无人水面艇目标图像自适应分割算法

针对水面目标与海天背景对比度变化大、景深差异明显的特点,提出一种改进的自适应Mean-Shift图像分割算法．首先通过估计参考点领域灰度值分布,自适应地得到空间域带宽,然后结合叶斯准则,自适应计算空间窗内灰度域带宽,实现目标与背景的自适应分割．分别抽取水面艇视频图像中,目标远、近距离以及清晰对比度不同的视频帧进行仿真测试,与传统分割算法对比研究,结果表明该算法可以有效实现水面目标图像分割．     

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.     

一种基于背景恢复的运动目标的分割方法

提出一种基于背景模型的运动目标的分割方法．该方法结合了背景恢复技术对运动目标进行分割．算法分背景重建、运动目标提取和分割图像后期处理3个步骤．在背景重建过程中提出了新的背景更新策略和新的判断阈值法．文章阐述了方法的基本思想、理论依据和实现．实验表明,该方法具有很好的效果,具有较强实时性．     

基于改进型类间方差分割的红外目标提取算法

文章对最大类间方差法进行了改进,利用计算图像类间方差的约束条件,通过构造罚函数,把求最大类间方差问题转换为求带约束条件的函数最优解问题,再用迭代法对图像进行分割,从而有效地弥补了最大类间方差法对图像噪音和目标大小敏感不足。仿真实验结果表明,该方法效果良好。     

基于熵的静态背景分割下的运动物体提取

通过对图像序列中运动物体的提取方法进行探讨，提出了一种新的静态背景分割算法，根据交通序列图像的特点，适当修改了一些现有方法，将修改后的方法与新的静态背景分割算法相结合，形成一个完整的适用于交通图像中运动物体的提取方案。     

基于像素统计特性及细胞神经网络的运动目标分割

针对动态图像序列中背景成像过程因各种因素而变化存在复杂性，提出了一种基于像素统计特性及细胞神经网络（CNN）的目标分割方法。首先建立图像每一像素点的高斯分布模型，并根据图像序列中的当前帧及历史帧信息自适应地调整模型的参数。然后结合图像的帧间信息将图像从空间域映射到统计域。最后在统计域中用细胞神经网络方法对其进行目标分割。由于CNN是由局部互连的细胞组成，因此易于用VLSI实现。通过对图像像素建立细胞近邻模型，可以获得较强的鲁棒运动目标分割。实验的结果反映了该方法的有效性。     

复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

对复杂背景中字符分割方法的研究

机器视觉技术是计算机科学的重要研究领域，其中背景图像中字符的提取和识别有重大的研究意义．通过分析复杂背景中字符存在的特点，针对快速分割和识别的应用需求，提出了一种在色调上将阀值法和区域生长法相结合的分割方法．     

基于目标的图像分割技术研究

根据遥感和航空照片特点提出的将快速二维阈值化与模糊聚类相结合的图像分割算法，是一种基于目标的图像分割新技术。实验结果表明，该算法在执行时间、分割效果及适用范围等方面均有较佳表现。     

基于目标检测和区域生长的断层图像自动分割

为了实现对序列断层图像的自动分割,提出了基于目标检测和区域生长的自动分割方法.基于待分割目标在相邻层上的相关图和相关度的定义,相关图用于表达目标在相邻断层之间的延续关系.采用目标检测算法计算出当前层上已分割图像和相关图中目标的形状参数,包括目标质心和最小外包矩形等,根据相关度为在相邻层上应用区域生长算法提供有效种子点.实验结果表明,该方法能达到序列断层图像自动分割的目的,而且其效率比基于体素的三维区域生长分割方法提高了近50%.     

基于复杂背景的彩色图像肤色分割

在使用单个颜色空间进行肤色检测的基础上,提出利用YCbCr和YIQ两种颜色空间同时对单帧图像进行肤色提取的方法,然后对提取的图像进行像素融合和数学形态学处理.实验结果表明,这种方法在确定人脸区域时,简单快速,且减少了人脸的漏检率.     

基于高斯函数的LED彩色图像分割方法

提出了一种基于高斯函数的LED彩色图像分割新方法,利用彩色分量值,通过高斯函数的模板进行滤波,直接分割出有用数字信息的二值图.改变了传统的将彩色图像转为灰度图像再进行分析的方法,充分利用了色彩信息.实验结果表明,该方法分割效果好,快速简单,满足实时性要求,是一种高效的新算法. 更多还原     

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.     

移动相机下的地面运动目标分割技术

提出了一种新的移动相机下的地面运动目标分割方法,运用一种称为"多平面视差约束"的三视角约束方法把图像序列中的每个像素点区分成背景区域和运动目标区域.该方法是在"平面和视差"框架的基础上提出来的,克服了之前几何约束方法存在的视差问题,而且不需要固定的参考平面.同时,在相机跟随目标相同方向移动时,将极线约束的面退化问题简化为线退化问题.实验结果证明了该方法的优越性.     

基于彩色图像的梨表面缺陷提取方法

随着我国改革开放步伐的加大,梨等农产品的深加工对提升出口梨果质量水平、提高出口规模和增加国民收入具有重大意义.经实践检验,采用数字图像处理技术对水果进行外观品质分级,具有速度快、准确度高等特点,并可广泛应用于多种水果和蔬菜的分级过程中.目前,国内针对梨的外观品质分级的研究相对较少,梨表面颜色多,斑点、果锈等干扰多,导致难以进行准确的缺陷识别是重要的原因之一.由于使用传统外观缺陷提取方法难以获得良好的效果,所以提出了一种新的基于彩色图像的缺陷提取方法,以期在多种情况的梨表面缺陷提取操作中获得准确率高、鲁棒性强等效果.对该方法进行了一些测试,取得了积极的效果.     

金属表面脏污区域的分割和量化算法研究

针对目前金属表面缺陷检测技术的研究现状,主要研究金属表面脏污检测与量化算法。结合金属表面的特点,通过对几种分割方法的比较,研究了阈值分割法中的迭代法对图像进行分割,该算法能够最大限度地保留细节信息。另外,研究了一种改进的自适应滤波算法结合像素计数法对金属表面的脏污区域进行量化处理。实验结果证明了所提出方法的有效性。     

基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

彩色图像分割在视频跟踪系统中的应用研究

在视频跟踪系统中,图像分割是进行跟踪的前期处理。只有在视频序列图像中有效的分割出运动目标,才能实现后续对目标的准确跟踪。提出一种混合算法,将一种基于灰度直方图的阈值化分割算法应用到了HSI颜色空间上,利用H进行阈值化,在阈值化之前,先根据R、G、B值对像素进行了筛选;文章应用董立菊等人提出的-种基于RGB空间的K均值聚类算法、一种基于灰度直方图的阈值化算法和混合算法,以目标颜色为特征,对彩色图像进行了分割;针对特定的视频跟踪系统,对各结果进行了比较,得出了结论,找出了较优算法——混合算法效果较理想,能够较有效的分割目标,为后续跟踪工作做好了前期处理工作。     

基于双阈值的移动机器人视觉图像分割

为了提高移动机器人识别目标的快速性,针对RIRAII移动机器人的图像处理和图像匹配问题,考虑到环境中的光照条件的影响和满足实时性的要求,在图像分割中,采用了将RGB和HSV两种色彩系统混合使用的方法,提出了基于颜色信息的RGB和HSV模型下利用双阈值图像分割的方法,对图像进行分割的试验结果证明,该算法能够取得较好的图像分割效果,并且图像分割处理时间减少,满足移动机器人跟踪目标的实时性要求.     

基于目标与背景信息分割的图象增强算法

为提高图片对比度,突出目标区域,解决图像较暗、对比度较差、目标区域模糊不清、难于对目标进行分析和识别,以致不能做出正确判断的问题。将图像中的目标与背景分离,并对这两部分的灰度值分别进行处理,以便突出目标,抑制背景,并以x光片为例进行仿真实验。经实验证明,该算法能实现图像增强,可以增强目标区域,抑制背景区域,从而增强图像的对比度,使目标区域从背景区域中突出出来,有利于对图像进行观察、分析、判断和处理。