基于粗糙集直方图的彩色图像分割改进

把粗糙集应用于图像分割的研究一直是一个热门话题,Milind M.Mushrif、Ajoy K.Ray 等结合Histon直方图,基于粗糙集理论,阐明了一种新的彩色图像分割算法.此方法可以获得合适的阈值,对彩色图像进行合理的分割,但是,该文完全是在R、G、B颜色空间的基础上构建粗糙集直方图的,由于R、G、B3个分量是高度相关的,并且RGB颜色空间是不均匀的,所以,不能用该颜色空问中两点间的距离来表示两种颜色之间的知觉差异,这直接影响到粗糙集直方图的准确性,进而影响最终的分割效果.针对该弱点进行改进,引入YUV空间来计算像素点间的颜色差异,进而得到更准确的R、G、B粗糙集直方图,以求得到更符合知觉差异的粗糙集直方图.经过大量实验证明,文中所述方法分割效果更贴近原图,符合视觉感受.     

基于直方图分割的彩色图像增强算法

针对直方图均衡化直接对彩色图像处理会导致图像色彩失真的情况,在对传统的直方图均衡化方法进行改进的基础上,提出了一种新的带色彩恢复的均衡化算法。该算法对于彩色图像R,G,B各个分量子图的灰度直方图,首先根据其灰度中值和分割直方图等面积原则进行两次分割,同时对分割后的各子灰度直方图分别进行均衡化处理;然后通过计算R,G,B各分量子图的灰度级总数占原彩色图像灰度级总数的比例,将均衡化处理后的R,G,B各分量子图进行合并。实验表明,该算法对彩色图像处理具有较好的增强处理效果。     

粗糙集与区域生长的烟雾图像分割算法研究

针对图像型火灾烟雾分割算法不能同时提取白色、灰白色和黑色烟雾的问题,提出了一种粗糙集和区域生长法相结合的烟雾图像分割算法。在RGB颜色空间提取图像的R分量,根据R分量的统计直方图构造粗糙度直方图,选取粗糙度直方图中合适的波谷值作为分割阈值,对图像进行粗分割。相对背景图像,烟雾属于运动信息,采用帧间差分法提取运动区域,排除静态干扰。烟雾具有独特的颜色特征,在RGB颜色空间建立烟雾颜色模型,去除颜色相近的运动干扰,获得疑似烟雾区域。在该区域内选择种子点,在粗糙集粗分割的结果上进行区域生长,提取出烟雾区域。实验结果表明,该算法能够同时分割出白色、灰白色和黑色烟雾,烟雾边缘不规则信息保存比较完整,与已有算法的平均分割准确率、召回率以及F值相比,分别提高了19%、21.5%、20%。     

结合粗糙集与分层思想的彩色图像分割算法

针对彩色图像分割算法中小目标区域容易错分割以及计算复杂度高的问题,提出一种基于HSI空间的结合粗糙集理论与分层思想的彩色图像分割方法。首先,由于彩色图像HSI空间的奇异点对应于RGB空间的灰色像素点,为了消除奇异点,在RGB空间寻找"灰色区域"进行分割与标记;然后,将图像转换到HSI颜色空间,在强度I分量上,考虑到空间邻域信息以及区域分布差异,设计了变阈值渐变性同质函数对原始直方图进行加权,将加权直方图和原始直方图分别作为粗糙集的上、下近似集,构造了新的粗糙度函数进行分割;其次,针对初分割得到的每个区域,在色调H分量上采用直方图阈值化完成细分割;最后,为了避免过分割,在RGB空间上进行区域合并。相比Mushrif等提出的粗糙集分割算法(MUSHRIF M M, RAY A K. Color image segmentation: rough-set theoretic approach. Pattern Recognition Letters, 2008, 29(4): 483-493),该算法更容易分割出图像中的小目标区域,避免了因RGB三个分量的相关性造成的错误分割,算法运行速度提高了5~8倍。实验结果表明:该算法分割效果较好,具有一定的抗噪性与鲁棒性。     

一种基于粗糙集合理论的彩色图像分割

在数字图像处理中,图像分割是其中的一个重要问题,也是一个经典难题.基于阈值选取方法的图像分割计算简单,具有较高的运算效率,其方法多种多样,但是方法选取直接影响到图像分割的质量.为了对彩色图像进行合理的分割,获得合适的阈值,提出了一种基于粗糙集理论的彩色图像分割算法.它将基本直方图作为图像粗糙集的下近似,将Histon直方图作为其上近似,计算出图像粗糙度后通过单峰子集分离法实现对图像的分割.实验结果表明该算法对背景复杂和颜色渐变的彩色图像有较好的分割效果.     

基于粗糙集理论的图像分割

图像分割是数字图像处理中的重要问题,阈值分割法是图像分割的典型方法,其中阈值的选择是影响图像分割质量的一个重要方面。为了提高分割的准确度,该文将粗糙集理论应用于分割阈值的确定。将图像基本直方图确定为粗糙集的下近似,而将Histon直方图确定为上近似,由此计算出粗糙度,进而得到有效的分割阈值。实验结果表明,该算法和传统直方图阈值分割法相比,具有较高的分割准确度。     

血细胞图像分割的改进MEANSHIFT方法

根据血细胞图像的特点,采用一种基于改进的MEANSHIFT算法,对血细胞图像的G通道直方图和S分量直方图进行处理,自适应地得到白细胞核和其他区域的分割阈值,通过阈值分割将白细胞核从图像中分割出来,再通过后处理得到白细胞浆区域,从而实现白细胞的自适应阈值分割。在对MEANSHIFT算法进行改进后,阈值的获取自适应性更强,实验证明,这种自适应的阈值分割方法快速、有效,并且对于图像颜色变化、染色条件差异等鲁棒性强。     

基于RGB和HSV的胶囊异囊缺陷识别方法

针对彩色胶囊图像的特点,结合RGB颜色空间数据易处理和HSV颜色空间色差感知均匀的优点,提出一种异囊缺陷检测方法,其中异囊是指某种颜色的胶囊中混有的其它颜色胶囊。该方法是基于RGB颜色空间的图像分割和基于HSV颜色空间的色差公式计算。将基于Y方向的Scharr算子应用于R分量图像,寻找胶囊上下两节之间的分隔线,将R、G、B各分量图像分割成两部分;基于图像直方图,采用加权平均的方法来获取R、G、B分量值,并将R、G、B分量值转成H、S、V分量值;利用加权方式的HSV色差公式计算色差,与设定阈值比较得出检测结果。测试结果表明,该方法保证了较高的检测精度,节省了常规基于HSV检测的方法中整体图像颜色空间转换的时间消耗。     

基于小波变换的图像二维直方图分割方法

鉴于二维直方图阈值分割方法利用灰度的空间相关性取得高的分割效果和小波变换多尺度滤波思想,提出了一种基于小波变换的二维直方图分割结合方案;实验结果表明本文方法的有效性。     

基于多峰高斯函数的直方图规定化算法

直方图均衡化作为一种特殊的直方图规定化方法,能有效地增强图像的对比度,但其对直方图活动范围的拉伸通常会造成图像过度增强。一种基于高斯函数的直方图规定化算法可提高控制对比度活动范围的能力,然而该算法处理的图像缺乏层次感。基于此,提出一种基于多峰高斯函数的直方图规定化算法,该算法首先用直方图求导方法估算出原直方图的局部峰值和方差,从而得到原直方图的多峰高斯函数,然后采用扩展后的多峰高斯函数作为目的直方图进行规定化。此算法的主要特点是改变局部峰的参数,有选择地对某局部灰度范围进行对比度增强,从而拉伸整个图像对比度的活动范围。对于彩色图像增强,该算法在对彩色图像R,G,B3个分量子图直方图规定化处理的基础上,根据人类视觉习惯,引入彩色恢复因子将规定化的R,G,B分量进行有效合并。实验结果和原理分析表明,该算法能有效增强图像的视觉效果,使其细节明晰,层次丰富。     

一种改进的彩色图像分割算法

文中算法对传统的基于最大隶属度的彩色图像分割算法进行了改进。传统的基于最大隶属度原则的分割方法根据彩色直方图中的色彩矢量来确定目标和背景色模糊集,而绘制彩色直方图时比较繁琐。为了克服这一缺点,先绘制彩色图像对应的灰度直方图。对应于每一个灰度级,取属于该灰度级的像素中的一个像素的颜色来代表这一灰度级所对应的颜色,并保存其R、G、B值。据此建立一组色彩模糊集。计算图像中的所有色彩在各个模糊集中的隶属度,并基于最大隶属度原则确定色彩的归属。建立一种基于最大隶属度原则的神经网络,实现对彩色图像快速有效的分割。通过灰度直方图判断目标和背景色时的误差很小,并不影响判断。在建立色彩模糊集和计算隶属度实现色彩分类的时候都是根据像素色彩的R、G、B值来实现的,因而没有颜色损失。实验结果证明,该算法对原有的基于最大隶属度原则的彩色图像分割方法进行了改进,速度快,效果好。     

几个基于映射表的彩色图像快速处理算法

提出了基于映射表的彩色图像变换思想。在图像处理之前预先建立象素颜色分量在给定变换下的映射值表,再逐一将各象素分解为红、绿、蓝颜色分量,并直接在映射值表中查找得到颜色分量的变换结果,可以大大提高图像处理的速度。     

基于随机森林方法的小麦叶片病害识别研究

为了提高小麦叶部病害的识别准确率,采用高斯混合模型结合EM 算法对小麦叶 片进行提取,获得较大目标,使得分割准确率比直接分割病害区域有所提高,同时降低了分割 难度。并结合HSV 主颜色直方图和通过Tamura 纹理特征中的粗糙度、方向度和对比度作为特 征进行筛选,采用随机森林方法对小麦健康叶片、白粉病、叶枯病和叶锈病图像进行了识别, 整体识别准确率可达95%。通过实验验证,该方法是有效可行的,并优于同等条件下的支持向 量机(SVM)方法。       

用于图像分割的粗糙集改进模糊聚类方法

采用一种新的基于粗糙集理论的图像分割算法。通过提取直方图的外层,以及计算像素点周围的局部模糊程度来更新粗糙度。使用局部模糊粗糙度和待定算子来更新FCM算法中的隶属度函数。从粗糙集理论意义上来说,直方图的外层与上近似有关,而直方图取值与下近似有关。该方法通过对比传统的聚类分割算法和刘华军的改进算法,大大降低了时间复杂度,聚类效果显著。实验证明,该方法收敛性较强,运行时间较短,且具有良好的分割效果。     

基于S分量指数加权H分量的圆形直方图阈值法

HSI颜色空间可以用三维空间下的圆锥模型进行解释,基于HSI颜色空间的H分量圆形直方图实现彩色图像分割具有可行性。针对HSI颜色空间的H分量圆形直方图毛刺较多以及相关阈值选取准则分割精度较低的问题,给出S分量指数加权H分量的直方图公式,利用S分量信息对H分量直方图的毛刺进行平滑处理,并通过分析给出指数加权因子的最优取值。在此基础上,提出一种圆形直方图阈值分割法,通过对整个圆形直方图进行整体角均值计算而得出新的阈值选取准则。实验结果表明,该圆形直方图阈值分割法具有有效性,在测试数据集上,与3个圆形最大熵阈值分割法以及2个阈值分割准则相比,所提方法的像素精度值平均提高3.2%,结构相似度值平均提高2.5%。     

基于图像边缘信息的2维阈值分割方法

为了改善2维阈值分割性能,提高图像分割的效率,在传统2维Otsu阈值分割算法的基础上,提出了一种基于图像边缘信息的2维阈值分割方法。这种改进的方法保留了2维Otsu阈值分割算法分割结果准确的优点,并在此基础上充分利用图像的边缘信息,通过分析图像的边缘直方图和阈值的关系来得到最优分割阈值。仿真实验结果表明,该方法与传统2维分割算法相比,不仅计算简单,而且实时性好。     

一种基于图的颜色纹理区域分割方法

针对传统基于图论的图像分割方法在分割纹理图像或有突变边缘的图像时,分割效果不理想的问题,提出了一种新的基于图论的颜色一纹理区域分割方法,该方法采用分块的小波能量直方图与三阶颜色矩组成块特征向量生成图顶点的集合,同时根据块间距离进行加权,计算块间的相似度,作为图的边权值,再利用最小生成树的方法进行图像分割,方法有效地弥补了传统基于图论的分割方法中的两个问题.实验结果表明,该算法具有良好的分割准确性与鲁棒性.     

基于非归一化直方图的GrabCut图像分割算法改进

针对GrabCut算法在图像分割中存在迭代求解耗时长、分割结果欠分割的问题,提出了一种基于非归一化直方图改进的GrabCut算法。在保留GrabCut第一次分割结果的基础上,通过非归一化直方图计算像素点属于前景或背景的方法来代替高斯混合模型迭代学习的过程;在构图过程中引入一类新的节点Bin进行构图以提高分割精度。选取MSRA1000数据集中部分图片进行实验验证,结果表明该算法在分割效果和效率上都有明显的提升,在进行背景复杂图像的分割时改进算法优势更加明显。