首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 406 毫秒
1.
基于改进FCM算法的彩色图像破损区域提取   总被引:1,自引:0,他引:1  
现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。  相似文献   

2.
与普通彩色图像相比,遥感图像一般具有模糊、不均匀性等特点.提出了一种针对遥感图像的多区域彩色图像分割方法,该方法首先对彩色遥感图像进行预处理,然后结合K-mean聚类算法和区域生长算法分割目标区域,并利用数学形态学方法对分割结果进行后处理.实验结果表明,本文所提出的方法对彩色遥感图像能获得较好的分割效果.  相似文献   

3.
为准确获得目标图像,提出一种自动权值的马尔科夫彩色图像纹理分割方法。在HSV颜色空间中以颜色直方图作为颜色特征.设计Gabor滤波器提取图像纹理特征,对马尔科夫算法进行研究.设计自动权值算法。实验证明.该方法能有效降低算法复杂度,减少了分割过程中人为设置参数的主观性.较好地屏蔽图像噪声影响,可以很好地提取出目标图像。  相似文献   

4.
图像分割是图像分析与理解的关键环节之一.提出了一种基于TWSVM超像素分类的彩色图像分割算法.首先,利用熵率超像素生成算法,将原始彩色图像划分成超像素区域;其次,结合直方图与双树复小波变换理论,提取出超像素的颜色特征和纹理特征;然后,采纳最大类间方差阈值法确定出TWSVM训练样本;最后,利用训练好的TWSVM模型对超像素进行分类处理,以获得最终分割结果.实验结果表明,本文算法可以获得较好的彩色图像分割效果.  相似文献   

5.
基于颜色信息与区域生长的图像分割新算法   总被引:1,自引:0,他引:1  
提出了一种新的结合了颜色特征与区域生长的彩色图像分割算法B-JSEG.该算法是在彩色图像分割的JSEG算法和边缘检测中的方向算子的基础上实现的.根据已有算法的缺陷,利用新的参数描述纹理颜色信息,并通过区域增长和合并来获得最后的分割结果.由于在JSEG算法中加入了方向算子,同时考虑了区域的相似性和边界的非连续性,减少了过分割.大量图像的实验结果表明,所提出的算法具有很好的鲁棒性,比JSEG算法更符合人类的视觉感知.  相似文献   

6.
针对细胞图像分割中红细胞目标提取和重叠红细胞分割两个难点,提出一种基于支持向量机(SVM)的红细胞彩色图像分割算法,并通过实验对算法进行验证.该算法利用SVM对原始图像进行红细胞提取,把原始细胞分割成红细胞和背景两类目标区域,然后使用改进距离标记的分水岭算法对红细胞区域进行重叠分割.算法选择线性不可分的SVM模型和核函数RBF(C=1,ξi=0.2)时能够较好的分割红细胞彩色图像.  相似文献   

7.
介绍了一种融合边缘检测和区域生长的彩色图像分割方法。算法首先对图像进行边缘检测,然后计算像素之间在HSI彩色空间的颜色相似度,利用像素间相似度并结合边缘信息确定区域生长的种子,再基于颜色和空间信息对各个种子进行区域生长,最后进行区域合并。该算法能够实现种子的自动选取,这在传统方法中是很难实现的,此外,还能有效防止过分割。实验结果表明该算法有效。  相似文献   

8.
提出了一种微粒群优化和区域生长相结合的彩色图像分割算法,以彩色图像直方图中自适应搜索到的峰值作为像素种子。由于搜索像素种子点是按密度进行,计算量小,大幅度提高了算法的计算速度,同时克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性。实验表明:该方法提高了图像分割速度,并可以准确地分割出目标,是一种有效的图像分割方法。  相似文献   

9.
边缘流分割算法可利用图像的多种特征进行准确的图像分割,但传统的边缘流分割算法运算复杂度高,容易造成过分割.针对这些问题,作者对边缘流算法进行改进,并提出一种基于边缘流和区域合并的图像分割方法.该方法首先对原始彩色图像进行改进的边缘流分割;再通过曲线演化和边缘连接得到封闭的边缘;最后根据区域颜色相似度对初分割的图像进行区域合并,得到最终的分割结果.实验表明,该方法提高了分割效率,解决了过分割问题,将该方法应用于岩屑颗粒图像分割取得了较好效果.  相似文献   

10.
超复数变换域的视感知内容数字水印算法   总被引:1,自引:0,他引:1  
针对彩色图像内容保护问题,提出一种具有视觉感知属性的超复数频域图像水印嵌入算法.该算法首先用傅氏谱残差方法,在HSI颜色空间提取多分辨率彩色载体图像的归一化显著性区域,再对版权水印混沌置乱加密后,将其嵌入至显著性区域所在的超复数颜色矢量中频段系数中,最终实现对彩色图像显著性内容的盲水印保护.实验表明,该方法能够有效抵抗...  相似文献   

11.
杨计龙 《科学技术与工程》2011,18(18):4237-4239
针对分水岭算法对在图像分割中容易产生过分割,提出了一种基于分水岭变换和模糊C均值(FCM)聚类算法的彩色图像分割算法。该算法先对图像进行分水岭分割,再对分水岭产生的过分割进行聚类合并。在合并过程中采用区间差异度和区域面积来确定模糊C均值聚类个数。该算法的优点是解决了分水岭变换算法的过分割问题的同时解决了模糊C均值聚类算法的初始值以及聚类中心难以确定的问题。实验结果表明,该算法可以准确地分割出目标并应用到自动分割系统中。  相似文献   

12.
为提高算法的普适能力,提出了一种新的基于特征散度的模糊彩色图像分割算法(FDCIS).算法引入了特征散度和模糊相异性函数来度量差异性,利用特征散度进行数据聚类,实现图像的区域融合.实验证明,算法较好地降低了彩色图像大样本数据的运算量,简单而有效地解决了过度分割现象,避免了聚类算法对初始条件的依赖性,与人的主观视觉感知具有良好的一致性.  相似文献   

13.
讨论室内彩色图像的区域增长法分割技术.直接使用彩色图像作分割,效果并不理想.可以利用室内图像中非金属目标界面反射较弱的特点,简化反射模型,使用规一化彩色,然后再作区域增长,这样分割的效果令人满意.实验结果表明了这一点.  相似文献   

14.
基于模糊逻辑的彩色图像分割   总被引:1,自引:0,他引:1  
模糊图像分割主要是针对灰度图像,文中提出了基于模糊逻辑的彩色图像分割算法,并同时包含了色调的平均处理。定义了模糊规则、隶属度函数。和概率C均值、模糊C均值等其它算法的定性和定量对比实验,验证了本方案对RGB和HSV模型彩色图像的分割效果更好。  相似文献   

15.
提出了一种基于HIS空间的优化初始中心的模糊c-均值的彩色图像分割方法.首先将彩色图片由RGB转换为HIS,并将H和1分开处理,通过计算样本的权重,选取有代表性的样本作为初始聚类中心,给出优化初始聚类中心的FCM算法,将该算法应用于H和I通道,得出新的基于颜色空间的FCM算法.该算法可以得到较稳定的结果,并且提高了聚类的准确率.  相似文献   

16.
匡胜徽  胡逢法 《江西科学》2010,28(6):748-751
针对分水岭变换算法在图像分割中容易产生过分割的问题,提出了一种基于分水岭变换和模糊C均值聚类算法相结合的彩色图像分割算法。该算法的优点是解决了分水岭变换算法的过分割问题,而且同时解决了模糊C均值聚类算法初始值难以确定的问题。实验结果表明,改进后的算法可以快速准确地分割出目标,因而能够很好地应用于自动分割系统中。  相似文献   

17.
提出一种从颜色空间进行稻曲病图像的稻曲球分割算法,通过研究稻曲病图像颜色空间的各颜色分量对应坐标值的比值,分析颜色分量的色差模型,找到稻曲球、稻穗和叶片之间颜色信息的不同分布区域,采用动态阈值法有效分割稻曲球。图像分割实验结果表明所提算法的有效性,为后续进一步研究稻曲病的图像特征提取与图像识别等提供研究基础。  相似文献   

18.
一个用于彩色肺癌细胞图像的分割算法   总被引:1,自引:1,他引:1  
彩色图像的分割是图像处理中的一个难题。该文对HE(Hematoxylin and Eosin)染色的彩色肺癌细胞图像的分割问题进行了研究。在大量实验的基础上,提出了如何利用有效的彩色特征进行分割的算法。该算法首先利用有关的彩色特征将细胞从背景中准确地分割出来;在此基础上,再将细胞分离为细胞核及细胞浆2部分,以便进一步的分析处理。该算法简单准确,完全可以满足实用需要。  相似文献   

19.
示温漆色彩量化及其图像分割算法研究   总被引:1,自引:0,他引:1  
提出了一种基于颜色聚类和区域特征相结合的示温漆图像分割算法。利用PGF滤波算法进行图像的噪声滤波,通过聚类算法在HSV颜色空间对示温漆图像进行色彩量化,最后利用区域增长和合并方法达到分割目的。实验结果表明,与其它针对自然真彩图像分割的算法相比,本算法的计算复杂度相对较小,对示温漆图像分割的效果良好。  相似文献   

20.
基于颜色特征的彩色图像分割方法及其应用   总被引:8,自引:1,他引:7  
研究彩色图像按照颜色特征进行分割的问题,应用颜色整合技术和二叉树分割技术,较好的兼顾了原图像的总体风貌和设计者希望保留的一些颜色信息,该算法可应用于电脑绣花中对图像进行自动打版处理,对一般的色彩量化问题和点阵图形转换成矢量图像的图像处理也具有重要意义。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号