基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。     

基于改进的PCNN的彩色图像边缘检测算法

对PCNN在彩色图像分割和边缘提取上的应用进行了研究,首先利用图像本身灰度和空间等特性自动确定PCNN网络参数进而分割得到高质量图像,然后利用PCNN对彩色图像进行边缘提取。仿真实验结果表明,算法可以对不同特性的彩色图像进行有效的边缘提取,具有较好的健壮性。     

基于混合智能算法的彩色图像 模糊颜色聚类分割方法研究

结合模糊技术较好地表达和处理了不确定性问题的特点,提出了一种新的彩色图像模糊聚类分割方法.对于信息量大的彩色图像,提出了采用灰度图像处理在RGB颜色空间的应用的分割方法.在足球机器人视觉系统的软件中,设计模糊聚类混合智能算法(包括遗传算法和蚁群算法)进行图像信息处理.实验结果表明:这种方法能有效提高足球机器人视觉系统的识别与跟踪性能.     

全自主移动机器人视觉系统图像分割方法研究

为了准确跟踪运动中的目标,完成对移动目标的实时跟踪,通过分析不同算法的特点,在视觉系统的软件设计中采用了基于HIS颜色空间的阈值分割法与种子区域生长法相结合的图像分割方法对目标进行分割与跟踪.对视觉系统图像识别与分割所涉及的关键技术包括颜色空间的选取和相应的分割算法进行了必要的分析与改进.实验结果表明这种方法可以对彩色图像进行准确分割.     

基于颜色重心和k-means的彩色图像聚类分割算法

图像分割是图像分析的关键步骤,实现彩色图像的快速有效分割是图像处理研究的重点和难点。针对彩色图像分割,介绍一种基于颜色重心和改进的k-means算法相结合的分割方法。实验结果表明,该聚类分割算法计算简单,迭代收敛速度快,能在彩色图像上取得好的聚类分割效果。     

基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

基于BP网络的植物病害彩色图像的分割技术

通过颜色空间的转换,把RGB颜色空间的植物病害图像转换到HSI和YCbCr颜色空间,由于HSI和YCbCr空间的H,Cb,Cr分量与图像的亮度无关,可以有效地抑制噪声,因此选取H,Cb,Cr分量为特征值作为BP人工神经网络的输入值。网络经过训练后,对265幅病害图像进行分割,其中251幅被正确分割,分割的准确率达到94.7%,满足了诊断植物病害的前期处理要求。     

基于改进FCM算法的彩色图像破损区域提取

现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。     

高效的彩色图像塔形模糊聚类分割方法

这里提出了一种高效的基于模糊c均值(FCM)聚类的彩色图像分割方法,它利用塔形数据结构对彩色图像进行多层分割。通过对一个彩色图像的分割处理,结果表明,文中所用方法的计算时间仅是用FCM聚类算法而不用塔形进行分割下所需计算时间的十三分之一。     

带几何约束的彩色图像选择性分割

为了解决彩色图像分割任务中有选择性的定位感兴趣区域的具体需求,基于Lavdie-Chen的灰度图像单水平集选择性分割方法,提出带几何约束的彩色图像选择性分割方法。该试验方法将彩色图像作为一个整体,求其梯度及边缘检测函数,借助边缘检测函数、目标物体约束点确定的距离函数以及形成的多边形内外面积,共同决定曲线演化进程中的方向与速度。区域信息的加入克服了边缘函数依赖单一图像梯度的缺点;正则化优化算法的引入克服了凹陷处分割效果不理想的缺点;加法分裂算子算法可以快速求解模型的Euler-Lagrange方程。试验结果表明,本研究提出的彩色图像选择性分割方法具有有效性强和正确性高的特点。     

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CIE L＊a＊b颜色空间,用K均值聚类分析算法对描述颜色的a＊和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．     

一种纺织印染图案的多尺度彩色分割算法

为了提高纺织印染图案的分色精度,提出一种多尺度彩色图像分割技术.该方法利用纺织印染图案中主要套色数少的特点,通过人眼观察手动提取图案中最具代表性的套色；根据上一尺度方块的颜色信息和同一尺度下邻近方块的颜色信息对图像进行多尺度分割,形成一棵非均匀的四叉树形结构,树中每个节点按照颜色空间的距离映射到最近的套色中,并随着尺度的递增对上一级的分割结果进行递归修正.最后对分割图像中一些小的连通区域进行后处理,消除合并这些区域,提高整体的分割精度.由计算机模拟实验的分割结果表明,与一般基于聚类技术的彩色分割算法和基于边缘提取的分割算法相比,该方法对于纺织印染图案有较好的颜色分割效果,并和人的主观视觉效果有更好的一致性.     

基于减法聚类和K均值聚类的彩色图像分割算法

传统图像分割方法大都存在分割速度低下、过度分割等缺点.针对上述问题,提出一种新的彩色图像区域分割算法.这种方法首先将图像转化至L＊a＊b＊空间,并划分为子块,抽取图像子块的颜色、纹理和位置特征组成子块的特征向量,然后运用减法聚类,获得聚类簇数和初始蔟中心,最后利用改进的K均值算法在像素点特征空间进行聚类,进而分割图像成区域.实验结果表明这种新方法具有分割效率高、分割效果理想等优点.     

基于多方法融合的非监督彩色图像分割

针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷,提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率,对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目,通过图像聚类分析并进行像素标签标记,并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割,最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性,且分割效果更接近真实性。通过对分割结果进行量化评价,进一步说明本研究方法在分割精度和准确性方面更具优势。     

月面巡视探测器的图像分割及识别方法

针对月面巡视探测器的识别技术,通过彩色图像识别的办法解决了在月面环境存在较强阴影区域对月面巡视探测器识别带来的影响,进行了多种彩色图像分割方法的比较,提出了多通道彩色分量融合的图像分割方法,并用线性分类器的模式识别理论对其原理进行了分析,用形态学滤波方法对分割后的图像进行了滤波,并用分割区域标识算法进行了识别区域的标识。试验表明,该方法能够适应各种光照条件的影响,具有较强的鲁棒性,对各种噪声有明显的抑制作用。该方法使彩色图像分割技术变得简单、可靠,并具有一定的通用性,可以应用到未来的月球探测中去。     

基于高斯函数的LED彩色图像分割方法

提出了一种基于高斯函数的LED彩色图像分割新方法,利用彩色分量值,通过高斯函数的模板进行滤波,直接分割出有用数字信息的二值图.改变了传统的将彩色图像转为灰度图像再进行分析的方法,充分利用了色彩信息.实验结果表明,该方法分割效果好,快速简单,满足实时性要求,是一种高效的新算法. 更多还原     

汽车牌照自动定位方法

汽车牌照定位是一个较难解决的图像分割问题.采用灰度图像分割、数学形态学、颜色搜索相结合的方法,进行汽车牌照定位,充分利用了颜色信息和牌照特点.实验表明,检测出的牌照区域准确率高,适用于任意背景、位置和光照下的牌照定位,且通用性较好.     

三维矩阵可变分割彩色图像压缩编码

针对基于三维矩阵宽离散余弦变换的彩色图像压缩方法通常采用的固定尺寸的子阵分割方案和固定尺寸的变换编码。由于图像的不同区域具有不同的统计特性,故采用固定尺寸的分割方案不能有效利用图像本身的相关性,提出了一种三维矩阵可变分割的彩色图像压缩编码方法。该方法采用可变分割的子阵分割方案和变尺寸三维矩阵宽离散余弦变换。首先计算图像的活动性,根据图像活动性的大小将被编码图像划分成不同大小的三维子矩阵。对不同大小的子矩阵分别采用相应尺寸的三维矩阵宽离散余弦变换。变换系数采用非均匀标量量化和熵编码。实验结果表明该方法的压缩性能在低比特率时远远优于JPEG方法,在压缩比相同的情况下,PSNR最多有超过2 dB的提高,主观质量也有提升。