基于特征散度的模糊彩色图像分割算法

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.     

一种改进的彩色图像分割方法

介绍了一种融合多尺度形态学、蚁群聚类、模糊C-均值(FCM)聚类的新的彩色图像分割方法.该算法首先利用多尺度形态学提取图像边缘,再利用蚁群聚类算法的全局搜索性和鲁棒性的优点并结合边缘信息,确定聚类中心和聚类个数,将其作为FCM聚类的初始聚类中心和聚类个数,克服了FCM算法自身并不能确定聚类中心需要人为设定的缺陷.实验结果表明,该算法可以准确地分割出目标,是一种有效的图像分割方法.     

一种改进的彩色图像分割方法

介绍了一种融合多尺度形态学、蚁群聚类、模糊C-均值(FCM)聚类的新的彩色图像分割方法。该算法首先利用多尺度形态学提取图像边缘,再利用蚁群聚类算法的全局搜索性和鲁棒性的优点并结合边缘信息,确定聚类中心和聚类个数,将其作为FCM聚类的初始聚类中心和聚类个数,克服了FCM算法自身并不能确定聚类中心需要人为设定的缺陷。实验结果表明,该算法可以准确地分割出目标,是一种有效的图像分割方法。     

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。     

一种基于分水岭变换和模糊C均值聚类的彩色图像分割算法

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。     

基于颜色特征的彩色图像分割方法及其应用

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。     

基于视觉显著性的彩色图像分割

为了提高图像显著性检测的准确性,从数学模型上探索显著性的多特征空间.利用多尺度特征提取算法获得低层视觉特征,对特征矩阵用低秩矩阵恢复理论提取显著图,并在自底向上模型基础上融合了高层视觉特征,由高层视觉特征构成一幅权重的显著图.提高了显著度和显著目标的检测性能.通过自适应阈值算法对视觉显著目标进行分割.实验结果表明,该模型比传统的模型提取的显著目标更完整、更准确.     

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。     

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。     

基于颜色特征的胸环靶图分割算法

胸环靶图的识别是自动报靶系统的重要研究内容之一。在分析胸环靶颜色特征的基础上,提出了一种基于颜色特征的胸环靶分割方法。首先从RGB颜色模型颜色空间分析了靶环绿色恒量的存在性;并基于绿色恒量特征初提取胸环靶图像。然后在HSI颜色空间中基于色调和饱和度分量进一步提取靶环图像。最后对二值化后的图像作投影变换,确定胸环靶在图中的位置。该算法其他的胸环靶分割算法,避免了阈值选择不当的问题;并且能够有效克服光线、背景变化和天气条件的影响,具有很好的鲁棒性和自适应性,定位精度高。     

基于水平集的彩色图像分割方法

实现了一种新的彩色图像融合分割方法。首先,通过对彩色图像进行YCbCr变换,提取其颜色特征。进一步,对亮度图像进行Gabor变换,提取其纹理特征。同时,为了消除特征向量的冗余,引入PCA变换对高维特征向量进行压缩。然后,采取向量C-V模型对提取的特征向量进行分割。最后,对分割图像进一步后处理,消除小的区域。真实彩色图像实验结果证明了方法的有效性。     

基于相对色彩因子的树木图像分割算法

图像分割是利用实时视觉传感技术指导农药精确对靶施用进行林木化学防治的难点。笔提出了基于相对色彩因子的树木图像分割算法。与传统方法相比，新图像分割算法在不影响分割效果的同时大大提高了图像分割的实时性，在“精确林业”中将有很好的应用前景。     

基于颜色分割和HOG学习机制的人脸检测

人脸检测在信息安全和处理等应用领域起到很重要的作用.提出了一种鲁棒的人脸检测算法.该算法结合了基于颜色分割的粗定位过程和基于Histogram of Oriented Gradient(HOG)特征的人脸精确定位过程.粗定位利用人脸的颜色特征,采用基于YCbCr空间的颜色分割方法,获得图像中有可能包含人脸的图像子区域;精确定位则采用HOG特征,并利用SVM进行分类,得到人脸的准确位置.实验证明我们的方法对不同亮度、各种年龄及性别、表情变化及部分遮挡的人脸都具有很强的鲁棒性.     

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·     

基于颜色和形状的图像检索

提出一种基于颜色和形状特征的图像检索方法,该法采用改进的颜色直方图表示图像的颜色特征,利用小波矩提取图像的形状特征和颜色特片,与候选图像的特征进行相似度计算.为进一步提高图像检索的质量,提出一种基于支持向量机的相关反馈方法.实验结果表明,该方法具有较好的检索性能.     

基于区域特征的胃炎病理图像二值化分割方法

二值化图像侵害方法因方法简单、易于实现而得到广泛应用,文章提出了一种基于区域特征的二值化图像分割方法。实验表明,该方法针对胃炎病理图像能得到较好的效果。     

基于图割的图像抠像与合成算法

提出了基于图割图象的抠像与合成算法。该算法改进了GrabCut算法的能量公式,对分割后的图像进行多次修正,提高了抠像的精确度;采用多值键代替传统二值键进行图象合成,即在合成时依据灰度级在待合成图象的不同位置改变混合比,将前景图象与背景图象有机的融合在一起。实验表明了算法的有效性。     

基于肤色分割的彩色图像的人脸检测

提出了一种基于肤色分割与统计特征分析并结合模板匹配的检测人脸方法，该方法能在复杂的背景下很好的检测出人脸。首先利用颜色信息对彩色图像分割成皮肤区域与非皮肤区域，然后对皮肤区域作尺寸大小、方差大小、旋转角度等处理后，再进行模板匹配。