像分割方向论文的思维导图

基于改进的K-means算法的彩色图像分割