基于改进蜂群优化的图像分割算法

针对图像分割算法各个性能不均衡的问题,提出一种基于蜂群优化与多颜色空间特征提取的图像分割算法.首先,对CIE颜色空间的L分量使用Gabor滤波器提取图像的纹理特征,并且在图像的HSV颜色空间计算图像的局部一致性,共提取图像的7个特征,组成特征向量;然后,本文对蜂群搜索算法进行优化,设计了一个有效的局部搜索算法,使得蜂群可高效地收敛至较优的帕累托最优解;最终,使用改进的蜂群算法对种子区域生长法进行改进与优化,指定种子的最优位置,决定每个种子点一致性准则的最优阈值,并将多准则作为多目标优化的问题,使用蜂群优化搜索帕累托最优解,最终获得分割结果.对比实验结果表明,该分割算法的时间效率、一致性误差以及类内散布度等性能较为均衡,具有较好的实用价值.     

基于Lab颜色距离和GMM的树木图像分割算法

针对传统的高斯混合模型(GMM)分割算法在树木图像分割上存在的不足,文中结合Lab色彩模型的颜色和空间的相关性,提出了一种基于Lab颜色距离的GMM的树木图像目标分割算法。该算法首先利用图像颜色信息,将图像的多个颜色通道进行Lab颜色距离的计算,然后基于Lab颜色距离建立GMM,最后根据得到的概率值自适应寻找最佳分割阈值。实验结果表明该方法得到的果树区域更准确,并且对阴影、光照不均匀图像具有很强的鲁棒性,分割的平均准确率为98.2%。     

基于Munsell-HLC颜色空间的彩色图像分割

图像分割既是数字图像处理中的主要研究内容之一,也是进一步进行图像识别、分析和理解的基础。目前,灰度图像分割算法已经比较成熟,随着彩色图像在各个领域的广泛应用,出现了许多用来进行彩色图像分割的颜色空间和色差的理论。这里用HLC颜色空间及颜色距离（色差）实现彩色图像分割,实验结果证明了这种方法的有效性。     

基于免疫算法的交通标志分割

针对现有道路交通标志图像分割算法中实时性和鲁棒性较差的问题,提出一种基于免疫算法和RGB颜色空间的交通标志图像分割新方法。该方法先用RGB颜色空间将交通标志从实景图中定位出来,利用免疫算法快速搜索的机理,对已定位的图像进行阈值T寻优,并用该阈值T分割图像。实验结果表明,该算法与基于遗传算法的图象分割算法相比较,具有较好的鲁棒性和实时性,且适用于不同光照条件下的交通标志图像分割。     

基于Mean Shift和L*u*v*彩色空间改进的FH图像分割方法

针对FH算法(Felzenszwalb和Huttenloch提出的图像分割算法)中存在的欠合并现象,在L*u*v*彩色空间,结合Mean Shift算法,提出了一种改进FH图像分割方法,即IFH(Improved FH)。该方法首先采用Mean Shift算法获得均值漂移图像,再将图像由RGB空间转换到L*u*v*颜色空间;然后,结合L*u*v*彩色空间,采用FH算法构造带权无向图,基于图像的颜色特征进行分割。实验证明,与原算法相比,该方法在分割精度与分割质量上有了很大程度的提高。     

基于遗传算法的彩色图像多阈值分割方法研究

针对彩色图像多阈值分割中阈值个数自动确定困难和优化时间长的问题,首先提出一种新的HSV空间中彩色图像投影预处理方法,然后计算待分割图像的颜色粗糙度,并根据颜色粗糙度确定图像分割的阈值数量,为提高分割效率,利用遗传算法搜索最优分割阈值组合,为提高分割精度,在遗传算法适应度函数设计时既考虑了类内的颜色离散度,又考虑了像素的空间关系。实验结果表明该方法具有较为理想的分割效果,对光线变化具有较好的鲁棒性。     

一种基于HSV空间和粗糙集的彩色图像分割方法

研究了基于HSV颜色空间的粗糙集直方图阈值彩色图像分割方法.根据HSV空间的特性,定义了HSV空间颜色距离计算公式,对HSV三分量计算粗糙集直方图和彩色图像进行分割.实验结果表明该方法较好地保留了图像的颜色信息,具有较高的通用性,能够获得满意的分割效果.     

多分辨率下的彩色图像分割方法

通过对彩色图像分割方法的研究,提出一种在多分辨率条件下彩色图像的分割方法。通过离散小波变换获得原始图像的低分辨率近似,并利用分水岭算法对低分辨率近似图像进行初始分割。对初始分割区域根据颜色信息和空间关系按照一定的先后顺序进行合并,直到形成理想的分割结果。对合并后的图像应用小波逆变换得到原始分辨率下的分割结果。在低分辨率下进行的分割和合并大大减小了计算量,提高了分割速度。     

基于双字典学习的眼底图像血管分割

为辅助诊断眼底疾病和部分心血管疾病,本文提 出一种基于双字典学习和多尺度线状结构检测的眼底图 像血管分割方法。首先在HSV颜色空间利用伽马矫正均衡眼底图像的亮度,并在Lab颜色空间 采用CLAHE 算法提升图像对比度,再采用多尺度线状结构检测算法突出血管结构得到增强后的特征图像 ;然后利用 K-SVD算法训练特征图像块和对应的手绘血管标签图像块,得到表示字典和分割字典,采用 表示字典得到 新输入特征图像块的重构稀疏系数,由该系数和分割字典获得血管图像块;最后进行图像块 拼接、噪声去 除和空洞填充等后处理得到最终分割结果。在DRIVE和HRF数据库测试,利用准确率、特异度 、敏感度 等八种评估指标来检验分割性能。其中,平均准确率分别达0.958和0.951,平均特异度分别 达到0.982 和0.967,平均敏感度分别达到0.709和0.762,表明该 方法具有较好的分割性能和通用性。     

基于颜色特征判别的纸病图像分割研究

针对当前纸病检测中图像分割算法的精确性及抗干扰性问题,文中提出了一种基于颜色特征判别的纸病图像分割算法。首先建立RGB颜色空间模型,提取空间分量信息特征,然后分别对RGB图像的3个通道的像素值进行可靠性计算,最后通过逻辑"或"运算融合单通道的计算结果,得到分割图像。结果表明:该算法定位准确、抗干扰性强,能够精确分割纸病图像,满足纸病检测要求。     

基于彩色空间的二维OSTU的图像分割算法

图像分割的研究一直是图像处理研究的热点问题,尤其是对彩色图像的分割研究更为重要,虽然对彩色图像分割的研究提出很多分割算法,但是很多算法仍存在缺陷,本文针对解决二维OSTU分割算法分割图像时计算复杂和易受噪声干扰的问题,提出将Lab彩色空间应用到二维OSTU算法中,首先将色彩图像从RGB空间转到Lab空间,然后联合利用L通道、a通道、b通道图像信息进行粗分割,最后针对其中某个通道的图像信息进行二维OSTU细分割.通过试验表明,该方法对彩色图像有较好的分割效果.     

一种改进的边缘生长彩色图像分割方法

针对彩色图像颜色空间特性,提出一种改进的边缘生长图像分割方法。首先根据平均颜色矩确定图像量化级数,色彩量化后采用边缘检测提取边缘像素集,并将这些高细节点形成边缘线,围成一个封闭的区域,最后根据颜色空间的区域距离,将初始分割区域进行合并。该方法很好的解决了使用边缘检测或区域生长所产生的不连续性和过分割问题。实验结果显示对彩色图像分割具有较好的效果。     

基于一种动态颜色模型的模糊C-均值图像分割

不同颜色的可见光本质上是具有不同波长范围的电磁波.本文试探性地提出了一种动态颜色模型,它模拟了成像曝光时间内图像平面所接收到的电磁波的动态变化.离散化之后,彩色图像的颜色特征能够被表示成一个K维矢量,称为彩色图像的动态颜色空间表示.然后建立了模糊C-均值分割算法,分别在动态颜色空间和RGB空间分割彩色图像,实验结果表明动态颜色空间的分割结果优于RGB空间的分割,从而验证了动态颜色空间的性能.笔者相信本文所提出的动态颜色模型也能够被用于纹理分析或其它的图像处理领域.     

自然场景下成熟苹果彩色图像分割方法的研究

提出一种在RGB颜色空间分割彩色图像的新方法。针对自然场景下成熟苹果图像，首先通过在RGB颜色模型中寻找灰色分割面来得到最优颜色函数（OCF），将多维空间中的分割问题转化到一维空间，根据目标和背景的不同特点，提出了两种可供选择的获取OCF的方案；然后通过Fisher评价函数找到最佳阈值；最后用数学形态学滤波除去高频噪声。该方法可以完全避免人为干预，而且分割速度快。实验结果表明，该方法可以把自然场景中的苹果有效地分割出来。     

基于相位一致与区域生长的自然彩色图像分割

提出一种自然彩色图像中有意义区域的分割方法.利用相位一致模型检测图像边界,根据边界颜色在图像空间及色彩空间的联合分布,对长边界进行K-means聚类形成有意义的种子生长点,合并短边界以克服局部细节的干扰,最后区域生长方法作用于色彩空间得到封闭的分割区域.算法克服了传统区域生长算法缺少区域模型的局限性,同时将其成功应用到彩色图像,并得到与视觉判断相一致的有意义的分割结果.实验结果显示了所提方法对于不同自然彩色图像的有效性与适应性.     

Image Segmentation by Hierarchical Spatial and Color Spaces Clustering

1IntroductionI mage segmentation, as a basic building block formany high-level i mage analysis problems ,such as objectrecognition[1], i mage retrieval[2], etc , has attractedmany research attentions over years .I mage segmenta-tionis to decompose the i mage into homogenous regionswiththe ai mof extractingthe major color andregionin-formationfromthe original i mage . The result of i magesegmentationis a set of non-overlapping regions whereeach regionis characterized by a chosen color and a con…     

基于克隆选择和多重空间构造的彩色图像分割

该文提出一种基于克隆选择和多重空间构造的彩色图像分割方法。该方法首先将一些常见的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分,利用主分量分析技术(PCA)分别对其进行计算,得到最具有识别能力的颜色分量来构造多重颜色空间;然后利用克隆选择算法对样本进行自学习,得到全局最优的聚类中心;最后用得到的聚类中心对图像进行分割。由于该文的方法结合了克隆选择算法的非线性分类能力,通过对彩色图像自适应的构造最佳多重空间,能够快速准确地得到分割结果,克服了传统分割方法使用固定颜色空间以及容易陷入局部最优的缺点。通过实验表明,该方法对彩色图像同质区的分割均匀,边缘保持度好。此外,新方法对彩色图像的亮度和纹理变化不敏感,鲁棒性较强。     

一种自适应FCM彩色图像分割算法*1

针对FCM彩色图像分割算法需要给定聚类数且受初始值影响较大的缺点,提出一种自适应FCM彩色图像分割算法。该方法首先引入主分量变换,通过直方图分析,在RGB彩色空间上自动确定聚类数目,其次引入2D直方图,分析对角线投影1D直方图,并采用最大最小距离法选取初始聚类中心。利用该算法分别对人工合成的和真实的彩色图像进行分割实验,实验结果表明：本文算法能够有效且自适应地分割彩色图像。     

基于清晰度的彩色图像分割改进算法

针对K-means算法不能很好的分割目标较小,且目标颜色不能明显区别于背景颜色的彩色图像等缺点,提出了一种基于清晰度的彩色图像分割算法(S-K-means)。该算法引入图像清晰度评价理论,将彩色图像R、G、B三个通道的灰度矩阵转换成清晰度矩阵,然后选用Lab彩色空间,最后进行K均值聚类。为验证算法的有效性,对多幅电力线图像进行了分割实验,并与其他的分割方法进行比较实验,给出了详细的理论分析。实验结果表明该算法效果好,对电力系统中高压巡线具有参考价值,且具有较高的使用价值。