基于金字塔连接算法的彩色图像分割

根据金字塔连接算法的特性，提出一种彩色图像自动分割算法。根据HSV颜色空间颜色和亮度无关，将彩色图像从RGB空间变换到HSV空间，然后用基于金字塔的图像分割算法对色调、饱和度和亮度3个分量进行分割．通过合并得到最终分割结果．试验表明，这是一种计算高效的自动分割算法，     

基于统计模式识别的植物病害彩色图像分割方法

根据植物病害彩色图像的特点,提出了用颜色空间作为特征空间,利用统计模式识别的监督分类方法,采用基于Fisher准则的线性判别函数来对彩色图像进行真彩色二值化分割。结果表明:该方法具有快速、有效和准确的特点,对彩色植物病害图像的分割处理十分有效。     

基于多方法融合的非监督彩色图像分割

针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷,提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率,对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目,通过图像聚类分析并进行像素标签标记,并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割,最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性,且分割效果更接近真实性。通过对分割结果进行量化评价,进一步说明本研究方法在分割精度和准确性方面更具优势。     

基于混合智能算法的彩色图像 模糊颜色聚类分割方法研究

结合模糊技术较好地表达和处理了不确定性问题的特点,提出了一种新的彩色图像模糊聚类分割方法.对于信息量大的彩色图像,提出了采用灰度图像处理在RGB颜色空间的应用的分割方法.在足球机器人视觉系统的软件中,设计模糊聚类混合智能算法(包括遗传算法和蚁群算法)进行图像信息处理.实验结果表明:这种方法能有效提高足球机器人视觉系统的识别与跟踪性能.     

基于BP网络的植物病害彩色图像的分割技术

通过颜色空间的转换,把RGB颜色空间的植物病害图像转换到HSI和YCbCr颜色空间,由于HSI和YCbCr空间的H,Cb,Cr分量与图像的亮度无关,可以有效地抑制噪声,因此选取H,Cb,Cr分量为特征值作为BP人工神经网络的输入值。网络经过训练后,对265幅病害图像进行分割,其中251幅被正确分割,分割的准确率达到94.7%,满足了诊断植物病害的前期处理要求。     

基于分水岭和种子生长的彩色图像分割

提出一种基于分水岭和种子区域生长的彩色图像改进分割算法。该算法先对彩色图像进行分割前预处理,使用分水岭算法对图像进行初始分割,然后根据一定的规则从分水岭算法分割形成的区域中自动选取种子区域并进行生长,最后合并相似区域或小区域。以区域作为种子生长单位,使用种子区域一次性生长方法进行生长。实验结果表明,该算法分割结果较好,分割速度较快。     

高效的彩色图像塔形模糊聚类分割方法

这里提出了一种高效的基于模糊c均值(FCM)聚类的彩色图像分割方法,它利用塔形数据结构对彩色图像进行多层分割。通过对一个彩色图像的分割处理,结果表明,文中所用方法的计算时间仅是用FCM聚类算法而不用塔形进行分割下所需计算时间的十三分之一。     

基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。     

粒视角下彩色图像分割方法

为解决内容驱动的彩色图像分割问题,结合形态学跳连通算子和谱图聚类技术建立基于粒的分割方法．在粒计算的框架下,采用彩色图像的连通性算子构造图像分割问题的基本粒．在估计基本粒尺度的基础上,利用曲面正交多项式拟合技术进行基本粒规则化．通过谱图聚类算法融合各个基本粒,实现粒视角下彩色图像的分割．模拟实验验证了本文所提方法的有效性,面向粒的分割技术在消除边界块效应和降低计算复杂度方面优于基于规则分块和面向像素的分割方法．     

基于中智模糊聚类的彩色图像鲁棒分割算法

为了提高噪声干扰彩色图像分割的鲁棒性,给出一种基于中智模糊聚类的彩色图像改进分割算法。将像素空间邻域信息嵌入现有的中智模糊C-均值聚类目标函数,利用马氏距离代替欧氏距离,度量中智模糊聚类中样本与聚类中心之间的差异程度,获得适合彩色图像分割的模糊聚类目标函数,并采用拉格朗日乘子法获取隶属度和聚类中心的迭代求解表达式。对彩色图像添加高斯噪声和椒盐噪声,图像分割测试结果表明,所给算法相比模糊C-均值聚类算法和基于马氏距离的中智模糊聚类算法有更强的鲁棒性。     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量（H,Cg,Cr）T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

基于复杂背景的彩色图像肤色分割

在使用单个颜色空间进行肤色检测的基础上,提出利用YCbCr和YIQ两种颜色空间同时对单帧图像进行肤色提取的方法,然后对提取的图像进行像素融合和数学形态学处理.实验结果表明,这种方法在确定人脸区域时,简单快速,且减少了人脸的漏检率.     

荧光彩色医学细胞图像分割及其染色体的提取和识别

自动分析识别医学彩色细胞图像中的染色体,不但可以提高诊断疾病的效率还可增强分析病变的准确性。针对细胞图像分割困难的问题,采用动态的相似性算法对彩色医学细胞图像进行分割,并在分割后的细胞中提取两种不同的染色体。在染色体提取时,首先选用染色体的面积、色度、形状和圆相似度作为特征量,然后确定各特征量的隶属度函数,最后用模糊综合判别方法识别真伪目标,从而达到准确提取染色体的目的。通过对大量医学细胞图像的验证,该算法较一般的分类识别法及单一指标识别算法(精度在80%以下)具有更高的识别准确率,其精度高达95%以上,且处理速度也能满足实际应用的要求。     

基于数学形态学和HIS模型的彩色舌图像分割

从数学形态学的基本理论出发,利用数学形态学能描述图像形态特征的特点,结合ＨＩＳ模型,充分考虑图像的彩色信息,提出了基于数学形态学和ＨＩＳ模型的舌图像分割算法,实验结果表明,本算法具有较好的分割性能．     

基于双阈值的移动机器人视觉图像分割

为了提高移动机器人识别目标的快速性,针对RIRAII移动机器人的图像处理和图像匹配问题,考虑到环境中的光照条件的影响和满足实时性的要求,在图像分割中,采用了将RGB和HSV两种色彩系统混合使用的方法,提出了基于颜色信息的RGB和HSV模型下利用双阈值图像分割的方法,对图像进行分割的试验结果证明,该算法能够取得较好的图像分割效果,并且图像分割处理时间减少,满足移动机器人跟踪目标的实时性要求.     

全自主移动机器人视觉系统图像分割方法研究

为了准确跟踪运动中的目标,完成对移动目标的实时跟踪,通过分析不同算法的特点,在视觉系统的软件设计中采用了基于HIS颜色空间的阈值分割法与种子区域生长法相结合的图像分割方法对目标进行分割与跟踪.对视觉系统图像识别与分割所涉及的关键技术包括颜色空间的选取和相应的分割算法进行了必要的分析与改进.实验结果表明这种方法可以对彩色图像进行准确分割.     

彩色图像分割在视频跟踪系统中的应用研究

在视频跟踪系统中,图像分割是进行跟踪的前期处理。只有在视频序列图像中有效的分割出运动目标,才能实现后续对目标的准确跟踪。提出一种混合算法,将一种基于灰度直方图的阈值化分割算法应用到了HSI颜色空间上,利用H进行阈值化,在阈值化之前,先根据R、G、B值对像素进行了筛选;文章应用董立菊等人提出的-种基于RGB空间的K均值聚类算法、一种基于灰度直方图的阈值化算法和混合算法,以目标颜色为特征,对彩色图像进行了分割;针对特定的视频跟踪系统,对各结果进行了比较,得出了结论,找出了较优算法——混合算法效果较理想,能够较有效的分割目标,为后续跟踪工作做好了前期处理工作。     

体表损伤图像的分割

图像分割的研究一直受到人们的高度重视，但是，针对体表损伤图像的分割还未见报道。基于利用体表损伤图像的特点，提出了两种适合损伤图像的分割方法。针对损伤部分和背景色彩相差剧烈的图像，提出了基于彩色图像分割技术路线：颜色调整、抽取RGB之一的分量和数学形态学处理。针对损伤部分的灰度比较均匀的图像，提出了基于活动轮廓模型（Snakes）的图像分割技术路线，共有7个步骤：图像增强、灰度化、中值滤波去除噪声、平滑边缘、提取初始轮廓、采用不同内外力参数的活动轮廓模型的迭代、B样条拟合。实验结果显示了这两种方法的有效性。分割结果为获得法医鉴定中的鉴定参数提供了准备工作。     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．