一种基于视觉感知的色彩量化算法

提出一种色彩量化算法.该算法将图像中的区域细分为边缘、内部平滑区域和内部纹理区域3个部分,并根据它们对视觉感知的重要程度赋予不同的量化权重,以达到强化视觉上相对重要的边缘和内部平滑区域、弱化视觉上相对不重要的复杂纹理区域的目的.另外,为了在量化效果和时间性能上取得折衷,对HSV色彩空间固定V值的蜂窝状分割量化算法进行改进,实现一种可在整个色彩空间完成动态分割的量化算法.在保证时间性能比原有算法略有改善的前提下,减少色彩量化的误差.实验结果表明,本文算法只需要为数较少的量化色彩就能达到较好的量化效果,特别适用于基于内容的图像检索等应用场合.     

基于色彩均匀度的自然图像色彩—纹理分割方法

针对现有图像分割方法中存在的计算复杂，分割结果平滑性不好等问题，提出了基于色彩均匀度的自然图像色彩—纹理分割方法ISBEC。该方法首先对输入图像进行色彩量化，然后利用量化得到的索引图同时进行色彩分割和基于色彩均匀度的多尺度纹理分析，接着将纹理和色彩分割的结果加以结合，最后合并去掉过分割区域。将灰度图像转为色彩分量相同的彩色图像后，ISBEC算法同样可以用于灰度图像的分割。实验结果验证了ISBEC对自然图像色彩—纹理分割的有效性。     

一种快速、稳健的图像分割方法

提出了一种快速、稳健的彩色图像分割算法。首先将图像划分为多个色彩变化平滑区域和非平滑区域,进而对非平滑区域进行进一步量化,最后使用区域增长法合并较小区域从而实现图像分割。试验结果表明,该算法可以获得良好的图像分割结果并具有较高的效率。     

基于粗糙性度量的彩色图像分割方法

彩色图像分割技术是现代图像处理和图像分析领域的重要研究议题. 结合粗糙集理论, 利用像素邻域的空间信息, 可以构造图像色彩分布的上下近似以及量化粗糙性表示, 并据此设计基于量化粗糙信息的分割方法: QR measure, 该方法依据数据分布获取自适应阈值进行峰值选定和区域合并. 实验采用UC Berkeley开放的图像分割测试集, 通过比较基于多种统计信息的分割方法, 验证提出的优化算法可以取得更好的分割效果.     

一种融合颜色和空间信息的区域生长算法

该文提出了一种基于图像颜色和局部空间信息的种子区域生长算法,并用于彩色图像分割。该算法首先根据相对欧式距离使用均值聚类算法对图像进行颜色量化,形成图像的初始分割结果,然后通过计算局部颜色散度,进行分级区域合并,最后,利用形态学相关算法对分割区域的边缘进行平滑。实验表明,该算法能得到与人类视觉判断相一致的有意义区域的分割。     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。     

基于矢量量化和区域生长的彩色图像分割新算法

针对光照变化和阴影对图像分割的不利影响问题,提出了一种基于矢量量化和区域生长的彩色图像分割新算法。该算法不仅考虑了彩色图像的颜色信息,而且也考虑了彩色图像的空间信息。该算法首先利用一种修改的GLA算法对彩色图像进行量化,并根据彩色图像量化的结果选取种子像素;然后基于矢量角相似性准则,并结合像素空间邻接信息,对每一个种子像素进行区域生长;最后利用模糊C-M eans算法来对未能归类的剩余像素进行分类。实验表明,该算法不仅可以在很大程度上克服光照变化及阴影对图像分割的不利影响,而且分割结果与人的主观视觉感知具有良好的一致性。     

一种局部纹理特征在区域生长中的应用*

为克服现有算法不能自动选择种子且没有很好地利用纹理信息的局限性,提出了一种基于局部纹理特征的区域生长算法。算法分为两个阶段,即颜色量化和区域生长。先利用Mean Shift算法对颜色聚类,对图像预分割,用该局部量化纹理算法提取量化结果的纹理特征,由该纹理特征自动选择种子并分级合并区域。与经典的JSEG算法相比,该算法能够得到相似的分割结果,且计算复杂度低。     

基于色彩空间变换的彩色图像分割方法

彩色图像是当今数字图像的主要表现形式之一，彩色图像分割是图像处理的热点与难点问题之一。针对彩色图像分割的精度与速度问题，提出了一种基于色彩空间变换的彩色图像分割方法。该色彩空间重在突出图像三分量间的差异，从而充分利用彩色信息。同时，分割方法以向量化图像为对象，从背景去除的思想出发，采用分裂Bregman快速求解算法，从而达到高效分割的目的。数值实验表明，该方法能有效分割出图像的所有目标区域，分割区域较为完整，结果具有较高的精度。     

区域生长法在PCB元件分割中的应用

针对PCB图像中元件区域的提取,提出一种基于种子窗口和自适应生长阈值的区域生长算法,实现元件的自动分割.算法改进了以往区域生长算法中种子点的选取方法,并以初始种子点附近区域的统计值和已生长区域的特征相结合的方法自动确定生长阈值,分割过程兼顾元件的局部特征和全局特征.实验结果表明,基于种子窗口和自适应生长阈值的改进区域生长法具有较好的分割效果.