基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。     

基于自动选取最佳阈值的X光图像快速分割方法*

为实现对数字X光图像进行快速分割,提出一种针对直方图的包络特征进行处理的新方法.该方法采用分水岭算法对数字X光图像的直方图一维信号进行处理.首先计算出图像的直方图,然后对直方图进行形态学滤波,提取出直方图的包络.在此基础上对直方图的包络采用分水岭算法自动提取出最佳阈值.用提取出的阈值进行基于阈值的初步分割,然后进一步采用基于标记的分水岭算法对初步分割的二值图像作进一步分割.通过实验表明,采用该方法可以有效地分割大幅X光图像.     

基于改进分水岭变换的遥感图像建筑物提取

遥感图像的分割是遥感信息提取与目标识别的基础和关键。以高分辨率城镇地区遥感图像为研究对象,提出一种基于全局阈值的多级分水岭算法,用于遥感图像的分割。该算法通过引入差异度函数,在执行传统分水岭算法的过程中对图像中存在的噪声区域进行修正,并通过使用全局阈值有效的控制欠分割问题。首先基于全局阈值的多级分水岭算法对高分辨率遥感图像进行初始分割,然后综合利用分割对象的颜色和形状特征信息,进行区域合并和梯度边缘提取,得到最终的建筑物提取结果。实验结果表明,所提出的基于全局阈值的多级分水岭算法较好地避免了过分割和欠分割现象,结合区域合并和梯度提取,能够快速准确地对城镇遥感图像中的建筑物进行提取。     

医学三维影像体数据闭值分割方法

建立医学三维体数据阈值分割描述模型,把OSTU图像分割算法和梯度算子图像分割算法的思想应用于三维体数据,提出并实现了两种医学三维体数据阈值分割算法,并通过实验证明这两种算法获得了较好的分割效果。为进一步对体数据阈值分割算法的性能进行量化评价,定义了两个量化指标:分割准确度和分割平衡度,并通过实验给出了上述两种体数据阈值分割算法的性能评价指标。在给定体数据和标准分割的前提下,OSTU算法比梯度算子算法能取得更好的阈值分割效果。     

基于人类视觉特性的梯度骨架标记提取算法

针对分水岭算法预处理阶段的标记提取问题,提出一种基于人类视觉特性的梯度骨架标记提取算法。通过标记梯度图像的谷点组成贯通整幅梯度图像的骨架,在不同彩色空间中根据背景亮度自动选取阈值,并从骨架中剔除大于该阈值的鞍点,使骨架离散为各自连通的小骨架群,将每个小骨架作为独立标记。实验结果表明,该算法能够解决传统算法参数选取困难的问题,在抑制分水岭算法过分割边缘的基础上获得更好的分割结果。     

自适应阈值的遥感影像角点提取算法

针对传统SUSAN角点提取算法中阈值选取的不确定性,提出了一种自适应分割阈值的SUSAN改进算法。首先采用SUSAN模板对图像进行模板计算得到梯度图,然后根据梯度图的灰度分布特征,采用图像分割方法的判断分析法和KSW熵方法对梯度图做分析处理,最终实现阈值的自动选取,正确提取出有价值的特征角点。试验结果表明,改进算法较之传统算法有明显优势,能准确有效地提取出角点,具有较强的适应性和应用价值。     

一种基于K-L变换和Otsu阈值选择的彩色图像分割算法

提出了一种基于K-L变换和Otsu阈值法的彩色图像分割算法.该算法选取HSV彩色空间对图像进行处理,对色度使用K-L变换使其降为一维.考虑到人眼视觉特性,对亮度和色度分别用Otsu阈值法处理,得到图像的二维特征图.最后将具有相同二维特征的邻接像素合并即完成分割.仿真结果表明,该算法有效地提高了分割的速度和质量.     

一种虹膜定位的新算法

针对虹膜外径边缘图像提取的困难,提出对增强了对比度的虹膜图像进行阈值分割之后用圆检测方法进行虹膜定位的简便而快速的算法.首先,根据虹膜图像的边缘图像用圆检测随机Hough变换方法提取瞳孔的圆心与半径;然后,对用直方图均衡化方法增强了对比度的虹膜图像进行阈值分割,提取分割后的图像的二值边缘图像;最后,利用已经提取的瞳孔的圆周参数等先验知识检测虹膜外径与圆心。实验结果表明,该算法提高了虹膜定位的速度,并且具有较好的健壮性与稳定性。     

基于非下采样Brushlet和马尔可夫随机场的图像分割

针对传统小波域马尔可夫随机场图像分割算法的纹理图像分割能力的不足,提出一种将非下采样Brushlet变换和马尔可夫随机场相结合的纹理图像分割方法。用非下采样Brushlet变换作为图像分割的特征场,有效地提取纹理图像中的高维奇异信息;利用高斯马尔可夫模型提取特征场的参数,考察图像中的光谱信息以及像素点的空间相关性对分割结果的影响。实验表明,本文算法可以有效地实现纹理图像分割,在检测纹理方向信息和区域一致性上较传统算法有较大的提高。     

基于稀疏主成分分析和自适应阈值选择的图像分割算法

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法依赖于参数调整,但参数调整容易受到局部最小值的影响且需要耗费大量时间,从而降低了分割算法的质量和效率。为了实现图像分割过程中的自适应阈值选择,提出了一种基于稀疏主成分分析和自适应阈值选择的图像分割算法。该算法首先利用稀疏主成分分析感知图像的噪声水平以自适应去噪,其次通过二维直方图感知图像的主干区域内容以自适应获得全局分割阈值,然后通过移动平均法的局部阈值分割算法对图像进行分割,最后将全局阈值分割和局部阈值分割图像结合,从而获得最佳的分割图像结果。在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果,基于稀疏主成分分析的自适应阈值选择方法提高了图像的分割质量。     

一种彩色图像多特征的抽取与表示方法

提出一种基于HSl颜色空间的区域彩色特征相似性表示方法，利用改进的区域合并法对彩色图像进行分割。在图像分割的基础上，研究并提出一种图像分割区域颜色、空间位置与面积特征的抽取与表示的有效方法。     

C#实现彩色图像分割

针对图像分析应用日益广泛的现状,基于阈值法对彩色图像实现分割进行论述。介绍图像分割基本概念,讲述彩色图像直方图阈值分割方法,利用二维直方图方便地寻找彩色图像阈值,最后通过C#可行的程序稳定、准确地实现彩色图像阈值分割。     

C#实现彩色图像分割

针对图像分析应用日益广泛的现状,基于阈值法对彩色图像实现分割进行论述。介绍图像分割基本概念,讲述彩色图像直方图阈值分割方法,利用二维直方图方便地寻找彩色图像阈值,最后通过C#可行的程序稳定、准确地实现彩色图像阈值分割。     

工业检测图像灰度波动变换自适应阈值分割算法

工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.     

基于多特征融合和条件随机场的道路分割

针对复杂交通场景图像中路面分割难度大和分割边缘粗糙的问题,提出了一种基于多特征融合和条件随机场的道路分割方法.首先,提取图像的纹理基元特征与颜色特征;然后,将道路分割问题视为一个基于像素的二分类问题,融合所提取的两种特征,使用SVM分类器实现对交通场景图像中路面区域与背景区域的粗糙划分;最后,利用全连接条件随机场中的颜色与位置约束,对分割结果进行优化,获得更加平滑的分割边缘,并与其他分割算法进行对比.实验结果表明,基于多特征融合与条件随机场的道路分割算法获得了95.37%的平均分割准确率和94.55%的平均像素精度.     

图像单个运动目标识别与跟踪的一种解决方案

就图像单个运动目标识别和跟踪问题提出了一种解决方案。在图像分割部分,提出了基于数学形态学中流域分割的实现方法,依据单运动目标的特征通过合并过渡分割区域算法较好地解决了过度分割的现象,实现无需人工设置任何阈值,全智能化图像分割;在目标提取部分,提出了一种在连续多帧图像中自动提取单运动目标的方法,能适应摄像头固定和摄像头随运动目标移动等各种情况;在目标跟踪部分,对进行匹配的模板设置掩码,并自动进行调整,使得对运动目标的跟踪更为鲁棒。     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤，应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术，提出一种自适应阈值三维图像分割技术，先对三维图像分解成一系列二维图像，根据小波变换理论，分析不同分辨率下小波变换的特点，确定分割区域数和分解层次，再由低分辨率开始对每幅二维图像直方图进行小波变换，逐步到最高分辨率，并根据不同分辨率下小波变换结果，由粗到细地自动设定精确的阈值分割每幅二维图像，最后将多幅二维图像合成三维图像。实验表明了该方法的有效性，能够满足目标识别的要求。     

Color image segmentation using pixel wise support vector machine classification

Image segmentation is an important tool in image processing and can serve as an efficient front end to sophisticated algorithms and thereby simplify subsequent processing. In this paper, we present a color image segmentation using pixel wise support vector machine (SVM) classification. Firstly, the pixel-level color feature and texture feature of the image, which is used as input of SVM model (classifier), are extracted via the local homogeneity model and Gabor filter. Then, the SVM model (classifier) is trained by using FCM with the extracted pixel-level features. Finally, the color image is segmented with the trained SVM model (classifier). This image segmentation not only can fully take advantage of the local information of color image, but also the ability of SVM classifier. Experimental evidence shows that the proposed method has a very effective segmentation results and computational behavior, and decreases the time and increases the quality of color image segmentation in comparison with the state-of-the-art segmentation methods recently proposed in the literature.     

SVM图像分割方法的研究

支持向量机分类方法已应用于图像分割。本文以彩色图像分割为例,通过对支持向量机图像分割方法和基于灰度直方图图像分割方法进行比较研究。研究揭示:支持向量机图像分割方法是一种在SVM图像上的全局门限分割,并能自动获得默认门限值。使用支持向量机图像方法的这一特点,很容易使其它的分割方法与支持向量机方法相结合,产生新的混和方法。     

基于图像分割的立体匹配算法

针对在立体匹配中弱纹理及纯色区域匹配不准确和图像分割算法耗时较多的问题,提出一种融合图像分割的立体匹配算法。首先,将初始图像进行高斯滤波和Sobel平滑的处理,获取图像的边缘特征图;然后,将原图的红、绿、蓝三个通道值采用最大类间方差法进行二分类,再融合得到分割模板图;最后,将所得到的灰度图、边缘特征图和分割模板图用于视差计算和视差优化的过程,计算得到视差图。相比绝对差值和(SAD)算法,所提算法在精度上平均提升了14.23个百分点,时间开销上平均每万个像素点只多消耗了7.16 ms。实验结果表明,该算法在纯色及弱纹理区域和视差不连续区域取得了更加平滑的匹配结果,在图像分割上能够自动计算阈值且能够较快地对图像进行分割。