起伏背景的红外图像过渡区提取*

将基于过渡区提取的图像分割技术应用于起伏背景的红外图像的分割.为了实现复杂背景下过渡区的准确提取,首先采用基于直方图的非均衡拉伸算法对原始图像进行处理,以提高整体对比度;然后采用基于小波分析的能量特征图像法区分目标区域和背景区域,这是因为能量特征的选取与背景纹理的方向无关,对目标的变化具有旋转、平移不变性,当目标区域越平滑,检测的精度就越高.对比实验验证了该方法对起伏背景下人造目标具有较强的自适应性和良好的分割效果.     

基于分水岭算法的空间目标图像分割方法

自然背景复杂的纹理特征,使得自然背景下人造目标的分割变得困难.为了从空间背景下精确分割出人造目标,基于分水岭算法,结合形态学重建和分形理论,提出了一种改进的图像分割方法.首先利用形态学开闭重建运算对原始图像的形态学梯度图像进行重建,其次在原始图像中利用人造目标和空间背景的分形特性差异对目标进行标记,最后对重建后的图像采用分水岭算法进行分割,将包含标记的区域提取出来并进行合并,从而将人造目标提取出来.仿真结果表明了方法的有效性.     

基于聚类与边缘检测的自然场景文本提取方法

为了解决复杂自然场景、光照不均匀及背景纹理丰富图像中文本的有效提取,提出一种基于K-means聚类与边缘检测结合的自然场景文本提取方法.该方法通过改进K-means聚类算法,实现文本区域的分割;然后对分割后的图像进行二值子图分解,将分解后的各子图像的连通区域进行标记与分析,得到候选的字符区域;最后利用文本区域的边缘特征对候选字符区域过滤,实现文本字符的提取.实验结果表明,该方法能有效提取出复杂背景、光照影响及背景纹理丰富图像中的文本字符区域.     

一种基于骨架的彩色图像分割方法

在自然场景的图象分割识别中,如何克服光照变化对分割结果的影响是研究面临的一个关键问题.针对传统方法的限制,提出了一种基于骨架匹配的彩色图像分割识别方法.利用颜色和纹理信息对彩色图像进行初分割,然后在初分割的基础上,利用目标的骨架模型在假设检验判决的框架下在初分割的目标近邻区域对包括阴影区域在内的候补目标区域进行融合处理.实验结果表明该算法是一种行之有效的算法,在对自然场景图像的目标分割识别中能一定程度上消除光照变化对图像分割的影响,取得与人的主观视觉感知相一致的图像分割结果.     

基于水平集的SAR图像建筑物区域检测

根据合成孔径雷达(SAR)图像建筑物成像的特点,采用基于水平集的分割方法对SAR图像建筑物区域进行检测。结合基于指数小波提取的SAR图像梯度边缘信息,以及基于变差函数提取的SAR纹理特征,建立能量函数模型,进行曲线演化分割从而提取目标。实验结果表明,与基于灰度信息的模型相比,该模型可以准确、快速地检测出大场景SAR图像中的建筑物区域。     

图像过渡区提取与分割算法的两个基本问题

基于过渡区提取的图像分割是近年来研究较多的一种图像分割方法，其理论研究还很不完善，如过渡区定义有很多局限性，阈值分割准则还没有给出显式的解释与证明等。给出了广义的过渡区定义，对基于过渡区提取的图像分割准则给出了合理的几何解释与数学证明。该研究内容进一步充实了这一理论框架，对研究过渡区提取与分割算法具有重要的理论意义。     

基于生物视觉特征的目标轮廓提取算法

自然场景中的目标轮廓提取是计算机视觉中的一个重要研究问题。其难点在于场景中大量的纹理边缘严重地干扰了轮廓提取的完整性。近年来,一些研究工作将生物视觉特征引入图像边缘轮廓提取,取得了一定的效果。其中通过引入视觉外区抑制特征可以在提取物体轮廓边缘的同时抑制一定量的纹理边缘,从而得到轮廓边缘集合。然而在整合轮廓边缘时,传统模型仅仅采用求交并集的简单合并方法,使得强响应的细小纹理残留。基于此,提出了一种改进的基于生物视觉特征的自然场景目标轮廓提取算法。首先采用多水平抑制方法得到候选轮廓边缘集合。接着将一种基于生物视觉特征的边缘组合方法用于将候选边缘整合成为一个完整的目标轮廓。与传统的外区抑制算法相比,基于视觉特征的轮廓提取算法提高了自然场景中目标轮廓提取的准确性和完整性。     

基于局部连接度和差异度算子的水平集纹理图像分割

目的 复杂纹理的图像分割一直是图像分割的难题,现有的一些纹理图像分割方法主要通过提取图像确定方向的灰度变化特征或者提取图像的局部灰度相似性特征得到特征图像,从而进行纹理图像的分割,然而,自然纹理中普遍存在局部形态相似和方向不确定的现象,导致现有方法不能准确地分割纹理图像。方法 本文提出局部连接算子和局部差异算子来描述局部纹理的形态相似性和局部纹理的差异度。一方面,通过设定一定阈值,将局部区域的灰度差异分为两类,分析两类差异的分布特征,从而提取图像的形态特性及局部连接度算子;另一方面,设置一种无方向性的灰度差异分析算子,提取图像局部的灰度差异值从而得到局部差异度算子。两个算子结合以更好地提取纹理图像的局部特征,然后通过融合局部相似度特征、局部差异度特征和灰度信息,构造水平集能量泛函,进而通过最小化能量泛函实现纹理图像分割。结果 相比基于Gabor变换、结构张量、局部相似度因子的纹理分割方法,提出的局部算子能够更好地区分自然图像的不同纹理区域,且对实验图像的平均分割准确率高达97%,远高于其他方法。因此,提出的模型对于自然纹理图像具有更好的分割效果。结论 本文提出了两种新颖的纹理特征局部描述子：局部连接度算子和局部差异度算子,能够有效地提取纹理特征,且有一定的互补性。实验表明,提出的方法对于复杂自然纹理图像具有良好的分割效果。     

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.     

纹理元提取与纹理合成的自由参数估计

该文分析了常见的两类纹理:随机性纹理与结构性纹理的特性,针对其不同的统计特征,采用两种方法提取纹理元。对随机性纹理采用变尺度窗口特征跟踪的方法提取纹理元;对结构性纹理,利用其具备较为明显的边界特性,采用基于图像分割的方法提取纹理元。为避免图像噪声和自然边界不连续造成的提取误差,使用Bayes分类进行二次精细分割加以修正。实验证明,该文提出的方法对两类纹理元有较好的提取效果,同时可以用来估计纹理合成时的自由参数。     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

Local entropy-based transition region extraction and thresholding

Transition region based thresholding is a newly developed approach for image segmentation in recent years. Gradient-based transition region extraction methods (G-TREM) are greatly affected by noise. Local entropy in information theory represents the variance of local region and catches the natural properties of transition regions. In this paper, we present a novel local entropy-based transition region extraction method (LE-TREM), which effectively reduces the affects of noise. Experimental results demonstrate that LE-TREM significantly outperforms the conventional G-TREM.     

Gray level difference-based transition region extraction and thresholding

Thresholding method based on transition region is a newly developed approach for image segmentation in recent years. In this paper, a novel transition region extraction and thresholding method based on gray level difference is proposed by analyzing properties of transition region. The gray level difference can effectively represent the essence of transition region. Hence, the proposed algorithm can accurately extract transition region of an image and get ideal segmentation result. The proposed algorithm was compared with two classic transition region-based methods on a variety of synthetic and real world images, and the experimental results show the effectiveness and efficiency of the algorithm.     

基于分形和分水岭的图像分割方法

图像分割是一种重要的图像处理技术,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题.提出了结合分水岭分割与图像分形维数的一种新方法用于对自然背景下人造目标的提取.实验结果证明,该方法能有效抑制自然背景,并提取出人造目标的轮廓.     

A multi-plane approach for text segmentation of complex document images

This study presents a new method, namely the multi-plane segmentation approach, for segmenting and extracting textual objects from various real-life complex document images. The proposed multi-plane segmentation approach first decomposes the document image into distinct object planes to extract and separate homogeneous objects including textual regions of interest, non-text objects such as graphics and pictures, and background textures. This process consists of two stages—localized histogram multilevel thresholding and multi-plane region matching and assembling. Then a text extraction procedure is applied on the resultant planes to detect and extract textual objects with different characteristics in the respective planes. The proposed approach processes document images regionally and adaptively according to their respective local features. Hence detailed characteristics of the extracted textual objects, particularly small characters with thin strokes, as well as gradational illuminations of characters, can be well-preserved. Moreover, this way also allows background objects with uneven, gradational, and sharp variations in contrast, illumination, and texture to be handled easily and well. Experimental results on real-life complex document images demonstrate that the proposed approach is effective in extracting textual objects with various illuminations, sizes, and font styles from various types of complex document images.     

一种新的彩色图象文字提取算法

文字信息在描述图象内容时起着重要的作用,因此文字提取及识别是基于内容视频检索的关键技术。提出了一个从彩色图象背景中提取文字的快速而有效的算法。由于文本字符串的对比度较高,首先用一个改进的sobel算子将彩色图象变换为二值的边缘图象,再对该边缘图象进行涂抹处理,然后基于候选文本区的特征从不同复杂度的彩色图象中提取文本信息,最后将提取出的文本输入到文字识别(OCR)引擎,识别结果证明了此方法的有效性。     

一种融合纹理信息与图论的图像分割方法

针对未成熟苹果图像果实同背景色彩差距较小导致难以分割效果的问题,提出一种融合纹理信息与图论的图像分割方法。该方法先将图像划分为图像块并计算每个图像块的纹理信息,以图像块为节点利用纹理信息构造权函数得到无向带权图,用基于区域合并的图论图像方法进行分割并二次吸收合并。实验结果表明,在对象和背景色彩接近时,该方法比传统分割法效果好,且改善了分割过细的情况。     

结合格式塔完形规则的自然图像分割

目的 由于自然图像容易受到光照等因素的影响,其分割精度往往达不到人类视觉感知的需求,为此提出了一种新的结合格式塔完形规则的自然图像分割方法。方法 首先采用Ncut算法对原图像进行过分割得到若干个子区域,这些局部子区域能弱化光照、背景模糊等自然因素的影响;然后引入格式塔完形规则对区域进行度量,提出了基于区域的量化计算模型,进一步弱化了自然因素的影响,而且所得的区域率更加符合人的视觉感知;最后在区域率的基础上提出了新的合并算法,该算法简单且执行效率高,通过区域合并得到最终的分割结果。结果 30幅图像的定量和目视对比实验表明,本文算法不仅能够很好地将格式塔完形规则应用到图像分割上来,而且对比实验表明,本文算法在评价指数PRI、VOI、GCE上总体性能要优于其他算法,与人工标注的结果比较接近。结论 提出了一种结合格式塔完形规则的自然图像分割方法,该方法在过分割的基础上,采用格式塔完形规则对区域进行度量,有效降低了自然图像易受自然因素的影响,提高了分割精度。实验结果表明,本文提出的结合格式塔完形规则的图像分割算法高效性而准确,但不适合于尖细物体的自然图像的分割。     

A two step salient objects extraction framework based on image segmentation and saliency detection

Salient objects extraction from a still image is a very hot topic, as it owns a lot of useful applications (e.g., image compression, content-based image retrieval, digital watermarking). In this paper, targeted to improve the performance of the extraction approach, we propose a two step salient objects extraction framework based on image segmentation and saliency detection (TIS). Specially, during the first step, the image is segmented into several regions using image segmentation algorithm and the saliency map for the whole image is detected with saliency detection algorithm. In the second step, for each region, some features are extracted for the SVM algorithm to classify the region as a background region or a salient region twice. Experimental results show that our proposed framework can extract the salient objects more precisely and can achieve a good extraction results, compared with previous salient objects extraction methods.