基于减法聚类和K均值聚类的彩色图像分割算法

传统图像分割方法大都存在分割速度低下、过度分割等缺点.针对上述问题,提出一种新的彩色图像区域分割算法.这种方法首先将图像转化至L＊a＊b＊空间,并划分为子块,抽取图像子块的颜色、纹理和位置特征组成子块的特征向量,然后运用减法聚类,获得聚类簇数和初始蔟中心,最后利用改进的K均值算法在像素点特征空间进行聚类,进而分割图像成区域.实验结果表明这种新方法具有分割效率高、分割效果理想等优点.     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

基于综合特征的物流车辆图像检索方法

通过对颜色直方图的研究,提出一种新的物流车辆颜色量化的方法和灰度共生矩阵的计算方法,并且采取一种快速分割方法对图像进行分割,在分割区域颜色直方图计算时,提出粗粒度的概念,从而改善了检索的精度和提高了检索的速度。提出主区域的概念,对主区域进行颜色、纹理、形状等特征的提取,完成兼容彩色和灰度图像的检索,并通过仿真实验证明该算法的可行性和高效性。     

基于L*a*b*色彩空间的自动白平衡算法

针对数码相机自动白平衡不准确、色彩还原不够真实的问题,提出了一种基于L*a*b*色彩空间的自动白平衡算法.该算法通过色彩空间转换,先将sRGB图像转换至L*a*b*色彩空间;然后,在L*a*b*色彩空间利用灰度世界模型对a*,b*色彩分量进行颜色校正;最后将L*a*b*图像转换至sRGB色彩空间.试验结果表明:在L*a*b*色彩空间对图像进行自动白平衡能获得较好的色彩还原效果.     

融合颜色聚类和分水岭算法的铁谱图像分割

通过分析不同颜色空间下铁谱图像k-means颜色聚类效果,提出在CIELAB颜色空间利用二维颜色分量进行k-means均值聚类的算法,从而实现铁谱图像背景和磨粒的分离.将kmeans颜色聚类结果作为基础图像,利用阈值法分别针对背景和磨粒提取区域极小值,从而获得背景和磨粒标记图像,在此基础上利用标记分水岭算法实现了铁谱图像磨粒沉积链自动分割.研究结果表明,本文所提出的方法消除了背景因素对磨粒沉积链分割的不良影响,提高了分割的准确度.     

基于差分盒维数的彩色烟雾图像识别

提出了利用差分盒维数与颜色特征相结合的图像识别方法来将彩色烟雾图像从森林背景中识别出来。该方法首先用差分盒维数算法来计算整幅图像的分形维数值并基于该值对图像进行分割,再以RGB空间的烟雾颜色特征为依据,对差分盒维数方法分割出的区域进行判别,识别出烟雾区域。为改善算法的计算精度,提高算法运算速度,提出了减少子窗口内盒子的覆盖数量、改变子窗口内灰度等级的改进算法。仿真实验结果表明,基于改进的差分盒维数方法,不仅运算速度提高近50％,而且能够更好地反映图像表面的纹理信息。再结合颜色特征能从森林背景中准确的识别出烟雾。该方法可用于森林火灾的预警。     

基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。     

基于二次聚类的主动脉弓分割方法

提出一种基于均值漂移和层次聚类的二次聚类图像分割算法(MSHC),在CIE(LUV)颜色空间,首先运用均值漂移算法实现图像的平滑及初步聚类,然后将结果中每个区域的均值作为第二次聚类的初始值,对图像进行层次聚类处理至满足预定效果为止.最后,将图像中主动脉所在类的均值作为区域生长的种子点,完成目标提取.该MSHC算法分割效果良好,易于重建主动脉弓三维模型,且模型立体感强,可清晰展现其空间三维结构.     

全自主移动机器人视觉系统图像分割方法研究

为了准确跟踪运动中的目标,完成对移动目标的实时跟踪,通过分析不同算法的特点,在视觉系统的软件设计中采用了基于HIS颜色空间的阈值分割法与种子区域生长法相结合的图像分割方法对目标进行分割与跟踪.对视觉系统图像识别与分割所涉及的关键技术包括颜色空间的选取和相应的分割算法进行了必要的分析与改进.实验结果表明这种方法可以对彩色图像进行准确分割.     

复杂数据流多项式新模型K*TDG及搜索算法

提出了一种新的多项式模型K＊TDG解决复杂数据流的分解搜索问题，其边权值K表明了系统参数之间的紧密程度．对K＊TDG、紧密K＊TDG和松散K＊TDG等概念进行了定义；对K＊TDG模型的基本加法运算和乘法运算进行了讨论、在此基础上提出了一种复杂数据流的分解匹配算法．为了降低算法的复杂度，还提出了一种根据复杂元件多项式次数分组的策略、实验结果表明所提出的K＊TDG模型能有效地用于复杂数据流的分解和匹配，所提出的算法和策略能使元件的搜索空间平均减少了49％．     

一种纺织印染图案的多尺度彩色分割算法

为了提高纺织印染图案的分色精度,提出一种多尺度彩色图像分割技术.该方法利用纺织印染图案中主要套色数少的特点,通过人眼观察手动提取图案中最具代表性的套色；根据上一尺度方块的颜色信息和同一尺度下邻近方块的颜色信息对图像进行多尺度分割,形成一棵非均匀的四叉树形结构,树中每个节点按照颜色空间的距离映射到最近的套色中,并随着尺度的递增对上一级的分割结果进行递归修正.最后对分割图像中一些小的连通区域进行后处理,消除合并这些区域,提高整体的分割精度.由计算机模拟实验的分割结果表明,与一般基于聚类技术的彩色分割算法和基于边缘提取的分割算法相比,该方法对于纺织印染图案有较好的颜色分割效果,并和人的主观视觉效果有更好的一致性.     

基于图切的交互式图像分割方法

图切是一种基于图论的图像分割方法,它基于最大流/最小割定理实现能量函数最小化,其中能量函数的设定、实现的流程等方面可以改进以提高对不同图像的适应性.本文给出了一个基于图切的交互式图像分割方法,用户通过手绘封闭或不封闭线条的方法提供关于前景和背景的先验信息,在此基础上实现图像的分割.首先采用分水岭方法对输入图像进行预分割,把颜色相近的像素分为若干个小区域;设定合适的能量函数,将预分割的区域之间的颜色相似性、分割结果的平滑性等约束包含在能量函数中,利用求最大流的方法求取使得能量函数最小化的标签集合,从而实现图像的分割.实验证明,本文的方法能快速有效地实现交互式图像分割.     

基于差分粒子群和模糊聚类的彩色图像分割算法

彩色图像数据信息量较大,传统的模糊C均值聚类算法（FCM）在分割时更加容易受到初始聚类中心影响陷入局部极值．文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法（DEPSO—FCM）．利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题。同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM进行图像分割．实验表明,该方法能解决FCM算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果．     

纸张表面性能对印后光学密度和色域的影响

在同一印刷条件下,对不同纸样利用IGT适性仪印刷,通过测量印后主密度及L＊a＊b值,研究了纸张平滑度、吸墨性对其印后的光密度及色域的影响．结果表明：K＆N值越高,D∞越大;平滑度越大,纸张系数m越大,达到饱和密度D∞所需墨量越小;平滑度大,吸墨性好,纸张吸收油墨均匀,色彩呈现效果越稳定,色域较大,但会出现不同程度的色彩缺失．     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．     

基于统计模式识别的植物病害彩色图像分割方法

根据植物病害彩色图像的特点,提出了用颜色空间作为特征空间,利用统计模式识别的监督分类方法,采用基于Fisher准则的线性判别函数来对彩色图像进行真彩色二值化分割。结果表明:该方法具有快速、有效和准确的特点,对彩色植物病害图像的分割处理十分有效。     

离线彩色套印误差检测系统

为了实现彩色印刷套印误差的检测,提出了基于计算机视觉的检测方法,并设计了检测算法.应用CCD采集印版测量标识的图像,在HSI色彩空间中,通过色调统计特征进行套准识别,并通过色调和亮度对彩色图像进行阈值分割,对分割后的图像采用色调投影积分方法快速获取测量标识的坐标参数,实现彩色套印误差的检测.实验表明,该系统能快速准确地检测出套印误差参数,并已经用于北人集团印刷机套印精度的检测.     

Color image segmentation using mean shift and improved ant clustering

To improve the segmentation quality and efficiency of color image, a novel approach which combines the advantages of the mean shift (MS) segmentation and improved ant clustering method is proposed. The regions which can preserve the discontinuity characteristics of an image are segmented by MS algorithm, and then they are represented by a graph in which every region is represented by a node. In order to solve the graph partition problem, an improved ant clustering algorithm, called similarity carrying ant model (SCAM-ant), is proposed, in which a new similarity calculation method is given. Using SCAM-ant, the maximum number of items that each ant can carry will increase, the clustering time will be effectively reduced, and globally optimized clustering can also be realized. Because the graph is not based on the pixels of original image but on the segmentation result of MS algorithm, the computational complexity is greatly reduced. Experiments show that the proposed method can realize color image segmentation efficiently, and compared with the conventional methods based on the image pixels, it improves the image segmentation quality and the anti-interference ability.