K均值聚类分割的多特征图像检索方法

从图像数据库中快速、准确地检索出所需要的图像,具有广泛的应用前景。针对使用单一图像特征难以准确表达图像之间的差异问题,提出了一种利用颜色聚类分割和形状特征提取的图像检索算法。选择符合人眼视觉特征的HSV空间,分别重组最能描述图像颜色特征的H分量和形状特征的V分量;用K均值聚类算法对两个分量进行聚类分割,得到目标物体;提取目标物体的Hu不变矩和傅里叶描述子来描述形状特征;用欧式距离进行相似度测量并用于图像检索中。采用不同类型图像进行实验,结果表明该算法优于使用单一特征和一般分割方法的图像检索技术。     

一种基于Mean-Shift聚类算法的图像区域分割方法

提出一种基于均值平移(Mean-Shift)聚类算法的图像区域分割方法.该方法首先选用适当的彩色空间对图像中的每个像素点抽取颜色、纹理及空间位置等特征,形成特征空间;然后,利用Mean-Shift聚类算法,在像素点特征空间中进行聚类,利用提出的方法,确定最佳窗口半径参数,进而确定聚类簇数、聚类中心等参数,将像素初步划归不同的组,并利用相邻像素之间的连接原理对图像区域进一步分割.分割方法提供了丰富的区域描述特征.实验结果表明这种方法具有图像分割速度快,分割效果好等特点.     

改进的Random Walker在医学图像分割中的应用

针对经典Random Walker算法利用图像信息的局限性,将应用于图像空间的经典Random Walker算法推广至特征空间。先将待分割图像进行高斯核滤波,然后利用联合直方图将图像空间延伸至特征空间,再用经典Random Walker算法进行半监督聚类,以实现在特征空间的初步划分,最后将初步划分的结果映射回原始图像空间中进行分割。这一改进的算法尤其适合多通道图像的分割。将新算法应用于分割多模态MR脑部图像中的神经胶质瘤,并对算法的精确性和算法对种子点的敏感性进行分析,实验结果显示新算法较经典Random Walker算法在精确性和稳定性上都有更佳表现。     

基于空间位置约束的K均值图像分割

K均值聚类分割是一种有效的基于聚类的图像分割算法.传统的K均值聚类分割算法采用特征空间中的相似性测度来度量像素的归属类别.由于自然景物图像的复杂性,位置邻近且本应属于同一分割区域的像素点,由于它们视觉特征的差异性,导致其在特征空间中相距甚远而被分割为不同的区域.以投票的方法将像素的局部空间位置信息引入到K均值聚类分割算法中,达到了改善分割效果的目的.实验结果证实了该方法的有效性.     

一种基于多分辨率与模糊聚类技术的散焦图像分割算法

带有投射光栅的散焦图像的准确分割是3维物体复原的重要环节。为了更准确地进行散焦图像分割，基于所提取的带光栅散焦图像特征，提出了一种将多分辨率分析与模糊聚类技术融合实现图像分割的算法。该算法是利用多分辨率技术来建立面向像素特征向量的多级图像联系矩阵，并在图像低分辨率级进行基于模糊聚类的区域分割。实验证明，该技术不仅克服了直接分割的困难，而且提高了分割的正确率，因此表明，该算法是有效的。     

面向内容检索的彩色图像分割

稳健有效的图像自动分割是面向内容图像检索中的一个重要问题，适应内容检索的需要，提出了一种融合颜色，纹理特征，采用特征聚类的彩色图像分割新算法，该算法采用线性加权方式融合颜色，纹理特征，并依据图像功率谱分布自适应确定融合权值，它采用提出的基于编码代价的自淬火（self annealing)方法对特征空间聚类，该聚类算法具有可自动确定类别数目，对初始聚类中心选择不敏感的优点，将新算法有于分割多幅自然图像，实验结果证明了算法的有效性。     

显著特征融合的主颜色聚类分割算法*

针对颜色密度聚类分割模型容易产生误分割的问题,提出基于视觉显著性调节的主颜色聚类分割算法.首先,根据空间颜色信息和Mean-shift算法平滑结果分别计算图像的全局显著特征和区域显著特征,并融合2类显著特征作为特征空间聚类的约束项.然后,采用核密度估计方法计算图像主颜色作为初始类,并将显著特征作为调节因子进行聚类分割.最后,进行区域合并.在标准的分割图像库上进行实验并与多种算法对比,结果表明,文中算法具有更高的区域轮廓准确度,并且有效利用图像显著特征,降低密度聚类形成的区域不一致性,提高像素聚类的精度和分割的鲁棒性.     

基于物理模型的彩色图像分割

本文给出一个基于光学物理模型的真实彩色图像分割算法.算法首先对图像上的颜色变 化(由光照和物体颜色引起)进行分析与综合,然后分割图像.算法的基础是双色反射模型理 论,该理论认为反射光的颜色是界面反射(耀斑颜色)和本体反射(物体颜色)的线性组合,这两 种反射光在颜色空间的三维直方图中形成特定的聚类(点簇).因此分析聚类的性质可帮助确 定光照和物体的颜色,但是有意义的聚类的生成又以图像中物体区域的确定为前提.算法按 照假设检验的策略,依据图像中的连通性和颜色空间中聚类的特征,完成彩色图像的分割,并 产生对景物中所发生的光学过程的物理描述.该描述包括本征反射图像、分割图像、物体和光 照颜色的符号描述.本征反射图像包括只反映界面反射的耀斑图像和从原图像中去除耀斑影 响后的本体图像.     

基于K均值聚类分割彩色图像算法的改进

基于人类视觉将图像分割成若干个有意义的区域是目标检测和模式识别的基础.应用K均值聚类算法对图像进行分析,分析了图像的空间、色彩以及纹理特征对聚类效果的影响,针对K均值算法的存在的过分割问题提出了一种修正方法,先基于空间、颜色和纹理特征分割图像,再基于色彩及纹理特征进行合并,解决了K均值聚类产生的过分割问题,并在区域合并时引入修正函数,抑制了图像中因场景明暗变化而产生的斑点.实验结果表明提出的聚类算法对图像分割效果有明显提高.     

基于免疫谱聚类的图像分割

提出了一种基于免疫谱聚类的图像分割方法.利用谱聚类的维数缩减特性获得数据在映射空间的分布,在此基础上构造一种新的免疫克隆聚类,用于在映射空间中对样本进行聚类.该方法通过谱映射为后续的免疫克隆聚类提供低维而紧致的输入.而免疫克隆聚类算法具有快速收敛到全局最优并且对初始化不敏感的特性,从而可以获得良好的聚类结果.在将其用于图像分割时,采用了Nystr?m逼近策略来降低算法复杂度.合成纹理图像和SAR图像的分割结果验证了免疫谱聚类算法用于图像分割的有效性.     

基于分形维数的纹理图像分割

纹理图发割过程一般分为特征抽取和特征划分,文中提出一种新的基于分形维数的纹理图像分割方法,在特征抽取上,以分形作为纹理特征,运用图像变换的思想,结合差分盒计数和基于分形布朗自相似模型的分形估计方法。     

基于特征距离的阈值法及其在眼科图象分割中的应用

医学图象的识别与分析能够为临床提供定量比的诊断依据,而图象分割是其中最关键的一步。为提高医学图象侵分割效果,提出了一种基于特征距离的阈值分割算法,并将其与颜色特征分类相结合,来对眼科裂隙灯生物显微镜图象上的角膜充血区进行分割,分割结果可用于角膜充血区的定量体分析,另外,该算法中的样本典型值是通过一种三维直方图分块算法来确定的,实验结果表明,该算法可以有效地分割出角膜充血,其分割效果优于欧氏距离阈值法,且分析数据的精度能够达到临床诊断的要求。     

基于振动特征的纹理图像分割

纹理分割是图像处理领域中的一个典型难题.基于图像分解提出一个新的纹理振动特征,与基于结构张量和非线性扩散获得的其他纹理特征一起构成5维特征空间,并利用非参数估计的活动围道方法对该特征空间进行分割,得到最终结果.通过不同的纹理分割实验验证了此方法的有效性.     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

小麦冠层图像H分量的K均值聚类分割

大田环境下小麦冠层图像具有光照不均匀、背景复杂及阴影遮挡等特点,经典图像分割算法存在精度低、过分割等问题,提出一种基于HSI空间下H分量的K均值聚类算法。使用[R+G-B]归一化处理RGB空间下的彩色图像,以抑制其B分量;将归一化图像进行RGB到HSI的颜色空间转化;根据光照是否均匀,使用K均值聚类算法对彩色图像的H分量进行不同的聚类处理,经形态学开运算及去噪处理获得最终目标图像。实验表明,该方法对不同施氮量、不同光照、不同生长时期小麦冠层图像的分割效果较好,相对基于Lab空间的K-means聚类分割,该方法可一定程度避免过分割现象;相对基于H分量的Otsu算法,对光照不均匀图像分割更完整,对复杂背景图像分割更精确。     

应用多方向光源分割带钢表面缺陷

光源的照明方式和安装角度对采集到的图像质量有很大的影响,这种不同会导致同一幅缺陷图像产生不同的纹理效果。目前的采集系统一直将光源的影响看作负面因素,事实上如果将不同方向光源对带钢缺陷图像信息的影响用于分割,能够获得更全面、准确的图像信息,因为光源序列的分割方法比单光源包含了更多的缺陷特性。首先采集不同方向光源照射下的图像序列,再提取图像最大强度值位置对应的光源倾角方向作为特征,最后在特征空间运用线性判别函数得到分割结果。实验结果表明提出的方法能获取更高对比度的缺陷图像,正确地将缺陷从背景图像中分割出来。     

基于视觉图像的舞姿自动空间分割系统设计

为了提高舞姿的视觉指导效果,需要进行舞姿的自动空间规划设计,提出一种基于视觉图像的舞姿自动空间分割方法。构建舞姿自动空间规划的视觉图像采集模型,采用高分辨的视觉信息增强技术进行舞姿自动空间视觉图像的信息增强处理,提取舞姿自动空间视觉特征量,采用三维视觉重构技术进行舞姿自动空间规划设计,构建舞姿自动空间规划的视觉图像多层网格区域分布模型,结合联合稀疏结构特征分解方法,进行舞姿视觉图像的融合和自适应分割处理,根据特征分割结果进行舞姿的多层空间结构规划和融合聚类,实现舞姿的自动空间分割的算法优化设计。在多层B/S构架体系下实现舞姿自动空间分割系统的软件开发设计。仿真结果表明,采用该方法能有效实现视觉图像下的舞姿自动空间分割,输出峰值信噪比较高,具有较强的舞姿指导性。     

一种滤波修正的K均值分割方法

许多传统的图像分割方法都需要输入用户难以理解的参数,而且这些参数对于结果的影响又比较大。基于聚类分析技术的方法对参数不敏感,简单而且高效,但因其专注于对单一特征空间的划分而无法同时保持区域均一性和空间紧致性。尽管已经出现了许多改进的方法,如采用进行空间约束的聚类方法和使用其它保持空间紧致性的方法进行结果修正等,不过不同空间划分之间的协调、新的参数复杂性和算法复杂性反而使得聚类分析技术失去其简单有效的优势。给出一种新的医学图像分割算法,通过结合K均值方法和各向异性滤波技术,保持图像空间紧致性并解决过分割和图像噪声问题,同时弱对象也能够被提取出来。对比实验以及应用表明,该算法具有良好的分割结果和性能。     

基于最大熵的模糊核聚类图像分割方法

传统聚类算法易陷入局部极值,在数据线性不可分时分类效果较差。为此,提出一种基于最大熵的模糊核聚类图像分割方法。采用最大熵算法对原始图像进行初步分割,求得初始聚类中心;引入Mercer核函数,把输入空间的样本映射到高维特征空间,并在特征空间中进行图像分割。实验结果表明,该方法能减少迭代次数,使分类结果更稳定,从而较好地把目标从背景中分割出来。     

图割与非线性统计形状先验的图像分割

提出一种图割与非线性统计形状先验的图像分割方法。首先,在输入空间对输入的形状模板进行配准,得到训练集;其次,采用非线性核函数将目标形状先验映射到特征空间进行主成分分析,获取其投影形状,将此投影形状映射回原输入空间得到目标的平均形状,构成新的能量函数;第三,通过自适应调整形状先验项的权值系数,使能量函数的形状先验项自适应于被分割的图像;最后,用Graph Cuts方法最小化能量函数完成图像分割。实验结果表明,该方法不仅能准确分割与形状先验模板有差别的图像,而且对目标有遮挡或污染的图像也有较好的分割效果,提高了分割效率。