基于区域过划分和再融合的全幅视觉图像分割

研究对移动机器人采集的视觉图像进行全局精确分割问题. 针对全幅道路图像分割问题提出:首先利用区域生长算法对视觉图像在HSV颜色空间下进行基于颜色特征的全局过分割,再利用傅里叶变换提取周向谱纹理特征,根据空间位置的相邻性和周向谱的分布特性,对过分割的全幅视觉图像进行基于纹理特征的再融合. 实验结果表明,该算法能够准确实现全幅图像的分割,比单纯利用颜色或纹理特征进行全幅图像分割具有更高的精度和可靠性.     

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。     

基于机器视觉的颗粒识别计数

针对检测种子千粒重时种子图像在不同光照条件下的分割问题,研究了RGB空间以及HSV空间的颜色特征,并对其进行了分析对比,然后引入像素灰度级和邻域灰度级构成的二维直方图,提出了一种基于种子色调特征的自动分割算法。由于基于二维直方图的分割算法增加了各个像素点的邻域信息,从而增强了抗干扰能力,提高了分割的准确性,进而再结合极限腐蚀的方法实现对种子的计数。实验结果表明:采用本文的算法可对不同光照强度下的种子图像进行有效的分割及识别计数。     

基于HSV颜色空间与形态学的车辆目标分割算法

为了解决车辆目标边缘微弱且背景复杂而导致其难以准确分割的问题,提出了基于HSV颜色空间与形态学的车辆目标分割算法。首先,根据HSV空间内的色度、饱和度特征,构建颜色空间的改进模型,进行分量均衡化处理,达到图像增强的目的;然后根据颜色空间分量关系,对色度和饱和度进行线性运算,达到准确分割车辆,得到包含车辆在内的二值图像;最后,基于形态学颗粒分析,根据结构元素大小逼近目标大小的原则,实现目标特征提取,并完成车辆目标准确分割。验证算法分割结果。实验测试结果显示,与当前分割技术相比,本文算法拥有更高的准确率。     

基于K-means聚类的纺织品印花图像区域分割

对纺织品彩色印花图像进行颜色区域分割.将彩色纺织品印花图像转换到CIEL*a*b颜色空间,用K均值聚类分析算法对描述颜色的a*争b*通道进行聚类分析;通过提取各个颜色区域独立成为单色的新图像,对彩色纺织品印花图像进行分割处理.实验结果表明,在CIE L*a*b空间使用K-means聚类算法可以有效地分割彩色纺织品图像的颜色区域.     

中倍镜下弱目标分割算子耦合主动视觉的自动显微图像排查机制

针对中倍镜下微生物图像背景复杂,目标微弱,不易分割等难题,提出了弱目标分割算子;并引入主动视觉,设计了二者相融合的微生物自动显微图像排查机制。根据微生物的形态和颜色特征,建立样本相对标准,实现基于主动视觉的弱目标分割。该方案以样本相对标准为判断依据,建立在基于HSV颜色空间中H通道增强与线性变换;再结合自适应阈值分割与形态学图像处理技术,解决弱目标难分割的问题。实验结果表明,相对于传统方法,该方案应用在微生物显微排查上可以达到较好的效果,在工程上应用是可行的。     

自动权值的马尔科夫彩色图像纹理分割方法

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。     

基于彩色图像分割的路标检测算法研究

针对交通标志检测问题,首先比较了RGB,HSV,Lab颜色空间中进行颜色分割的优缺点,并提出了基于Lab颜色空间进行交通路标定位的方法,然后对HSV空间阈值分割、Lab空间阈值分割、Lab空间聚类分割的效果进行了分析与比较,证明了Lab空间阈值分割的效果较好,最后结合交通标志的颜色信息,采用Hough变换方法定位出圆形路标,采用最优拐角检测方法定位出三角形和矩形路标。实验结果证明,该方法能准确定位出交通标志。     

基于网格的三维彩色点云分割算法

提出了一种基于HSV颜色空间的区域增长算法,利用统计方法得到区域增长的种子点和各点对应的分割阈值,使用网格信息寻找种子点的邻近点集,并综合考虑点云在HSV颜色空间中H分量的相近程度划分点云区域.试验表明,所提出的算法分割较精确,不容易产生过分割的情况.     

基于自适应双阈值和主色率的足球视频镜头的分割

为了有效地实现对足球视频镜头边界检测,该文提出了一种基于自适应双阈值并结合主色率的镜头分割算法.该算法首先采用滑动窗口,基于颜色直方图的分布得到局部自适应的双闽值,然后在HSV颜色空间中提取当前帧图像的主色,并基于圆柱距离求出主色像素点,接着在此基础上获取该帧的主色率,最后用双阈值结合主色率对足球视频镜头分割.实验结果证明:该方法对足球视频能较好地实现突变和渐变检测,为基于语义的足球视频的检索奠定了很好的结构化基础.     

基于车牌颜色特征的定位方法研究

针对车牌自动识别中车牌定位问题,提出了一种基于颜色信息的车牌定位算法。该算法基于HSV颜色模型,对车牌图像进行颜色分割找出候选车牌区域,然后利用车牌自身的两种颜色特征剔除伪车牌,最终正确定位出车牌,实验证明该算法的正确性和可行性。     

基于HSV颜色空间的建筑工人定位方法研究

建筑工人的安全问题关乎企业利益和工人生命,虽然监控技术迅猛发展,但是建筑工地环境复杂,传统分割方法难以对建筑工地图像中的工人进行较好的分割与识别,该文针对这一问题提出了一种基于色相、饱和度、明度（Hue-Saturation-Value,HSV）颜色空间的建筑工人定位方法。首先,对要处理的图像进行了降噪,利用MATLAB软件的色彩分割工具箱对图像进行分割,获得安全帽区域的二值掩膜;其次,利用生态学处理,获得安全帽所在区域的连通域并进行定位;最后,依据安全帽与工人的比例关系和位置关系,实现了对建筑工人的定位。该文依靠HSV颜色空间实现了对安全帽和建筑工人的定位,解决了建筑工地背景复杂难以分割和定位的问题,对后续研究有一定的参考价值。     

数字仪表彩色图像分割方法

针对石英晶体振荡器在计量检定中对数字仪表高精度识别的要求,通过对多种图像分割技术的比较研究,提出一种在HSV颜色空间进行彩色图像分割的方法,首先将图像从RGB颜色空间转换到HSV颜色空间并进行色彩预处理,然后根据选定的参考颜色计算各像素色差,得到色差直方图,通过色差直方图确定色差阈值,最后通过色差阈值对彩色图像进行分割。该方法对一些老化的数码管比较有效,对面板存在部分反光的仪器有较好的拟制作用,在实际应用中取得了满意的彩色图像分割效果。     

基于K-means聚类算法的图像分割方法比较及改进

为了探讨K-means算法应用于图像分割时在不同颜色空间中的聚类效果,选用了不同分辨率的多对图像进行研究,分析了基于RGB和YUV颜色空间的分割结果,并提出一种新的混合模型,即在YUV聚类距离公式中引入图像的二维信息熵的差量,同时利用YUV颜色空间中的Y分量作为其灰度进行计算,实验结果表明,基于YUV颜色空间聚类的改进模型分割效果比单纯使用YUV颜色空间进行聚类更佳。     

基于改进Otsu算法的生菜叶片图像分割方法

针对传统的Otsu算法计算量大、实时性差等缺点,提出了一种新的PSO+Otsu(S)分割方法.将RGB颜色空间转换成HSV颜色空间,并提取S分量图像.针对基本粒子群优化算法提出一种新的惯性权重系数w更新策略,并利用改进的粒子群优化算法搜索最优阈值,将搜索到的最优阈值作为Otsu算法的分割阈值,并对S分量图像进行分割,最终得到生菜叶片分割图.结果表明:提出的生菜叶片图像分割方法不但适合单叶片图像分割,而且适合冠层叶片图像分割;运用本算法分割单个生菜叶片图像以及生菜冠层图像时程序运行时间分别为118,126 ms,迭代次数分别为6,5次,相比于Otsu算法以及标准PSO+Otsu算法,本算法不仅有效缩短了程序运行时间,而且提高了图像分割的准确率,具有较好的实时性.     

基于数学形态学高帽变换的彩色图像增强算法

分析了RGB颜色空间和HSV颜色空间各自的优缺点,通过将彩色图像在RGB颜色空间和HSV颜色空间互相转换,把一个灰度图像形态学边缘增强算法推广到彩色图像。实验结果表明该算法性能良好,既能够较好地增强图像,又没有引入不自然的人造痕迹。     

基于改进水平集的水稻虫害分割算法

目前水稻虫害分割大部分采用传统的低级特征提取,存在易丢失细节信息、形状描述不充分等不足.基于改进水平集方法的分割算法,首先将图像由RGB(red,green,blue)颜色空间转为HSV(hue,saturation,value)颜色空间,选取色调H(hue)矩阵进行处理;在高斯滤波后进行基于开闭运算的形态学重建,在保留重要区域轮廓的同时去除较暗斑点及枝干标记;然后将其膨胀后阈值分割作为改进水平集方法的初始水平集函数;最后采用有惩罚项的改进水平集方法进行分割.改进算法有效减少了迭代次数,节省了运行时间,且分割效果好.结果表明,该算法不但提高了水平集方法的效率,而且在水稻虫害的分割上有良好的分割效果.     

空间颜色聚类算法及其在图像特征提取中的应用

针对目前图像基本颜色特征单一、 可提取信息不足的问题, 提出将图像进行HSV颜色空间转换, 先用均衡化直方图增强空间颜色互转后的图像空间 颜色像素, 再用融入rgb2ind的K-means均值聚类算法提亮均衡图像, 以增强图像颜色特征的提取目标和数量. 实验结果表明, 该方法优于普通空间颜色图像进行特征提取的效果, 实现了为颜色特征识别提供更多的检索信息.     

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JSEG改进算法的高分辨率遥感影像分割

高分辨率遥感图像中细节信息丰富、地物几何结构明显,对JSEG算法进行了改进,使其对高分辨率遥感图像分割可以取得更合理的结果。算法使用增量式的生长方式完成初始分割,并综合使用颜色和形状信息对过分割区域进行合并。实验表明,改进后的算法符合高分辨率遥感图像的特点,可以得到更好的效果。