基于最小生成树和局部阈值的彩色图像分割方法

针对分水岭图像分割算法对于彩色图像的过度分割问题,本文提出一种基于最小生成树和局部阈值的解决方法。该方法主要利用图论中的最小生成树,对分水岭算法产生的过度分割区域进行合并。与其它的基于最小生成树的方法不同,该方法只有当构造出一棵完整的最小生成树时,才能计算出一个局部阈值,该局部阈值可确定原构造最小生成树过程的终止条件,进而可分割出彩色图像中的两个区域。重复上述过程,可分割出原彩色图像中的所有区域。实验证明,本文方法能够对彩色图像进行准确的分割,并且分割结果能很好地符合人眼的感知。     

混合智能算法在彩色图像分割中的运用

与传统的彩色分割技术相比,神经网络、遗传算法以及蚁群算法对彩色图像进行分割时,使人们有了新颖的视觉享受和体会,在很大程度上助长了彩色图像分割向智能化方向延伸的趋势。为了使人们的满意程度提高,技术人员可以依据实际情况将不同的分割方法统一起来,采用混合智能算法,对彩色图像实施分割工作,提高工作成效。本文通过对混合智能法在实践运用中发挥的作用以及取得的效果进行浅析,总结混合智能法的现实意义,期待与从事彩色图像分割工作的技术人员进行分享。     

基于Munsell-HLC颜色空间的彩色图像分割

图像分割既是数字图像处理中的主要研究内容之一,也是进一步进行图像识别、分析和理解的基础。目前,灰度图像分割算法已经比较成熟,随着彩色图像在各个领域的广泛应用,出现了许多用来进行彩色图像分割的颜色空间和色差的理论。这里用HLC颜色空间及颜色距离（色差）实现彩色图像分割,实验结果证明了这种方法的有效性。     

一种自适应FCM彩色图像分割算法*1

针对FCM彩色图像分割算法需要给定聚类数且受初始值影响较大的缺点,提出一种自适应FCM彩色图像分割算法。该方法首先引入主分量变换,通过直方图分析,在RGB彩色空间上自动确定聚类数目,其次引入2D直方图,分析对角线投影1D直方图,并采用最大最小距离法选取初始聚类中心。利用该算法分别对人工合成的和真实的彩色图像进行分割实验,实验结果表明：本文算法能够有效且自适应地分割彩色图像。     

一种自适应FCM彩色图像分割算法

针对FCM彩色图像分割算法需要给定聚类数且受初始值影响较大的缺点,提出一种自适应FCM彩色图像分割算法.该方法首先引入主分量变换,通过直方图分析,在RGB彩色空间上自动确定聚类数目,其次引入2D直方图,分析对角线投影1D直方图,并采用最大最小距离法选取初始聚类中心.利用该算法对各种彩色图像进行分割实验,实验结果表明:该算法能够有效且自适应地分割彩色图像.     

最大隶属度与SVM彩色图像分割新算法研究

图像分割是图像处理的主要问题,也是图像处理的难题之一,由于彩色图像提供了比灰度图像更多的信息,因此彩色图像处理,尤其是彩色图像分割受到了越来越多的重视.提出一种基于HSI模型和模糊最大隶属度原则与SVM的彩色图像分割方法,从彩色图像的彩色直方图中获取目标色RGB模型和背景色RGB模型;再将RGB模型转化为HSI模型建立一组色彩模糊集,对HSI模型进行SVM训练识别,再计算该图像中的色彩在各模糊集中的隶属度;最后确定色彩的归属,再将HSI模型转化为RGB模型,实现了快速有效的彩色图像分割方法的研究.     

基于最大隶属度与SVM的彩色图像分割新算法研究

图像分割是图像处理的主要问题,也是图像处理的难题之一,由于彩色图像提供了比灰度图像更多的信息,因此彩色图像处理,尤其是彩色图像分割受到了越来越多的重视。本论文提出一种基于HSI模型和模糊最大隶属度原则与SVM的彩色图像分割方法,从彩色图像的彩色直方图中获取目标色RGB模型和背景色RGB模型,再将RGB模型转化为HSI模型建立一组色彩模糊集,对HSI模型进行SVM训练识别再计算该图像中的色彩在各模糊集中的隶属度,最后确定色彩的归属,再将HSI模型转化为RGB模型。实现了快速有效的彩色图像分割方法的研究。     

一种基于HSV空间和粗糙集的彩色图像分割方法

研究了基于HSV颜色空间的粗糙集直方图阈值彩色图像分割方法.根据HSV空间的特性,定义了HSV空间颜色距离计算公式,对HSV三分量计算粗糙集直方图和彩色图像进行分割.实验结果表明该方法较好地保留了图像的颜色信息,具有较高的通用性,能够获得满意的分割效果.     

多分辨率下的彩色图像分割方法

通过对彩色图像分割方法的研究,提出一种在多分辨率条件下彩色图像的分割方法。通过离散小波变换获得原始图像的低分辨率近似,并利用分水岭算法对低分辨率近似图像进行初始分割。对初始分割区域根据颜色信息和空间关系按照一定的先后顺序进行合并,直到形成理想的分割结果。对合并后的图像应用小波逆变换得到原始分辨率下的分割结果。在低分辨率下进行的分割和合并大大减小了计算量,提高了分割速度。     

基于图割框架的改进多层图彩色图像分割方法

彩色图像中所含有的颜色信息和纹理信息量很大且非常复杂,伴随着多个目标区域的出现,当前图像分割法很难整合纹理特征与颜色特征,图像分割效果不佳,因此,提出一种基于图割框架的改进多层图彩色图像分割方法,将多层图彩色图像分割问题看作是计算机视觉中的二元标识问题,转换成能量函数最小化问题,给出多标签MRF马尔科夫随机场能量函数,将颜色信息与纹理信息进行融合,通过建立多层图割模型对多类彩色图像能量函数的最小化问题进行求解。为了得到多类分割结果,采用一种自适应迭代收敛准则进行修改,在图割框架下进行多次迭代分割。实验结果表明,所提方法不仅分割效果良好,而且性能优越。     

基于彩色空间的二维OSTU的图像分割算法

图像分割的研究一直是图像处理研究的热点问题,尤其是对彩色图像的分割研究更为重要,虽然对彩色图像分割的研究提出很多分割算法,但是很多算法仍存在缺陷,本文针对解决二维OSTU分割算法分割图像时计算复杂和易受噪声干扰的问题,提出将Lab彩色空间应用到二维OSTU算法中,首先将色彩图像从RGB空间转到Lab空间,然后联合利用L通道、a通道、b通道图像信息进行粗分割,最后针对其中某个通道的图像信息进行二维OSTU细分割.通过试验表明,该方法对彩色图像有较好的分割效果.     

基于K-均值聚类和分水岭算法的PCB彩色图像分割

针对光学检测印刷电路板(PCB)时需要进行图像分割的问题,提出一种结合K-均值聚类算法的分水岭算法,用于PCB彩色图像分割,即首先将PCB彩色图像聚类,分成不同的颜色区域,按照不同区域进行分水岭分割,最后,将分割线透明的加在原始图像上,完成分割。实验表明,本文提出的算法可以分割PCB彩色图像,并且分割效果好。     

基于Gabor小波变换的彩色图像分割

本文提出了一种基于Gabor小波变换的彩色图像分割方法，首先对彩色图像进行Gabor小波变换，然后进行特征提取，并采用动态聚类K-均值算法进行分类，最后得到图像分割的结果。实验和分析表明，该方法对于彩色自然图像的分割具有较好的效果。     

基于遗传算法的彩色图像多阈值分割方法研究

针对彩色图像多阈值分割中阈值个数自动确定困难和优化时间长的问题,首先提出一种新的HSV空间中彩色图像投影预处理方法,然后计算待分割图像的颜色粗糙度,并根据颜色粗糙度确定图像分割的阈值数量,为提高分割效率,利用遗传算法搜索最优分割阈值组合,为提高分割精度,在遗传算法适应度函数设计时既考虑了类内的颜色离散度,又考虑了像素的空间关系。实验结果表明该方法具有较为理想的分割效果,对光线变化具有较好的鲁棒性。     

基于小波和模糊聚类的示温漆彩色图像分割算法

针对小波分析和聚类算法用于彩色图像分割的不足,提出了一种结合小波和模糊聚类示温漆彩色图像分割算法.首先通过小波变换模值得到图像各颜色分量的模值,并与颜色特征一起作为颜色特征量;然后根据聚类算法计算欧氏距离;最后根据欧氏距离和颜色特征量,按照模糊C均值聚类算法完成图像分割.实验结果证明,将该方法应用于示温漆彩色图像分割中,取得了较好的效果.     

一种基于彩色图像的运动人体分割方法

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信忠．受到了越来越多的重视。该文运用改进的背景差分方法，结合直方图双阈值分割和数学形态学的算法。在彩色图像序列中获得运动人体。实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的，能够实时从彩色图像序列中分割出运动人体。     

基才区域显著性的彩色图像分割

提出一种彩色图像分割算法主要利用区域间显著性。先是运用了Kmeans聚类的算法对彩色图像进行分割。然后分析彩色图像中的各个分割区域之间的对比度值以及分割的区域在图像中的位置关系,得到显著性值。根据需要设定显著性阚值．得到目标显著性区域并将其他非显著性区域合并。以此达到目标区域与背景的分离。     

一种彩色图像的分割算法

提出了一种基于两个颜色矢量之间相似性系数的计算,利用区域分离与合并分割彩色图像的方法。该方法将原始彩色图像分割为大小为4×4的矩形区域,分别用平均彩色矢量代表每个矩形区域,然后利用颜色相似系数比较代表每个矩形区域和感兴趣区域的平均彩色矢量的相似性,根据实验设定的阈值合并与感兴趣区域颜色相似的矩形。实验结果表明,本方法可以对彩色图像进行较为有效的分割,符合人类视觉的感知特性,具有一定的实际应用价值。     

基于克隆选择和多重空间构造的彩色图像分割

该文提出一种基于克隆选择和多重空间构造的彩色图像分割方法。该方法首先将一些常见的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分,利用主分量分析技术(PCA)分别对其进行计算,得到最具有识别能力的颜色分量来构造多重颜色空间;然后利用克隆选择算法对样本进行自学习,得到全局最优的聚类中心;最后用得到的聚类中心对图像进行分割。由于该文的方法结合了克隆选择算法的非线性分类能力,通过对彩色图像自适应的构造最佳多重空间,能够快速准确地得到分割结果,克服了传统分割方法使用固定颜色空间以及容易陷入局部最优的缺点。通过实验表明,该方法对彩色图像同质区的分割均匀,边缘保持度好。此外,新方法对彩色图像的亮度和纹理变化不敏感,鲁棒性较强。     

基于支持向量机的彩色图像分割研究

为了提高彩色图像分割方法的性能,提出一种基于支持向量机的手动选择样本点集的分割方法。该方法通过人为主观观察颜色特征变化,在像素峰值处选择样本点,使得背景和目标样本点的颜色差异较明显,达到了简化样本点的目的,从而实现了彩色图像的快速分割,同时比较和分析核函数参数及样本点数目的不同对分割效果的影响。实验证明,与传统的窗口取样相比,该方法更加的快速有效,且算法简单,易于推广。