一种基于HSV空间和粗糙集的彩色图像分割方法

研究了基于HSV颜色空间的粗糙集直方图阈值彩色图像分割方法.根据HSV空间的特性,定义了HSV空间颜色距离计算公式,对HSV三分量计算粗糙集直方图和彩色图像进行分割.实验结果表明该方法较好地保留了图像的颜色信息,具有较高的通用性,能够获得满意的分割效果.     

基于聚类和小波变换的彩色图像分割方法

提出一种将聚类和小波变换相结合的彩色图像分割方法。首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色特征。利用小波变换得到每个分块的纹理特征,将颜色特征和纹理特征的组合作为对图像进行分割的依据。该方法将聚类算法和小波算法结合,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行分割实验,实验结果证明该算法的有效性。     

基于最小能量的图像分割方法

提出了一种图像分割新方法,与 Ｓｎａｋｅ 模型一样,该方法融合了传统的三阶段分割方法,并克服了 Ｓｎａｋｅ 模型只能处理单区域轮廓线的缺陷,适用于多区域、多空间位置关系的图像分割,无需轮廓线的初始位置设定。同时,动态规划的嵌入特性,保证了图像分割的全局最优化,实现了图像轮廓线的精确定位和自动分割。实验结果表明了该方法对于多区域图像分割的有效性。     

基于最小生成树和局部阈值的彩色图像分割方法

针对分水岭图像分割算法对于彩色图像的过度分割问题,本文提出一种基于最小生成树和局部阈值的解决方法。该方法主要利用图论中的最小生成树,对分水岭算法产生的过度分割区域进行合并。与其它的基于最小生成树的方法不同,该方法只有当构造出一棵完整的最小生成树时,才能计算出一个局部阈值,该局部阈值可确定原构造最小生成树过程的终止条件,进而可分割出彩色图像中的两个区域。重复上述过程,可分割出原彩色图像中的所有区域。实验证明,本文方法能够对彩色图像进行准确的分割,并且分割结果能很好地符合人眼的感知。     

基于遗传算法的彩色图像多阈值分割方法研究

针对彩色图像多阈值分割中阈值个数自动确定困难和优化时间长的问题,首先提出一种新的HSV空间中彩色图像投影预处理方法,然后计算待分割图像的颜色粗糙度,并根据颜色粗糙度确定图像分割的阈值数量,为提高分割效率,利用遗传算法搜索最优分割阈值组合,为提高分割精度,在遗传算法适应度函数设计时既考虑了类内的颜色离散度,又考虑了像素的空间关系。实验结果表明该方法具有较为理想的分割效果,对光线变化具有较好的鲁棒性。     

基于累积剩余信息能量的图像阈值分割法

Shannon定义的信息熵是一种度量信息不确定性的方式,Onicescu定义的信息能量是一种度量信息确定性的方式,信息能量与Shannon熵呈现一种对偶关系。累积剩余熵是使用累积分布函数替换Shannon熵的概率分布函数来度量信息不确定性的方式,基于此,提出一种新的度量信息确定性的方式——累积剩余信息能量,并将累积剩余信息能量应用于图像的阈值分割。为了克服累积剩余信息能量自身存在的计算复杂、效率低的缺点,使用递归算法提升图像阈值分割的运行速度。与经典的最大熵阈值法等相关阈值分割法的对比实验结果表明,所提方法对于自然图像与细胞血涂片图像分割均具有一定的优越性。     

基于克隆选择和多重空间构造的彩色图像分割

该文提出一种基于克隆选择和多重空间构造的彩色图像分割方法。该方法首先将一些常见的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分,利用主分量分析技术(PCA)分别对其进行计算,得到最具有识别能力的颜色分量来构造多重颜色空间;然后利用克隆选择算法对样本进行自学习,得到全局最优的聚类中心;最后用得到的聚类中心对图像进行分割。由于该文的方法结合了克隆选择算法的非线性分类能力,通过对彩色图像自适应的构造最佳多重空间,能够快速准确地得到分割结果,克服了传统分割方法使用固定颜色空间以及容易陷入局部最优的缺点。通过实验表明,该方法对彩色图像同质区的分割均匀,边缘保持度好。此外,新方法对彩色图像的亮度和纹理变化不敏感,鲁棒性较强。     

基于图割框架的改进多层图彩色图像分割方法

彩色图像中所含有的颜色信息和纹理信息量很大且非常复杂,伴随着多个目标区域的出现,当前图像分割法很难整合纹理特征与颜色特征,图像分割效果不佳,因此,提出一种基于图割框架的改进多层图彩色图像分割方法,将多层图彩色图像分割问题看作是计算机视觉中的二元标识问题,转换成能量函数最小化问题,给出多标签MRF马尔科夫随机场能量函数,将颜色信息与纹理信息进行融合,通过建立多层图割模型对多类彩色图像能量函数的最小化问题进行求解。为了得到多类分割结果,采用一种自适应迭代收敛准则进行修改,在图割框架下进行多次迭代分割。实验结果表明,所提方法不仅分割效果良好,而且性能优越。     

基于逆浓度扩散及直方图的Mumford-Shah模型的MRA血管分割

直径的差别和造影剂的厚度不同造成血管在MRA成像中灰度不均匀,加上图像噪声的影响,使得血管的分割非常困难。而本文从血管在MRA图像中的特性出发,提出了逆浓度扩散模型,实现了血管的增强;另外本文还提出了基于直方图的Mumford-Shah模型计算方法,实现了图像的快速分割。实验表明,本文提出的方法能有效应用于二维及三维MRA图像中的血管分割。     

基于视觉感知模型的彩色图像分割框架

图像分割是图像理解和识别的重要基础。目前,彩色图像分割有3个问题有待解决：无法处理有空间频率变化的图像;没有考虑图像的观察条件和颜色细节;对颜色空间的依赖性较大。本文提出了一个基于视觉感知的图像分割框架。此框架利用人眼视觉灵敏度函数模仿人眼的视觉模糊机制,能有效处理有空间频率变化的图像;使用CIECAM02来预测复杂观察条件下的图像色貌;最后应用不同的色差公式实现基于颜色相似性的分割算法。实验结果证明本文框架可以产生比传统算法更适合于人类感知的分割结果。     

一种基于三维直方图的改进C-V模型水平集图像分割方法

对Chan-Vese提出的基于简化Mumford-Shah模型的水平集图像分割方法(C-V模型)做了改进.传统的C-V模型仅将灰度同(homogeneity)作为区域分离准则,这使其对于对比度明显的图像能够取得很好的分割结果.但单一的分离准则往往致使其在分割噪声信息丰富的、灰度分布复杂的医学、遥感以及自然图像等时产生大量的冗余轮廓.为此,本文在改善C-V模型全局优化特性的基础上,整合图像的灰度分布信息、邻域空间信息以及图像所固有的模糊信息构造三维向量(灰度值、模糊均值和模糊中值),提出了一种基于三维直方图的改进C-V模型水平集图像分割方法.自然图像和红外光学图像的试验结果证明了该方法的有效性.     

基于三直方图平移和互补嵌入的可逆信息隐藏

为了提高嵌入算法的整体性能,提出一种基于三 差值直方图平移和互补嵌入的彩色 图像可逆信息 隐藏算法。利用色彩分量之间的相关性以及预测误差之间的关系减小差值,以增加差值直方 图的峰值。采 用三差值直方图平移和双重嵌入方法提高嵌入容量,两次嵌入过程中像素值沿相反方向扩展 ,部分像素值 扩展量相互抵消。选择两种不同的预测方向计算预测误差,以增加扩展量抵消的机会,解决 双重嵌入时图 像质量严重下降的难点问题。实验结果表明,本文算法在保证图像质量的同时大幅提高嵌入 容量,算法的整体性能优于其它同类算法。     

基于视觉感知模型的彩色图像分割框架

图像分割是图像理解和识别的重要基础.目前,彩色图像分割有3个问题有待解决:无法处理有空间频率变化的图像;没有考虑图像的观察条件和颜色细节;对颜色空间的依赖性较大.本文提出了一个基于视觉感知的图像分割框架.此框架利用人眼视觉灵敏度函数模仿人眼的视觉模糊机制,能有效处理有空间频率变化的图像;使用CIE CAM02来预测复杂观察条件下的图像色貌;最后应用不同的色差公式实现基于颜色相似性的分割算法.实验结果证明本文框架可以产生比传统算法更适合于人类感知的分割结果.     

基于排序和直方图修改的可逆信息隐藏方法

提出一种基于排序的差值直方图修改的可逆信息隐藏方法。首先,对图像分块;然后,采用按灰度值大小排序后的中值作为参考点,并和其余像素点做差,以产生更多的相同的值,使其差值直方图更紧凑、直方图的峰值点更大;最后,采用基于直方图修改的方法在差值中进行隐藏。实验表明,该方法不仅可以实现可逆信息隐藏,隐藏效果更好,并且嵌入量更高。为了提高嵌入量,进行了多层信息嵌入,并且在嵌入层数不同时采用不同的分块方式,提高了隐藏效果。分析了实验结果。     

基于区域限制的EM和图割的非监督彩色图像分割方法

提出一种基于区域限制的EM(Expectation Maximization)和图割的非监督彩色图像分割方法,以解决自动确定分割类数问题.首先,生成图像的超像素,提取图像的CIE Lab颜色特征和多尺度四元数Gabor滤波特征;为了高效自动地确定分割类数,同时避免因直接使用超像素造成的奇异值问题,对每一个超像素采样并使用采样像素表示超像素;然后采用高斯混合模型对采样像素集合进行建模,使用加入区域限制的分量EM自动获取模型组件数及参数,最后使用图割结合高斯混合模型对图像进行优化,获取最终分割结果.实验结果表明,该方法在分割效率和分割质量上均得到较大提升.     

基于部件直方图和随机文本选择的无载体信息隐藏

目前利用传统文本搜索式进行的无载体信息隐藏方法中,信息隐藏容量小,隐藏成功率低.为此,提出了一种基于部件直方图和随机文本选择的无载体信息隐藏方法.首先对文本数据库构建部件直方图,利用哈希算法生成文本标签作为文本索引,并根据给定的阈值随机选择一定量的文本对象作为载体文本集;然后对秘密信息进行转换,得到"部件+运算符"的组...     

基于语义信息补偿全局特征的物体点云分类分割

3D点云数据处理在物体分割、医学图像分割和虚拟现实等领域起到了重要作用。然而现有3D点云学习网络全局特征提取范围小,难以描述局部高级语义信息,进而导致点云特征表述不完整。针对这些问题,提出一种基于语义信息补偿全局特征的物体点云分类分割网络。首先,将输入的点云数据对齐到规范空间,进行数据的输入转换预处理。然后,利用扩张边缘卷积模块提取转换后数据的每一层特征,并叠加生成全局特征。而在局部特征提取时,利用提取到的低级语义信息来描述高级语义信息和有效几何特征,用于补偿全局特征中遗漏的点云特征。最后,融合全局特征和局部高级语义信息得到点云的整体特征。实验结果表明,文中方法在分类和分割性能上优于目前经典和新颖的算法。     

基于模糊信息原理的纹理图像分割方法

提出了一种基于同步自回归（ＳＡＲ） 模型和模糊信息原理进行纹理分割的方法。利用二阶ＳＡＲ 模型对图像纹理进行描述,用最小平方误差方法对模型参数进行估计,在对模型参数分析的基础上,将估计的参数进行改进后作为纹理的特征向量用于纹理图像的分类与分割。由于实际图像带有许多的模糊信息,组成纹理的基元和基元之间的关系也具有很大的模糊性,文中根据模糊信息原理,分析了纹理图像的模糊特性,给出了一种基于模糊贴近度的纹理分割方法。实验结果表明,与常规的距离方法相比,用文中的方法进行图像纹理分割能取得更好的效果。     

基于分数阶全变分和低秩正则化的彩色图像去模糊方法

针对现有的彩色图像去模糊过程中存在色彩失衡、阶梯效应和伪影等现象,提出了一种基于分数阶全变分和低秩正则的图像去模糊优化方法。首先,将传统的RGB彩色图像转换到YCbCr颜色空间,利用其亮度通道特征解决色彩失衡问题;其次,利用分数阶全变分的特征消除图像恢复任务中出现的阶梯效应,并且引入加权核范数低秩正则进一步抑制伪影及噪声;最后,利用交替方向乘子法设计出高效的求解方法,通过迭代优化得到纯净图像的最优估计。对彩色图像测试的实验结果表明,所提出的方法对图像去模糊任务取得较好的视觉恢复效果,客观评价指标良好。