基于局部空间密度峰值的图像分割算法

针对现实中真实图像含有大量的噪声及复杂纹理,提出了基于局部空间密度峰值的图像分割算法。该算法采用基于局部空间信息下的距离,结合密度峰值,通过捕捉图像的内部局部结构特征,获得较为准确的区域分割结果,最后对分割区域的离群点作二次划分,来进一步消除噪声及纹理的影响。通过对三类不同的图像(噪声图像、纹理图像、自然图像)进行图像分割的实验结果显示:相比K-Means和FCM算法,该算法可有效地分割含有噪声和复杂纹理的图像。     

基于区域色彩空间和LBP算法的图像分割

提出一种基于区域色彩空间和LBP算法的图像分割.该算法用颜色和LBP直方图作为区域描述符,量化HSV颜色空间,并根据LBP算法的Uniform模式,利用较少的LBP算子描述大部分纹理特征,有效降低了区域特征矢量的维数,提高了区域相似度计算的执行效率.此算法能有效地将对象从复杂图像场景中分割提取出来,且结果与人眼的主观视觉有良好的一致性,在轮廓细节和执行效率上比MRSM算法更优.     

基于Gabor特征的稀疏表示纹理分割研究

稀疏表示和字典学习在图像去噪、图像重建和模式识别等应用上取得了良好的效果,其利用稀疏系数和重构误差来作为模式分类的判别准则。稀疏表示纹理分割方法是将图像分割问题转换为像素点的分类问题。但通常稀疏表示分类方法是基于图像块特征,难以准确表征图像纹理信息。为了解决上述问题,提出基于Gabor特征的稀疏表示纹理分割方法。因为Gabor特征对图像纹理信息的鲁棒性,算法首先从每类纹理中选择一些像素点作为训练样本,计算其不同尺度和方向下的Gabor特征,将其作为初始化字典,通过判别性的字典学习算法(D-KSVD)更新字典,该字典学习算法在KSVD基础上使得字典更具有类别判别能力,最后以待分割图像的每个像素点作为测试样本,计算其Gabor特征。利用OMP算法得到测试样本在字典下的稀疏系数,根据稀疏系数得到类标签,进而对像素点进行分类,完成分割。通过在Brodatz纹理库上的实验结果表明,该方法有效提高了稀疏表示算法对纹理图像分割的正确率。     

基于FCM和随机游走的地层图像分割方法

颜色特征是地层图像分割的重要依据,但地层图像的高噪声以及地层边界颜色混合使得颜色特征空间聚类分割方法无法获得很好的结果.本文提出了一种融合模糊C均值聚类与随机游走算法的图像分割算法,该算法在聚类过程中结合像素的空间信息计算像素的隶属度,在基于随机游走的半监督图像分割算法中像素结点构成的四连通图上插入类属结点作为已标记结点,将随机游走者第一次游走到某个类属结点的概率作为该像素隶属于该类的隶属度.实验结果表明,本算法可以对地层边界颜色混合区域的像素更准确地进行分类,噪声敏感性降低,有效解决构造模拟地层图像的分割问题.     

基于图像分割和区域匹配的灰度图像彩色化算法

针对传统颜色传递算法只进行全局颜色传递,未考虑图像局部特征,出现颜色误传递的问题,提出了一种基于Graph-Based图像分割与区域匹配的灰度图像彩色化算法。利用Graph-Based图像分割将目标图像和参考图像分割为若干个亮度和纹理特征一致的子区域。根据本文提出的思想,认为"具有相似亮度和纹理的子区域具有相似的颜色分布",对目标图像和参考图像的子区域建立匹配关系,利用亮度特征和LBP局部纹理特征对子区域进行匹配。最后,在YCbCr颜色空间中对相匹配子区域利用亮度和纹理特征进行颜色传递。实验结果证明,在该算法中其参考图像无需和目标图像配准,只需特征相近,就可以对目标图像实现全自动的彩色化技术并有效克服了颜色误传递的现象,彩色化结果图像在色彩分布和主观视觉上都有明显的提高。     

基于区域MRF和贝叶斯置信传播的SAR图像分割

 本文通过定义新的势函数,将贝叶斯置信传播算法和区域MRF模型有效结合,提出了一种SAR图像分割算法.考虑到SAR图像丰富的纹理信息,该算法对分水岭分割后的过分割区域提取纹理特征,在得到的区域邻接图上构建MRF模型,并加入区域灰度均值和方差作为区域特征,利用FCM聚类的初分割结果定义区域的关联势函数,并将区域特征引入到置信传播算法中,定义了新的交互势函数.该算法充分利用了SAR图像空间的背景信息,所定义的新的交互势函数能在促进分割结果区域一致性的同时较好保护边缘.实验结果表明,相对于其他MRF模型分割算法,本文算法能取得更好的分割效果.     

基于纹理特征的多区域水平集图像分割方法

现有多区域水平集方法大多利用复杂的能量函数来驱动多个水平集函数的演变,这样不仅模型复杂且存在很多限制.为此本文提出一种基于纹理特征的多区域水平集方法,利用任意数量的水平集函数来对相应数量的图像区域进行分割.本文首先对图像的颜色和纹理信息建立联合分布并将其代入能量函数;引入平滑概率标签,根据概率性质建立基于标签驱动的多区域水平集迭代更新方程.之后将每个水平集投影到离散概率空间得到一系列近似标签,并由这些标签得到基于多区域水平集的先验概率,从而将多个轮廓演变信息代入统计框架.而不同区域的统计参数也通过最小化能量函数由概率标签迭代更新.通过与其他分割算法在大量复杂实景图像上的实验对比,验证了本文算法的有效性.     

基于多聚类中心和PCNN的医学图像融合算法

提出一种基于K-means Clustering和脉冲耦合神经网络(PCNN)的图像融合的方法,首先,以多特征信息为聚类方式利用K-means Clustering分割提取源图像的对应特征点,通过归类合并建立多模医学图像的特征点集合,根据特征点分布将图像划分为纹理区域和非纹理区域,纹理区域对应系数输入PCNN得到点火映射图,根据点火次数选择融合系数,非纹理区域的系数通过双通道PCNN进行融合。实验结果表明,该算法能够精确划分图像纹理区域,进而利用PCNN和双通道PCNN在图像不同区域系数选择各自的优势,融合图像纹理清晰,质量改善。     

基于区域最大相似度的快速图像分割算法

针对基于区域最大相似度图像分割(MSRM)算法中利 用颜色直方图描述符计算相邻区域之间相似度存 在着计算量大和描述能力的不足,提出改用基于局部二值模式(LBP)纹理描述符计 算相邻区域相似度的改进MSRM(IMSRM)算法。LBP描述符通过对像素点之间局 部微结构进行编码实 现了对其空间关系的描述,有效提高了对区域特征的描述能力,并且所获得的特征矢量维数 远小于颜色直 方图,区域之间的相似度计算效率大幅度得到提高。与MSRM算法对比实验表明,IMSRM算法 可以从各种复杂背景中有效提取待分割对象的轮廓,所提取的轮廓边缘细节上更优,算法执 行效率能够提高50%左右。     

基于改进的SLIC的岩心颗粒图像边缘分割算法

在岩心颗粒图像进行目标提取的过程中,由于颗粒颜色丰富,类别和大小不一,且存在边界模糊等情况,导致颗粒分割很困难.针对以上问题,本文提出一种基于改进的简单线性迭代聚类(SLIC)算法,首先对图像进行预处理,增强目标区域同时模糊背景部分,消除孤立的噪声点且保护边缘信息;其次,结合LBP纹理特征对图像进行超像素分割;最后,结合区域之间的颜色特征进行超像素合并.实验表明,与现有的其它算法相比,该算法能准确地分割颗粒的边界,更有效地提取目标颗粒,极大地降低了后续对提取目标进行分析的复杂度.