基于均值漂移的自适应纹理图像分割方法

提出了一种基于小波多尺度分析和均值漂移的无监督纹理分割方法.该方法利用均值漂移聚类实现基于小波特征的完全无监督自适应多尺度分割,既不需要进行训练也不需要分割类别数等先验知识.该方法根据一定的策略在尺度间进行信息传递,自适应地为图像不同区域确定合适的分割尺度,即纹理内部区域使用粗尺度特征而不同纹理间的交界处使用较细尺度特征,这样就在保证区域一致性的同时更准确地定位图像边缘.对比实验结果表明,该方法在合成纹理和真实纹理图像中都有较好的性能,其多尺度的分割过程类似于人类视觉系统感知,并且较之有监督的传统分割方法也更具优势.     

无监督纹理遥感图像分形分割仿真

针对无监督纹理遥感图像分形分割时,仅利用光谱信息,没有充分利用遥感图像中的纹理信息造成过分割或是欠分割的问题,提出结合光谱信息和纹理信息的无监督遥感图像分形分割方法。方法首先借助于双边滤波算法建立双边滤波模型,对无监督遥感图像进行平滑处理,利用边缘检测算子获取无监督遥感图像的纹理梯度和光谱梯度,保留遥感图像的纹理信息。将图像纹理梯度和光谱梯度的内积范数作为K-means算法的距离测度,针对K-means算法易陷入局部寻优问题,将遗传算法与K-means算法相结合实现全局寻优,完成无监督纹理遥感图像分形分割。通过在高分辨率遥感图像上的分割对比实验,证明上述方法能充分利用遥感图像的光谱和纹理信息,分割效果良好。     

基于分形纹理的遥感图像岩性识别方法

根据分形理论和遥感影像的特征，本提出一种图像分形纹理计算方法。分形纹理能够准确刻画图像的空间特征信息，在遥感图像分类中作为空间特征信息的补充。利用该方法在河西走廊酒泉盆地的红柳峡地区进行了TM图像的岩性分类实验，当只采用原始TM六个波段图像分类时，精度仅为71．62％，而采用分类纹理信息时分类精度则提高到79．54％。说明分形纹理对岩性空间特征信息有较好的描述，将分形纹理信息配合原始波段进行岩性识别时，总体识别精度达到87．93％．提高了16．3个百分点。因此，该分形纹理对于图像空间特征信息的描述具有重要意义。     

结合纹理分析的多光谱图像分类研究

为了有效抑制同谱异物和同物异谱对多光谱遥感图像分类的影响,提出了一种宏观与微观相结合的两级多光谱地物分类算法:首先,通过基于纹理特征的动态聚类形成地形地貌相同或相似的区域分块,降低地物复杂度对后续基于光谱特征鼢的地物分类的影响,然后,再根据每个区域分块中地物的光谱特征分层次进行再分类,从而得到对整幅图像的分类结果.最后,以大庆遥感数据为例,给出了实验结果和精度评价.     

结合纹理信息的图像分割方法及其应用

文章提出了一种结合纹理信息的图像分割方法,设计并实现了一种基于子区域的区域增长算法,该方法较有效地利用了欲分割对象区域的灰度以及纹理信息．该方法应用于医学图像的分割问题,得到了较好的效果．实验表明,该方法针对一类图像能够获得较好的结果.     

完全无监督的纹理图像分割

借助于完全离散小波分解得到的大量子图像数据作为均值移动算法的收敛数据,寻找灰度直方图中灰度集中收敛点,并对其收敛点进行模糊聚类,达到分割图像的目的.这一方法已经在竹材横截面细胞壁结晶区图像的测量中得到实际应用,并已经取得了良好的效果.     

基于均值漂移与空间信息的导向模糊C均值遥感图像分割算法

作为图像数据结构分割的重要工具,模糊C均值已被广泛应用于计算机视觉领域。然而模糊C均值在图像分割过程中不能有效地保留边缘和抑制噪声,往往得不到理想的分割结果。为解决这一问题,本文利用导向滤波器推导出一种新的改进模糊C均值算法。该算法的第一个创新点是其线性平移不变滤波过程,利用边缘保持平滑特性来保留分割中的边缘结构。第二个创新点是该技术通过将空间信息引入目标函数来改善对噪声的鲁棒性,空间信息通过导向滤波的平均输出获得。为了解决聚类算法中初始聚类中心问题,在图像分割过程中使用均值漂移算法选取初始聚类中心。本文方法的主要优点在于其对边缘保留和噪声具有鲁棒性,进而提高分割精度。基于合成图像和真实遥感图像的实验结果表明,与其他主流分割算法相比,该方法在分割性能方面表现出了良好的性能。     

结合模糊聚类算法的图像分割方法

在介绍聚类分析原理的基础上,比较了几种聚类分割算法,得出了模糊C-均值聚类方法在图像分割中的优势.最后,基于排列组合熵和灰度特征,结合模糊C-均值聚类算法对图像纹理进行分割.实验结果表明,该方法既能快速地分割图像,又具有较好的抗噪能力,分割效果较为理想.     

基于第2代Curvelet的非监督式纹理缺陷分割

针对纹理缺陷分割问题,将曲波变换与均值漂移理论相结合,形成有效的纹理分割新方法。首先,通过曲波变换将图像分解到各通道,对各通道的图像进行非线性变换得到特征图像;然后,用均值漂移算法对各通道特征图像进行自适应聚类,找到各通道的奇异点;最后,对所有通道滤波后的图像进行重构,使缺陷凸显并通过阈值法二值化。该方法不需要学习样本,可以快速、精确地定位到多目标物边界,对旋转、亮度变化、噪声、弱边界具有很强的鲁棒性。通过MATLAB进行仿真实验,验证了该方法的有效性。     

基于视觉注意的遥感图像森林植被纹理分割

树冠作为遥感图像森林植被的典型纹理单元,具有突出的结构纹理特征,但现有分割方法较少利用此类结构纹理进行分割。为此,提出一种基于视觉注意机制的遥感图像森林植被纹理分割方法。将遥感图像中树冠的形状和结构作为视觉注意目标,通过纹理滤波增强树冠纹理,使用特定的多尺度树冠显著图圆盘(SID)模型标记树冠,并将各个多尺度树冠SID作为种子,设计改进的区域生长方法分割森林植被区域。实验结果表明,该方法能够准确标记多数典型树冠,有效提高森林植被区域的分割精度。     

基于双树复小波和灰度共生矩阵的遥感图像分割

提出了一种将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征并用于分割的方法。该方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后用Canberra距离进行相似性度量,最终通过聚类完成遥感图像分割。实验结果表明,该纹理特征提取方法可以有效地表征遥感图像的纹理,得到更为精确的遥感图像分割结果。     

融合颜色和区域信息的彩色图像分割新方法

结合了均值漂移算法和区域合并算法,取长补短,提出了一种融合颜色和区域信息的彩色图像分割方法。该算法首先利用均值漂移求取各个局部极值(聚类中心),在带宽求取和权重设置上使用了自适应法则,使算法更具有适用性;然后使用一个基于阀值的区域合并算法,解决了均值漂移对纹理和关照变化的过分割。实验证明,该算法是有效的。     

一种织物彩色图像的分割算法

提出了一种针对织物彩色图像的分割算法。该算法在颜色聚类的基础上,把每种颜色用 不同的序号来表示,生成一个与原图同大小的序号矩阵,然后根据矩阵中序号的分布进行初始分割并 产生种子区域,再把初始分割未能确定的像素指派到种子区域中,最后根据颜色信息合并过分割的区 域,并对区域边缘进行平滑,得到最终的分割结果。实验表明,该算法能较有效地实现各类彩色织物 图像的分割。     

遥感图像分割中的信息割算法

提出了一种改进的信息割（MIC）算法。首先证明了信息割（IC）模型与Cauchy-Schwarz cut（CScut）等价,并通过图谱方法给出IC目标函数优化问题的最优解;其次利用 图像中像素点间的灰度和空间关联性,在IC算法的基础上提出一种MIC算法,该算法首次使用联合灰度信息和空间位置信息的Parzen窗函数来估计概率密度函数,降低了图像中灰度 变化对图像分割的影响。加噪合成图像及遥感图像分割实验结果表明MIC算法较IC算法具有更好的抗噪性能,且与图谱方法相比计算复杂度显著降低。     

湿地遥感图像分割算法设计及实现

提出了一种结合熵和模糊C均值的聚类分割方法。模糊C均值（FCM）聚类算法广泛用于图像的自动分割,但是传统的FCM算法没有考虑像素的空间信息,因而对噪声十分敏感,基于二维直方图的模糊C均值聚类算法除了考虑像素点的灰度信息外还考虑了像素点邻域的空间信息,可有效地抑制噪声;在目标函数中引入熵项则能更好地抑制噪声和外围点对类中心估计的影响。实验分析结果表明,算法对湿地遥感图像的分割效果优于FCM算法。     

自适应感受野机制遥感图像分割模型

目的 遥感图像中存在大小、形态不一的目标,增加了目标分割任务的困难性。感受野代表了特征图中每个像素对应输入图像的区域,若感受野与目标形状的契合度较高,则特征图中包含的目标特征更加完整,有利于分割。在现有的分割方法中,通常采用的是正方形的感受野,而遥感图像中目标形状多变,导致感受野无法较好地契合目标形状,在提取目标特征时会引入过多的无用特征,从而影响分割精度。为此,本文提出基于自适应感受野机制的遥感图像分割模型。方法 在编码—解码网络结构的基础上,引入自适应感受野机制。首先在编码器上提取不同大小和宽高比的感受野特征,然后在特征融合时使用通道注意力模块自适应地获取通道权重,通过加权强化与目标形状契合度高的感受野的特征,弱化与目标形状契合度低的感受野的特征,在保留目标特征的同时减少背景特征的干扰,进而提升模型的分割精度。结果 在Inria Aerial Image Labeling数据集与DeepGlobe Road Extraction数据集上进行实验并与相关方法比较,在两个数据集上的平均交并比分别为76.1%和61.9%,平均F1值分别为86.5%和76.5%。结论 本文模型能够提取不同形状感受野的特征,并自适应地获取通道权重,使模型能提取更加完整的目标特征,从而提升目标分割效果。     

抑制纹理信息的偏置场变分图像分割模型

偏置场变分水平集图像分割模型利用原始图像的局部灰度信息,可以对灰度不均匀图像进行有效的分割,但当灰度图像中存在纹理时,分割效果往往很差。针对这一问题,提出抑制纹理信息的偏置场变分水平集图像分割模型。利用一种基于纹理几何结构的纹理描述符描述图像中不同的纹理区域,使得不同纹理区域对比更加明显,相同纹理区域更加平滑,通过抑制纹理信息使后续的图像分割在纹理部分的错分大大减少。实验结果表明,相比偏置场变分模型,所提模型对自然及人工合成纹理图像均获得更好的分割结果。     

基于均值偏移的彩色图像分割算法

提出了一种基于均值偏移的彩色图像分割算法。首先阐述了在CIE LUV均匀彩色模型下均值偏移算法的基本原理,然后给出了在图像分割中的具体实现方法：选定一个像素,在适当的空间窗和色彩窗限定的特征空间中寻找模式点,实现窗口中心从选定点到模式点的偏移,重复此过程,直到找到稳定的模式点并用模式点的色彩值代替该像素,遍历所有像素,最终达到对所有像素进行聚类。通过两幅图像对算法进行检验,实验结果证明该算法对彩色图像具有良好的分割效果。     

融合多特征的均值漂移彩色图像分割方法

针对均值漂移图像分割方法中只考虑图像颜色和空间信息,对纹理丰富的图像不能进行有效分割的情况,提出一种新的融合图像颜色、纹理和空间等低层特征信息的图像分割方法.用极性、各向异性和对比度来表示图像的纹理信息,并结合颜色和空间信息形成图像分割特征;然后用均值漂移进行图像滤波;最后,进行区域合并得到分割结果.实验结果表明,该方法对纹理丰富的自然风景图像有较好的分割效果.