一种基于区域的彩色图像分割方法

介绍了一种基于区域的彩色图像分割方法。该方法首先提取图像像素点的颜色、纹理等特征,然后采用Gaussian混合模型,通过EM算法学习,根据提出的选择最佳高斯混合模型参数K的准则,确定K,利用图像像素点特征的相似度在特征空间中粗略的将像素点划分为不同的组,最后在各个组内依据其位置信息对图像再进一步划分,得到图像的区域分割。实验结果表明,该分割方法具有较好的分割性能。     

基于滤波器阵列与图割的彩色纹理分割

图割法因无法体现像素点的纹理区域特性而难以应用于纹理分割。针对该问题,提出一种基于滤波器阵列与图割的彩色纹理分割算法。利用构建的滤波器阵列提取图像的纹理特征,并加入图像的H、S、I分量值组成纹理-色彩特征向量,采用texton直方图作为彩色纹理的统计模型对纹理-色彩特征向量进行统计计算,通过直方图差计算像素点间的纹理相似度,再应用图割法中的规范割准则对彩色纹理进行分割。实验结果证明,该算法具有较高的分割准确性。     

全色遥感图像中城区的快速模糊分割算法

提出一种全色遥感图像中城区的快速模糊分割算法。该算法基于模糊集理论,根据贝叶斯准则建立相应的隶属函数,并分析选取城区在全色图像中有效的特征,逐步实现城区的分割。实验以SPOT-5全色图像为例,并对模糊训练的可靠性进行分析,最后与区域增长法和多尺度几何信息分割算法进行比较。实验表明,该算法简单准确快速,能够为一些重要的应用提供有效支持。     

基于灰色聚类决策的图像分割性能评价

针对图像分割的性能分析问题,运用灰色聚类决策技术建立一种多层次的综合评估方法。该方法通过图像多个分割指标的特点,得到合适的白化函数,再通过白化函数和灰色聚类权值的分析计算,将收集到的分散信息生成灰色聚类矩阵,以此对图像分割性能进行分类;其评估结果的离散性高,便于区分不同分割算法的性能。应用实例表明,该方法很好地克服了以往评估方法的不灵敏性和奇异性,从而使评判更容易进行。     

融合快速全局K-means与区域合并的图像分割

提出一种融合快速全局K-means与区域合并的图像分割方法。该方法利用中值滤波方法对图像去噪;运用快速全局K-means算法对图像的颜色空间进行聚类分析;结合区域合并准则,对初始分割合并得到最终的分割结果。实验表明,与同类算法比较,该方法的分割结果在图像细节方面能够很好地满足人的主观视觉。     

医学图像分割算法的评价方法

对医学图像分割算法的客观评价是推进算法在临床上得到应用的关键。针对目前对医学图像分割方法的研究较多,而对分割算法的评价方法的研究却很少的问题,提出了一种判断和比较医学图像分割算法优劣的评价方法。首先对现有的几种评价方法进行了综述,并总结出了一套评价系统。可靠性、精确性、区域统计特性和效率是评价一个分割方法的4个重要参数,结合医学图像分割分别对它们的定义进行了说明。这些参数互相影响,评价分割算法时必须权衡这些指标,根据不同的应用背景赋予它们不同的权重。此外,还介绍了如何建立医学图像分割金标准数据库的方法。最后,通过Insight Toolkit（ITK)软件包中的两个算法例子,结合脑白质分割的医学背景,演示了如何利用本文评价系统来对这两种分割算法做出比较。实验结果表明,该评价方法可行,比较结果具有合理性。该研究为医学图像分割算法的评价提供了科学合理的方法,同时也指出了推动医学图像分割算法在临床上应用所应解决的问题。     

基于最小最大割算法的阈值分割算法

近年来,建立在图论基础上的谱聚类算法作为一种新型的工具被应用于图像分割。其本质是将图像分割转化为最优化问题,其中的最小最大割算法(Min-max cut)能充分满足聚类算法的准则。算法实现过程中,把最优化准则转化为特征系统进行求解。该实现方法计算复杂,随着图像尺寸的增加,所需存储空间和计算时间复杂度都会增加。在实现最小最大割算法时,用基于灰度级的权值矩阵代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,确定分割的阈值。实验表明,此方法实现的最小最大割算法实现简单、实时性高,具有自动分割等优越的分割性能。     

基于Labelme的参考图像的手工分割

图像分割算法虽然已经有了大量的研究,但没有适用于所有图像的通用分割算法。因此针对不同图像的实际情况,需要进行大量的实验来选择最优的分割算法。通过比较算法分割得到的结果图像与对应手工分割得到的参考图像之间的差异,可以得到一种图像分割算法的性能评价,因此本文提出一种参考图像的获取方法。通过结合算法和Label Me在线注释软件,该方法能够方便地完成图像中各种目标边界的定位并保存图像。     

基于遗传算法的原位根系CT图像的模糊阈值分割

原位根系CT图像的精确分割是实现植物根系3维重建和定量分析的重要基础。为了对原位根系CT序列图像进行准确、有效的分割,针对原位根系CT序列图像固有的模糊性特征,设计了一种基于遗传算法的模糊多阈值图像分割方法。该方法首先通过直方图分析确定了原位根系3维分割的初始阈值范围;然后通过设计一种模糊隶属度函数, 将图像模糊划分为若干个不同的区域; 最后采用最大模糊熵准则,并借助遗传算法寻找确定了一组序列图像的最佳分割阈值。编程实验结果证实,该算法不仅能更加准确、有效地对植物根系原位CT序列图像进行分割,并可提高图像阈值分割的精度和效率。     

纹理图像的多尺度分割

纹理图像分割最常用的方法就是基于特征的纹理分割,即首先提取出图像的纹理特征,在利用提取出的纹理特征来进行特征划分.通过对纹理特征进行划分来实现纹理图像分割的过程所面对的主要困难可以概括为:效率和效果.纹理图像分割算法大多具有较高的时间复杂度,这一方面是因为纹理特征提取比较费时,另一方面较高的特征维数导致特征划分过程的计算量通常比较大.本文提出基于图像四叉树的多尺度分割算法来实现实时图像的粗分割,实验表明此算法可以在保持分割精度的前提下大大降低时间复杂度.     

Parameters of Multi-Segmentation based on Segmentation Evaluation Function

The segmentation parameters is key to the segmentation result in the object\|oriented classification.Further,it would effect the result of the classification.Segmentation evaluation function is a standard which is significant to the quality of segmentation.Scale,shape and compactness could evaluate the quality of the segmentation by combining from the different levels of the three parameters.We improved the methods on the segmentation evaluation function,and digged into the affectation of the weight of area.The methods of variance analysis and correlation analysis were used to analyze the effect of the four segmentation evaluation functions with scale,shape and compactness.There were 10 pieces of images of Landsat 8 OLI and GF\|1 as samples of the experience,which were selected from the county.It turned out that：First,the segmentation scale is the most important parameter to the result and the shape is heavier than the compactness.Second,the high quality of the segmentation ask for small shape and big compactness.Third,the area could improve the stability of the segmentation evaluation function.Forth,the proposed method correspond to the existed method and it could evaluate the segmentation.Fifth,the different resolution had the same effect on the selection of segmentation parameters.     

基于马尔可夫随机场的SAR图象目标分割

运动、静止目标获取与识别（MSTAR）计划表明，将合成孔径雷达（SAP）图象分割成目标、阴影和背景杂波区域对于从开放环境中进行目标识别是一种有效的手段。但是由于SAP图象所固有的斑点噪声的影响，传统的分割方法很难获得准确的分割。为此提出了一种基于MRF(Markov random field)模型的SAP图象分割算法。用MRF模型描述待分割图象的先验知识，利用最大似然（ML）估计从训练数据中获得图象各区域的先验概率分布，采用Bayes方法，在观测数据基础上，根据分割图象的后验分布所对应的MRF模型的条件概率，利用Metroplis采样器获得最大后验概率（MAP）准则下的图象分割。通过对MSTAR的样本目标图象应用该算法，结果表明它可以获得稳健和准确的分割效果。     

基于分水岭变换的多尺度遥感图像分割算法

分水岭变换是一种适用于图像分割的强有力的形态工具，能够自动生成一系列封闭分割区域。分水岭变换的不足之处在于它的过分割结果。为了克服分水岭变换固有的过度分割现象，利用非线性滤波和改进的快速区域合并算法优化分水岭变换得出的初始分割结果，并针对高分辨遥感图像所体现出来的地物的多种信息特征，结合多种特征进行了区域合并。实验结果与MeanShift算法得到的结果进行了比较，证明该算法不仅能充分利用高分辨率遥感图像中地物的信息特征获得良好的分割效果，而且大大减少了计算时间。     

一种改进的细胞图像分割算法的研究

针对细胞图像的特点,提出一种改进的基于分水岭算法的细胞图像分割方法。在该方法中．对细胞图像进行数学形态学变换,即采用Top—hat变换后的图像与原始图像相加再减去Bottom—hat变换后的图像以得到最大对比度的图像．继而进行距离变换,最后运用分水岭算法进行分割。实验证明,该改进方法能够得到较好的分割结果。     

基于区域竞争分割结果的体绘制研究

在开发医学图像处理系统时,采用区域竞争模型分割产生的图像只反映图像的轮廓及位置信息,不包含内部的图像信息,所以只能直接进行面绘制.据此,提出了基于区域竞争模型分割结果的体绘制算法.算法根据分割结果中的轮廓信息,对原始医学图像进行数值转换,使目标图像中既包含内部l冬I像信息又包含轮廓边界信息,最后利用转换后的数据对肝脏进行体绘制.实验结果表明本算法有效可行,而且有很高的实用性.     

Functional template-based SAR image segmentation

We present an approach to automatic image segmentation, in which user selected sets of examples and counter-examples supply information about the specific segmentation problem. In our approach, image segmentation is guided by a genetic algorithm which learns the appropriate subset and spatial combination of a collection of discriminating functions, associated with image features. The genetic algorithm encodes discriminating functions into a functional template representation, which can be applied to the input image to produce a candidate segmentation. The performance of each candidate segmentation is evaluated within the genetic algorithm, by a comparison to two physics-based techniques for region growing and edge detection. Through the process of segmentation, evaluation, and recombination, the genetic algorithm optimizes functional template design efficiently. Results are presented on real synthetic aperture radar (SAR) imagery of varying complexity.     

基于综合特征的车牌分割算法

本文根据车牌区域具有丰富的垂直纹理这一主要特征,并结合车牌尺寸和通过投影呈现的峰值在一定范围内较为固定等特点,提出一种基于综合特征的车牌分割新方法。实验结果表明:该方法能够较为准确地完成车牌区域的分割,整个算法复杂度低,能够满足实时分割的要求。     

融合深度和颜色信息的图像物体分割算法

讨论立体图对的图像分割问题,提出一种基于深度和颜色信息的图像物体分割算法。该算法首先利用基于聚类的Mean-shift分割算法对目标图像进行适度的过分割,同时借助双目立体视觉算法获取立体图对的稠密深度图,并依据深度不连续性从过分割结果中选取用于继续进行“精致”分割的种子点集,接着对未分配种子标签的区域用图割算法分配标签,并对彼此之间没有深度不连续边界但具有不同标签的相邻区域进行融合。相比于传统图像分割算法,该算法可有效克服过分割和欠分割问题,获取具有一定语义的图像分割结果。相关的对比实验结果验证了该算法的有效性。     

Segmentation of connected handwritten digits using Self-Organizing Maps

Segmentation is an important issue in document image processing systems as it can break a sequence of characters into its components. Its application over digits is common in bank checks, mail and historical document processing, among others. This paper presents an algorithm for segmentation of connected handwritten digits based on the selection of feature points, through a skeletonization process, and the clustering of the touching region via Self-Organizing Maps. The segmentation points are then found, leading to the final segmentation. The method can deal with several types of connection between the digits, having also the ability to map multiple touching. The proposed algorithm achieved encouraging results, both relating to other state-of-the-art algorithms and to possible improvements.     

基于肤色和独立成分的人脸检测*

人脸检测是计算机视觉中非常活跃的研究课题,目前大多数人脸检测算法都是依靠灰度信息,而忽略了彩色信息。研究表明,肤色检测在诸多计算机视觉算法中,是一个重要的处理步骤。为了提高检测速度和性能,通过对肤色在H,S空间分布的分析,建立了新的肤色分割公式,并且在Aapo Hyvrinen和Erkki Oja［1］所提算法的基础上,提出了一种新的结合肤色和独立成分分析的人脸检测算法。实验结果表明了该算法的有效性。