属性论方法在图像分割中的应用研究

提出一种基于属性论的图像分割方法,首先将彩色图像转换到HSI颜色空间,然后根据定性映射原理建立HSI颜色空间的智能融合模型,通过像素点间的不同颜色分量的特征匹配实现对图像的分割,最后用MATLAB进行仿真实验,实验结果表明,所提出的定性映射颜色分割算法快速、有效、可靠.     

基于机器视觉的除草机器人杂草识别

根据杂草颜色特征,提出了新的图像分割算法,在RGB空间直接将杂草从土壤背帚中分割出来。首先顺序搜索图像中每一个像素点,如果当前像素RGB值中G〉R且G〉嚣,则将该像素值置1（杂草）,否则为0（背景）,从而完成图像分割。然后采用8邻域消除孤立点,并确定杂草区域位置。利用VisualC＋＋开发了除草机器人杂草识别软件,设计了除草机器人结构模型。试验表明,该分割算法实时性好,可有效识别出杂草,并能够适应户外自然先变化。除草机器人机械臂能够准确定位,完成除草动作。     

基于粗糙集和MRF的彩色图像分割方法

提出了基于粗糙集和马尔科夫随机场(MRF)的彩色图像分割方法.将图像分割分为两个阶段:粗分割阶段和细分割阶段.基于粗糙集分割方法不仅仅考虑了每个像素点的颜色特征,也考虑了像素点邻域的颜色信息,这提高了粗分割的分割精度.在基于粗糙集分割的基础上,采用颜色特征和纹理特征,建立多特征的自适应可变权重马尔科夫随机场分割模型,再利用禁忌搜索算法逐步更新像素点标记,实现图像的最大后验概率估计.传统的MRF分割模型中需要人工设定图像分割数目以及随机给定初始分割,文中的算法,初始分割和初始类别数都将由粗分割获得.实验表明,文中算法可以有效地实现彩色图像分割.     

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...     

基于Unit-Linking PCNN和HSI空间的彩色图像分割方法

提出了一种基于Unit-Linking PCNN和HSI空间的彩色图像分割新方法.在RGB空间中,由于R,G,B分量之间有很高的相关性,直接利用这些分量不能得到所需的效果.在提出的算法中,彩色图像首先被转化到HSI颜色空间,图像分解成彩色通道(H和S分量)和亮度通道(I分量).对彩色通道采用基于Unit-Link-ing PCNN的分割算法进行分割,对亮度通道采用最大类间方差阈值算法进行分割,然后将分割后的结果用大概率合并的方法进行组合,得到最终分割结果.试验结果表明,这种方法具有很好的彩色图像分割效果.     

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。     

基于稀疏自编码的手指静脉图像分割

针对获取的手指静脉图像不仅包含静脉特征,而且包含噪声和不规则阴影,从而增加了特征提取难度的问题,提出了一种基于稀疏自编码的手指静脉图像分割算法;首先采用传统分割算法对原始灰度图像进行分割,得到一副二值图像(背景像素值为0,静脉像素值为1);然后,以该灰度图像的每个像素点为中心,对其进行图像分块,并将二值图像中对应于中心点的值(0或者1)作为该块的标签,建立训练集合;最后,将训练样本(分块图像和标签)输入到自编码器和神经网络中进行训练,再用训练好的模型对测试图像进行分割;实验结果表明,相比传统的算法,提出的手指静脉分割算法能够有效地对静脉进行分割,提高手指静脉认证系统的认证精度。     

适用于已给定颜色处理的彩色矢量最小距离误差扩散算法

提出了一种彩色矢量最小距离误差扩散算法.较常规误差扩散算法而言,可更好地处理编织过程中将彩色图像分解成由已给定颜色组成的离散图像的问题.该算法将每个像素点的RGB值作为一个矢量,采用矢量误差扩散系数矩阵计算像素点的误差和矢量,分别计算像素点原RGB矢量值与误差和矢量的和值与每个已给定颜色矢量的矢量距离,选矢量距离最小的已给定颜色矢量作为输出.仿真结果表明,采用该算法可将连续色调彩色图像转换到已给定的颜色色系,处理结果有较好的视觉效果并满足编织要求.     

自动阈值法在生长环境茄子图像分割中的应用

在果蔬采摘机器人系统中,果实目标的智能化识别和定位问题一直是没有解决的问题。为此,研究生长环境中茄子图像的分割算法问题。通过对生长环境中茄子果实与周围环境颜色特征的试验与统计,得出了EXG颜色因子对于茄子果实分割最为有利的结论。采用自动阈值法对EXG灰度图像进行了分割。选择图像灰度的均值作为初始阈值的估算值,然后连续不断的进行迭代,直到取得满意的结果。试验表明,分割效率分别大于81%,平均用时为0.116s,能够满足果蔬采摘机器人对视觉系统的要求。     

基于颜色特征的漂浮机器人三点定位系统

针对现有机器人全局相对定位方法的局限性,研究和提出了一种带有颜色特征的漂浮机器人定位算法.首先,在机器人表面标定3个红色标记点,利用CCD摄像机和图像采集卡采集全局视图,并将采集到的视图用HSI模型描述,从而增强颜色特征的鲁棒性,减少光照等外界因素的影响.然后,通过对HSI模型图像全局扫描、滤波和除噪,确定机器人表面3个标记点的位置,再根据三点定位法找出机器人在图像中具体的像素位置和像素姿态.最后,按照微分坐标转换法,根据已知的机器人像素位置和像素姿态数据,求得其在工作台上的实际位置和姿态,以达到精确定位的目的.与同类方法相比,该方法可以显著提高算法的效率和精度.