基于图像颜色纹理的均值漂移分割算法

针对传统均值漂移算法对图像纹理特征不敏感的不足,利用图像纹理特征的独特性,提出了一种基于颜色纹理的均值漂移分割算法.结合欧式距离和高斯函数计算当前像素点与其周围像素点的颜色相似度,再使用Gabor变换提取图像不同方向、尺度上的纹理特征,结合颜色的相似度,对该像素点均值漂移的过程加权.该算法充分考虑了图像纹理的周期性、尺度性以及图像颜色的关联性.实验结果表明,算法对色彩信息不明显的纹理图像有良好的分割效果,也会提高彩色图像分割结果的准确性.分割算法用于大型水上桥梁识别,能够提高桥梁识别率.     

融合区域颜色和纹理两级特征的快速人体皮肤检测

人体皮肤检测在人脸检测、成人图像过滤、人体图像检索等应用中占有重要地位.利用支持向量机,对人体皮肤的颜色和纹理特征的分布进行了研究,并提出了一个基于区域颜色和纹理特征规则的两级模型.在人体皮肤检测算法中,首先利用分水岭分割算法将图像分割成颜色和纹理近似一致的区域,然后利用皮肤颜色模型提取候选皮肤区域,最后利用纹理规则模型对候选皮肤区域进行最终判决.实验结果表明,该算法简便、快速、有效.     

一种基于运动阴影的目标检测算法

运动阴影常被误划为目标并干扰目标的分割和跟踪,所以阴影检测在许多图像监控系统中都非常重要.本文研究传统阴影检测算法.针对传统算法受特定条件约束不能自动适用于不同场景的不足,提出一种在场景特征未知情况下的阴影检测算法.算法综合考虑颜色信息、空间信息和纹理信息,利用阴影的颜色、空间和纹理属性在待分析区域中确定其造成的颜色形变,通过使用颜色形变补偿和纹理校正检测到运动阴影.基于不同图像的实验结果表明该方法的有效性.     

多特征组合和图切割支持的物体/背景分割方法

运动物体分割是计算机视觉应用领域中的一个基本问题,阴影和亮度变化均易造成分割结果错误.通过组合多种图像特征,实现了一种新的检测运动物体方法.一方面,组合图像的颜色、梯度和纹理特征,利用梯度和纹理信息时亮度变化不敏感的特性,提高运动物体分割的准确性;另一方面,使用图切割算法对物体/背景进行分割,在不影响整体分割结果前提下修正局部判别错误的像素点,分割结果噪声少且稳定性强.对不同场景的分割结果表明,该方法是高效的和实用的.     

基于颜色和纹理的皮肤检测方法

提出一种新的基于颜色和纹理特征的皮肤检测方法，应用JSEG算法将图像分割成任意形状的相似图像区域集，然后从中提取颜色特征和纹理特征，最后应用高斯混合模型（Gaussian Mixture Model，GMM），并根据一定的判断准则（综合考虑颜色特征和纹理特征）进行皮肤和非皮肤区域分类．     

基于SLIC融合纹理和直方图的图像显著性检测

针对基于颜色直方图的显著图无法突出边缘轮廓和纹理细节的问题,结合图像的颜色特征、空间位置特征、纹理特征以及直方图,提出了一种基于SLIC融合纹理和直方图的图像显著性检测方法。该方法首先通过SLIC算法对图像进行超像素分割,提取基于颜色和空间位置的显著图;然后分别提取基于颜色直方图的显著图和基于纹理特征的显著图;最后将前两个阶段得到的显著图进行融合得到最终的显著图。此外,通过简单的阈值分割方法得到图像中的显著性目标。实验结果表明,与经典显著性检测算法相比,提出的算法性能明显优于其他算法性能。     

基于颜色和纹理特征提取彩色图像的有意义区域

针对猪肉眼肌彩色图像中眼肌区域的提取，提出一种基于颜色和纹理特征的彩色图像分割方法，实现了眼肌区域的自动分割。该研究在RGB彩色空间下进行，改进以往区域生长算法中种子点的选取方法，实现了基于彩色图像的区域生长算法，并比较以灰度为特征，以颜色为特征和以颜色与纹理相结合为特征进行区域生长的分割效果。研究结果表明，基于R、G、B和纹理特征的改进区域生长算法具．有较好的分割效果。     

基于分形的彩色岩石裂隙分割

纹理分割是图像处理与计算机视觉领域研究的重点和难点.现有的纹理分割方法大多集中于研究灰度纹理图像,该文提出了一种基于分形纹理特征和颜色信息结合的彩色纹理分割算法.该算法将复杂的彩色图像分形维数计算转化为单色图像分形维数的计算,将纹理特征和颜色信息相结合,采用区域生长法来实现分割.通过对彩色岩石裂隙图像的分割实验,结果证实该该方法行之有效.     

基于共生矩阵和颜色特征的墙地砖缺陷自动检测的研究

该文提出了一种用于墙地砖自动缺陷检测的新算法,该算法综合了颜色的空间分布信息和比例分布信息,应用共生矩阵纹理特征与颜色统计特征构造一个判断矢量,能对复杂纹理的多色墙地砖进行各种缺陷检测,实验证明该算法是有效的。     

融合高斯混合模型和小波变换的运动目标检测

当前景目标与背景在颜色上接近时,仅采用高斯混合模型进行目标检测容易导致误判。为了提高模型分割算法的鲁棒性,提出一种融合高斯混合模型和小波变换的运动目标检测算法。通过小波变换提取图像的纹理特征信息,利用高斯混合模型拟合背景信息。将两者融合起来,把纹理信息作为颜色信息的补偿,保证了模型在线更新背景信息时模型的稳定性和收敛性,同时弥补了目标分割中前景与背景颜色信息接近时容易导致误判的不足。实验结果表明,本文方法比经典高斯混合模型方法具有较高的分割精度。     

Interactive color image segmentation via iterative evidential labeling

We develop an interactive color image segmentation method in this paper. This method makes use of the conception of Markov random fields (MRFs) and D–S evidence theory to obtain segmentation results by considering both likelihood information and priori information under Bayesian framework. The method first uses expectation maximization (EM) algorithm to estimate the parameter of the user input regions, and the Bayesian information criterion (BIC) is used for model selection. Then the beliefs of each pixel are assigned by a predefined scheme. The result is obtained by iteratively fusion of the pixel likelihood information and the pixel contextual information until convergence. The method is initially designed for two-label segmentation, however it can be easily generalized to multi-label segmentation. Experimental results show that the proposed method is comparable to other prevalent interactive image segmentation algorithms in most cases of two-label segmentation task, both qualitatively and quantitatively.     

基于萤火虫算法的无监督最小视觉差彩色图像分割

针对传统阈值分割算法中阈值个数的选择问题,提出一种基于萤火虫算法的无监督最小视觉差彩色图像分割方法。首先,从图像中自动获取差异性比较大的像素作为后续步骤的监督信息,随后,设计萤火虫算法对基于像素的邻域信息和最小视觉差理论的阈值进行优化选择,最后,采用峰值信噪比和概率边缘信息对分割性能相当的结果进一步评价进而选择最终的分割结果。对实际图像的分割实验表明,本文算法在分割效果上和鲁棒性都有了极大的提高。     

考虑到亮度变化和颜色纯度的图像分割法

提出了一种新的考虑到亮度变化和颜色纯度的图像分割方法.使用HIS颜色空间来取得象素的颜色信息.当饱和度和亮度值较低时,色彩值会非常敏感,用颜色纯度作色彩值的加权值.不但考虑了像素的属性,还考虑了像素群的属性.图像先被分成块,块的平均值和方差值作为像素群的属性.用基于块的领域扩张来进行图像分割.用向量距离和相对位置信息把小的对象合并到大的对象中.实验结果证明,该方法适用于多种图像.     

融合双特征图信息的图像显著性检测方法

目的 图像的显著性检测是将图像中最重要的、包含丰富信息的区域标记出来,并应用到图像分割、图像压缩、图像检索、目标识别等重要领域。针对现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性,提出一种综合图像底层颜色对比特征图和图像颜色空间分布特征图的显著性检测方法,能够有效而完整地检测出图像中的显著性区域。方法 本文方法结合了SLIC超像素分割和K-means聚类算法进行图像特征的提取。首先,对图像进行SLIC（simple linear iterative clustering）分割,根据像素块之间的颜色差异求取颜色对比特征图;其次,按照颜色特征对图像进行K-means聚类,依据空间分布紧凑性和颜色分布统一性计算每个类的初步颜色空间分布特征。由于聚类结果中不包含空间信息,本文将聚类后的结果映射到超像素分割的像素块上,进一步优化颜色空间分布图;最后,通过融合颜色对比显著图和图像颜色空间分布特征图得到最终的显著图。结果 针对公开的图像测试数据库MSRA-1000,本文方法与当前几种流行的显著性检测算法进行了对比实验,实验结果表明,本文方法得到的显著性区域更准确、更完整。结论 本文提出了一种简单有效的显著性检测方法,结合颜色对比特征图和图像颜色空间分布特征图可以准确的检测出显著性区域。该结果可用于目标检测等实际问题,但该方法存在一定的不足,对于背景色彩过于丰富且与特征区域有近似颜色的图像,该方法得到的结果有待改进。今后对此算法的优化更加侧重于通用性。     

模糊相关图割的非监督层次化彩色图像分割

目的 基于阈值的分割方法能根据像素的信息将图像划分为同类的区域,其中常用的最大模糊相关分割方法,因能利用模糊相关度量划分的适当性,得到较好的分割结果,而广受关注。然而该算法存在划分数需预先确定,阈值的分割结果存在孤立噪声,无法对彩色图像实施分割的问题。为此,提出基于模糊相关图割的非监督层次化分割策略来解决该问题。方法 算法首先将图像划分为若干超像素,以提高层次化图像分割的效率;随后将快速模糊相关算法与图割结合,构成模糊相关图割2-划分算子,在确保分割效率的基础上,解决单一阈值分割存在孤立噪声的问题;最后设计了自顶向下层次化分割策略,利用构建的2-划分算子选择合适的区域及通道,迭代地对超像素实施层次化分割,直到算法收敛,划分数自动确定。结果 对Berkeley分割数据库上300幅图像进行了测试,结果表明算法能有效分割彩色图像,分割精度优于Ncut、JSEG方法,运行时间较这两种方法也提高了近20%。结论 本文算法为最大模糊相关算法在非监督彩色图像分割领域的应用提供指导依据,能用于目标检测和识别领域。     

Color-based object segmentation method using artificial neural network

This paper presents a color-based technique for object segmentation in colored digital images. Principally, we make use of some color spaces to segment pixels as either objects of interest or non-objects using artificial neural networks (ANN). This study clearly shows how a novel method for fusion of the existing color spaces produces better results in practice than individual color spaces. The segmented objects include lips, faces, hands, fingers and tree leaves. Using several databases to represent these problems, the ANN was trained on the color of the pixel and its surrounding 8 neighbors to be an object or non-object; in the test mode the trained set was used to segment the 9 pixels in the test image into object or non-object. The feature vector was used for training and testing results from the fusion of different types of color information that came from different color models of the targeted pixel. Several experiments were conducted on different databases and objects to evaluate the proposed method; significant results were recorded, showing the power of expressiveness of color and some texture information to deal with the object segmentation problem.     

基于空间聚类和边缘梯度的图像分割算法

提出一种结合空间聚类和边缘梯度信息的图像自动分割算法。在判断超像素颜色及纹理相似性的同时,进一步给出更加精确的分段边缘梯度计算方法,并采用测地距离来刻画超像素之间的相似性,使得分割结果更好地融合边缘不连续性与区域相似性。大量图像分割实验结果表明,该方法能更准确地找出分割边界,提高图像分割的准确性。     

基于S分量指数加权H分量的圆形直方图阈值法

HSI颜色空间可以用三维空间下的圆锥模型进行解释,基于HSI颜色空间的H分量圆形直方图实现彩色图像分割具有可行性。针对HSI颜色空间的H分量圆形直方图毛刺较多以及相关阈值选取准则分割精度较低的问题,给出S分量指数加权H分量的直方图公式,利用S分量信息对H分量直方图的毛刺进行平滑处理,并通过分析给出指数加权因子的最优取值。在此基础上,提出一种圆形直方图阈值分割法,通过对整个圆形直方图进行整体角均值计算而得出新的阈值选取准则。实验结果表明,该圆形直方图阈值分割法具有有效性,在测试数据集上,与3个圆形最大熵阈值分割法以及2个阈值分割准则相比,所提方法的像素精度值平均提高3.2%,结构相似度值平均提高2.5%。     

一种稳健的足球机器人目标识别算法

视觉系统是类人足球机器人获取环境信息的主要途径。在比赛中,受场地光照等比赛环境的影响,用传统的分割识别算法难以达到满意的效果。文中提出一种结合目标颜色和形状信息的识别算法。该算法在HSI空间执行基于颜色信息的快速阀值分割,获取目标像素,并且加入了自适应阀值更新,然后利用目标像素和目标形状信息执行优化边缘检测识别目标,最终获得目标在图像中准确的位置信息。实验证明：该算法能长时间在不同光照条件下稳定获取对象在图像中的位置信息,满足实时性的要求。     

基于图像分割和控制点的立体匹配算法研究

提出了一种基于图像分割和地面控制点（GCP）的立体匹配算法。利用Mean-shift算法将参考图像根据彩色信息快速聚类成不同区域,利用像素点的RGB信息与梯度信息相结合计算初始视差;引入地面控制点（GCP）约束,构造能量函数,利用动态规划方法（DP）计算能量函数最小值;在图像分割区域内采用快速投票方式优化初始视差并获得最终视差图。实验结果表明：该算法能有效处理视差不连续和遮挡区域,也解决了DP算法带来的条纹等问题。