一种复杂背景下的手部图像分割方法

提出了一种复杂背景下的手部图像分割方法。首先,在YUV颜色空间建立了YUV肤色模型,再利用摄像机对背景持续观测一段时间,建立背景的统计模型,然后将两种模型结合,对当前手图像进行分割,最后对分割后的图像进行形态学滤波、空洞填充与中值滤波等处理得到最终分割的手势。实验结果表明,此种方法算法简单,分割效果好,非常适用于复杂背景的手势分割与识别。     

基于HSI和LAB颜色空间的彩色图像分割

彩色图像分割一直是彩色图像处理与分析中最为困难的不可缺少的步骤,针对图像分割质量直接在很大程度上影响了图像后期分析的效果,提出了一种基于HSI和LAB颜色空间的彩色图像分割方法.该方法在HSI颜色空间用最优阈值方法进行阈值分割,在LAB颜色空间采用基于K均值聚类图像分割,然后将两次分割结果进行区域合并,最后进行加窗滤波...     

一种基于模糊C均值聚类的图像区域分割方法

提出一种基于模糊C均值聚类的彩色图像区域分割方法。该方法首先选用适当的彩色空间对图像中的每个像素抽取颜色、纹理及空间位置等综合特征;然后,利用模糊C均值聚类方法进行聚类,利用提出的确定最佳聚类簇数的方法,确定聚类簇数、中心等参数;根据每个像素的隶属函度,将像素初步划归不同的组,利用连接原理对图像区域进一步分割,并提供了图像描述特征。实验结果表明,该方法分割效果很好。     

示温漆色彩量化及其图像分割算法研究

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。     

失真代价动态更新条件下的彩色图像隐写分割技术

针对以LSB嵌入法为代表的空间域分割技术由灰度图像分割扩展至彩色图像分割存在分割效果差的问题,提出了失真代价动态更新条件下的彩色图像隐写分割技术.通过R红、G绿、B蓝三色元素构建三维立体颜色空间,在该空间内,依据视觉一致性距离,调整像素点聚类中心,进行颜色聚类处理.在应用失真代价动态更新方案下,采用自适应隐写算法进行图像安全隐写,抵抗外界干扰,减少噪点,保证隐藏信息具有不可见性.按照主、次色调进行排序,以子图像块中水平方向和垂直方向两个纹理为主要参数,进行颜色、纹理特征提取.确定图像特征后,依据子图像块区域生长方式,采用基于视觉特征图像分割方法对不同子图像块进行分割.通过实验对比结果可知,该技术最高分割效果可达到90%,具有实际应用价值.     

一种不同色域空间下的无监督图像分割技术

针对图像分割有监督学习模型训练时间长、需要大量训练样本才能确保模型精度要求且样本标记费时费力的问题,提出了在不同色域空间下基于神经网络的无监督图像分割方法。首先将图像进行不同颜色空间模型转化,得到不同色域空间下图像的颜色表示;其次利用felz和quickshift方法,对转换后的图像进行粗粒度聚类,形成超像素结果,并对每个像素打上相应的标签;最后利用神经网络细粒度的图像特征分辨能力进行微调,得到最终的图像分割结果。该方法在公开的COD10K等数据集上选取了数据集进行验证,实验表明,文中方法能够对图像进行合理分割,且与有监督长时间训练过程相比,无监督的推理耗时大大缩短,速度显著提高。     

基于K-均值聚类算法的中药叶片显微图像分割

本文试图利用图像分割技术,实现叶片自动分类。为了充分利用像素的色彩,分割算法在RGB颜色空间进行。颜色空间数据量巨大,直接进行聚类效率太低,因此,本文运用一种特殊的存储结构存储颜色空间数据,按颜色的密度特征对图像中的颜色进行排序和聚类,并根据待聚类色彩与已有聚类中心距离是否小于类内最大距离来决定归入已有的类或形成一个新的类。实验结果表明算法具有较好的分类效果。     

基于YCbCr颜色空间手势分割

手势作为一种非常重要的信息交互载体,包含着大量符合人类认知习惯的交互信息,针对光照变化、外界干扰等复杂背景环境对手势分割的影响,提出了一种基于YCbCr颜色空间的肤色检测方法进行手势分割.根据人体肤色在YCbCr颜色空间中的聚类效果,采用基于椭圆模型的肤色检测方法,首先对复杂背景环境下的类肤色区域进行分割,同时针对分割图像中可能存在非手势区域的问题,采用最大类间方法获取分割阈值,去除图像中非手势区域,获取较高质量的手势二值图像.实验结果表明,针对复杂的背景环境,该算法具有较强的鲁棒性,能实现较为高效的手势分割.     

图像校正中颜色模型的选取方法

在全景图像的拼接中，各子图间颜色不匹配会严重影响全景图像的效果，甚至会产生错误的拼接。选取一种基于统计学的图像颜色校正方法，然后对各种不同失真情况的图像分别在RGB、YUV、HSV几个颜色模型中进行图像颜色校正，并对比所得的实验结果；讨论了针对不同的失真情况，如何选取合适的颜色模型，使图像校正取得更好的效果。结果表明选取合适的颜色空间校正图像，可以显著地提高所生成全景图像的质量。     

基于FCM的彩色多目标图像分割

针对传统的图像处理方法对彩色多目标图像分割时会出现分割精度低、目标定位不准等现象,文章采用基于模糊理论的模糊C均值聚类(FCM)方法实现图像处理.通过将图像从三颜色分量具有高度线性相关性的非均匀RGB颜色空间转到均匀且色域宽阔的Lab空间,并选取合适参数进行聚类实现分割.实验显示,对比其他颜色空间,文章方法能够较为准确地实现彩色多目标图像的分割,有效提高分割的精度,减少欠分割与过分割现象,更好地保留图像信息.     

基于FCM和标记分水岭的粘连岩石颗粒图像分割

模糊C均值算法可利用图像的多种特征值进行准确的图像分割,但不能分割粘连物体;传统的分水岭分割算法能够获得准确的物体边缘轮廓,但容易造成过分割.为了解决这个问题,提出基于FCM和标记分水岭的粘连图像分割.该方法首先对原始彩色图像中值滤波后进行基于LUV颜色空间的FCM聚类;对聚类后的图像用形态学方法去杂质、空洞填充后进行距离变换;然后根据距离变换图像找出局部最大值,得到种子图像;最后对距离变换图像进行基于标记的分水岭分割,得到最终的分割图像.该方法对粘连岩石颗粒图像进行分割,取得了较好的实验效果.     

Lab空间的改进k-means算法彩色图像分割

为减弱经典k-means 算法中ＲGB( Ｒed Green Blue) 空间各个颜色分量高度线性相关以及欧氏距离的尺度相关性对图像分割结果产生的影响,并克服ＲGB 空间色彩分布不匀的缺陷,提出了一种基于Lab 颜色空间的改进k-means 聚类彩色图像分割方法。首先,将颜色空间从ＲGB 转换为Lab 空间,每个像素点都可以由L、a、b 3 分量组合进行表示。其次,用马氏距离替换欧氏距离进行改进,应用改进后的k-means 算法对图像像素点进行聚类,从而实现分割目的。通过实验证明该改进算法比经典k-means 算法具有更好的分割效果和准确度。     

复杂背景下基于YCbCr颜色空间和Mini-Batch聚类的肤色检测

针对复杂背景下的人体彩色图像,提出了一种基于YCbCr颜色空间和Mini-Batch聚类的肤色检测算法.算法首先将目标图像转换到YCbCr颜色空间,并在Cb和Cr分量上进行统计建模,得出肤色阈值的高斯分布模型;然后采用Mini-Batch聚类算法在Cb和Cr分量上对肤色进行聚类分割,并对分割出的肤色区域进行面积过滤和区域归并,最终获得完整的肤色区域.仿真结果表明,相比传统算法,该算法对光照变化具有很好的鲁棒性,在背景复杂的人体图像中,能够得到较为完整、准确的肤色区域;同时该算法对大尺寸的图像具有较高处理效率.     

基于彩色图像的移动机器人视觉导航系统

基于移动机器人视觉处理的实践 ,提出了基于颜色模型的图像分割方法 .运用快速聚类的方法处理分割图像并进行目标定位 ,通过实验检验图像分割和目标定位的精度 ,给出了目标定位计算公式 ,对误差的产生进行了分析 .     

低对比度全景球面图像目标分割方法研究

受到光照、设备等外界条件的影响,得到的全景球面图像对比度通常较低,当前目标分割方法无法解决外界环境的干扰问题,导致分割结果精度低,分割效果不佳。为此,提出一种新的低对比度全景球面图像目标分割方法,通过PCNN模型对低对比度全景球面图像进行对比度增强处理,依据人眼视觉特征,通过对数变换映射函数把全景球面图像的亮度调整至一个合适的视觉范围内。介绍了均值偏移法的理论基础,通过对特征空间中样本点的聚类,获取模式点。通过均值偏移法将空间上相邻和色彩相同的像素划分至一类,找到不同颜色的聚类点,从而实现低对比度全景球面图像目标分割。实验结果表明,采用所提方法对低对比度全景球面图像进行分割,不仅分割效果好,而且分割精度高。     

低对比度全景球面图像目标分割方法

受到光照、设备等外界条件的影响,得到的全景球面图像对比度通常较低。当前目标分割方法无法解决外界环境的干扰问题,导致分割结果精度低,分割效果不佳。为此,提出一种新的低对比度全景球面图像目标分割方法,通过PCNN模型对低对比度全景球面图像进行对比度增强处理,依据人眼视觉特征,通过对数变换映射函数把全景球面图像的亮度调整至一个合适的视觉范围内。介绍了均值偏移法的理论基础,通过对特征空间中样本点的聚类,获取模式点。通过均值偏移法将空间上相邻和色彩相同的像素划分至一类,找到不同颜色的聚类点,从而实现低对比度全景球面图像目标分割。实验结果表明,采用所提方法对低对比度全景球面图像进行分割,不仅分割效果好,而且分割精度高。     

基于YUV色彩空间线性变换的图像预处理方法

针对机器人视觉领域对图像进行颜色分割时存在阈值难以选取的问题,以及RoboCup四腿机器人足球赛这一特定环境,通过采集大量图像进行统计分析,指出了其YUV色彩空间利用率低的问题.为此,提出了一种对U和V通道进行线性扩展的图像预处理办法.该方法使信息颜色能在整个YUV色彩空间中得到扩展,进而强化了不同色彩之间的界限.因此能一定程度上降低颜色分类时阈值选取的难度.同时引入的色彩校正表方法,使得机器人实时运算的开销大大降低.     

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.     

基于Hopfield神经网络的唐卡图像损伤区域的提取

反映藏族文化艺术特色的古唐卡由于自然和人为的原因有些遭受了不同程度的损伤。针对唐卡画面颜色脱落的一类特殊损伤形式，通过对Hopfield神经网络稳定性的分析，在HSI色彩空间研究Hopfield网络模型，并利用其记忆特性对古唐卡图像进行颜色聚类分割。实验结果表明这种方法可以有效地提取图像中的损伤区域。     

基于HLC颜色空间的彩色淋巴瘤病理图像自动分割

针对彩色淋巴瘤病理图像的特征,提出基于HLC颜色空间的自动分割方法．该方法首先进行颜色空间转换,将原始图像的RGB颜色空间转换到(Munsell)HLC颜色空间,然后根据NBS距离进行边缘跟踪,根据跟踪结果将图像划分成各个独立区域,最后再利用聚类方法对这些区域进行分类。