基于视觉显著性和活动轮廓的图像分割

提出一种视觉显著性和传统的C-V模型相结合的图像分割方法,该方法首先提取图像的显著图,然后使用改进的自适应阈值法将显著图进行二值分割并提取边缘,并以此边缘作为C-V模型演化的初始轮廓.这样对于具有复杂背景的图像C-V模型可以从靠近目标物体的位置开始演化,从而得到较为准确的边缘,同时,也可以减少C-V模型的迭代次数.     

一种视觉显著性引导的模糊聚类图像分割方法

传统的模糊C均值聚类算法利用图像的灰度、颜色、纹理、强度等底层特征进行聚类,实现图像的分割,它容易受到噪声的影响,且计算量大,不能提供理想的彩色图像分割结果。针对这些问题,提出一种视觉显著性引导的模糊聚类图像分割方法。首先使用显著性检测对图像进行初始化分割,得到带有区域级标注信息的引导图,然后将引导图作为指导信息,引导模糊聚类算法对图像进行细分割。在公共数据集上的实验结果表明,本文方法与其他改进的FCM算法和深度网络分割模型相比,可以取得较好的分割效果,有效减少了分割时间。     

基于分水岭变换的彩色图像分割

为了克服传统分水岭算法固有的过度分割问题 ,采用了标记 分水岭变换 ,提出了一种新的标记提取方法 .通过计算图像中每个小区域 (5× 5 )的均匀性而得到一幅与原图同样大小的表征原图区域均匀性的均匀性图 ,取均匀性图中的低谷作为标记对均匀性图进行分水岭变换就得到最终的分割结果     

现代彩色图像分割技术综述

图像分割是进行图像理解与分析的基础,是图像工程技术中的一个重要问题,也是图像处理的经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。文章将彩色图像的分割技术分为三大类,并分别加以系统概括,分析了各种方法的优缺点。     

基于模糊逻辑的彩色图像分割

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。     

基于模糊主色调的彩色图像分割及道路检测

该文提出了一种新的基于模糊主色调的彩色图像分割方法。其主要内容是利用各类模糊主色调在各属性类中所占比例的不同构造一动态色彩查找表,并由像元的色彩值求得所对应的模糊主色调值,再由该值查色彩表确定其所属的类别。该方法合理地避免了有监督模式分类法所固有的缺点,以及无监督模式分类法对同一类中色彩的一致性要求。试验表明该方法速度快,效率高,并且对噪声不敏感。     

基于邻域特征的彩色图像分割方法

为提高算法的普遍适用能力,提出了基于邻域特征的彩色图像分割算法.算法构造了邻域特征向量,利用模糊相异性函数来度量差异性,进行数据聚类,实现图像的区域分割.实验证明,算法较好地避免了聚类算法对初始条件的依赖性,有效地解决了过度分割现象,降低了图像数据的运算量,与人的主观视觉感知具有良好的一致性.     

基于彩色图像分割和平面投影变换的机器人障碍检测

提出了一种应用到机器人障碍检测中的新方法,该方法综合了自适应性的颜色区域分割和基于双日立体视觉的平面投影交换两种算法．此方法不但避免了图像匹配和生成全景深度图,且算法简单,可靠性强．尤其适应地面相对平坦、地面颜色大体一致的室内或高速公路等环境．最后给出了将此方法应用到移动机器人上的结果。     

基于视觉显著性特征的自适应目标跟踪

为解决运动目标跟踪过程中候选目标信息描述单一的问题, 提出一种基于视觉显著性特征融合的自适应目标跟踪算法。提取目标颜色、颜色的变化、强度和运动信息构建目标四元数模型, 采用相位谱重建算法检测目标的显著图(Saliency Map), 并根据特征相似度大小自适应调整权值, 融合视觉显著性特征和颜色特征实现目标跟踪。实验结果表明, 该算法能有效克服部分遮挡和背景融合干扰, 从而实现复杂背景下目标的准确跟踪。     

彩色图像分割方法综述

图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。对各种彩色图像分割方法进行了系统论述,分析了各种方法的优缺点。     

基于颜色相似系数的彩色图像分割方法

基于两种像素之间颜色相似系数的计算,根据设定的阈值来判断两种颜色是否具有相似性·计算在RGB颜色空间进行,省去了其他分割方法中的颜色空间转换过程·为提高图像分割过程的效率,采用了改进的区域生长法实现整个彩色图像的分割·实验结果表明,本方法可对彩色图像进行有效的分割,符合人类视觉感知特性,适合于不同的应用目的·     

基于显著图的遥感图像多分辨区域生长分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,本文提出一种基于显著图的遥感图像多分辨区域生长分割方法.该方法利用亮度、颜色、方向三个特征金字塔生成显著图,通过视觉选择注意模型自动选择注意区域作为种子区域.从能分辨种子区域的最大尺度开始区域生长,直到0尺度,从而分割出对遥感图像中感兴趣的区域.实验结果表明该方法能有效地从遥感图像中分割出视觉注意的区域,且有较快的速度.     

一种室内彩色图像的分割方法

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．     

基于局部结构和视觉显著特征的红外和可见光图像泊松重构融合算法

研究了一种基于泊松重构的红外和可见光图像融合算法,算法在梯度域内实现图像信息的融合,可有效避免传统空域和变换域方法在融合图像中由于局部亮度不一致而产生伪边缘。另外,提出的算法在源图像梯度融合时,同时考虑了图像的局部结构显著和视觉显著特征,能够在保留源图像更多细节的同时突出输入图像的视觉显著目标信息。通过与其他最新融合算法的对比实验结果显示本文算法获得的融合图像既有突出的红外目标,又有清晰的可见光背景细节,并且不会产生伪影和噪声,同时客观评价指标也有显著的优势。     

一种基于视觉感知的复合医学图像分割算法

为提高医学图像分割的视觉效果,依据人类视觉感知的分层特性,提出了一种新的复合医学图像分割方法.该方法通过提取医学图像的底层特征,利用Fuzzy-ART神经网络作为像素的分类器,对医学图像进行连续两次分割.实验结果表明,该医学图像分割方法能有效地解决局部信息与整体分布边缘淡化等相关问题,达到良好的分割视觉效果.     

彩色图像分割技术综述

介绍了彩色图像分割的定义,分析了彩色空间的分类及各类的特点,详细综述了彩色图像的分割技术。     

彩色图像的球形粒计算分割算法

针对基于聚类的彩色图像分割算法速度较慢,提出了彩色图像的球形粒计算分割算法.将彩色图像每个像素点表示为以该点RGB像素值为中心0为半径的球形粒,设计球形粒之间的合并算子,利用粒度阈值对两球形粒进行有条件合并,得到不同粒度的球形粒组成的球形粒集,以球形粒中心对应的RGB值代替球形粒包含像素点的RGB值.实验结果表明:与K-means算法和FCM算法相比,球形粒计算分割算法是稳定的而且分别加快了6倍和34倍.     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

一种基于视觉熵的图像分割压缩方法

基于视觉熵概念提出了一种静止图像分割压缩方法．通过对人类视觉系统特性的归纳,总结了基于视觉熵的图像分割原理,提出了用于量化图像特征的数学定义和基于视觉嫡的分割算法．实验结果表明,这种基于视觉熵的图像分割压缩算法既提高了压缩比,又能保证压缩后的重建图像整体上具有高的主观视觉感知质量．