结合Ostu阈值法的最小生成树图像分割算法

基于最小生成树的图像分割算法是一种全局最优的算法，然而会出现图像细节的处理不甚理想的问题，即分割结果出现不同程度的过分割和欠分割的现象。针对这一现象，根据图像全局和区域间的最大类间方差（Ostu），将Ostu阈值法与最小生成树（MST）算法相结合，提出了一种基于MST的Ostu阈值法图像分割准则。该图像分割算法是一种MST的优化方法，将区域合并判决条件取决于相互合并的两个区域的Ostu阈值，又考虑到较小的区域包含在较大的目标区域中或者背景区域中，再次使用Ostu阈值进行区域合并。该方法通过实验证明，可以有效地减弱图像的过分割与欠分割比例，减少了误分割率。     

基于自适应局部阈值的彩色图像分割

使用基于图论的最小生成树方法进行图像分割,能够获得全局的分割效果及良好的运行效率,但是图中边的数目太多,而且使用固定阈值合并的最小生成树不能适用于所有彩色图像。本文针对这一问题,结合分水岭方法,先将分水岭变换产生的初始分割区域转变成图论中的顶点和边,再用最小生成树合并,通过分析局部信息变化,得到自适应局部阈值。实验表明,基于自适应局部阈值的最小生成树分割效果比基于全局阈值最小生成树的分割效果要好。     

基于最小生成树的图像分割

基于最小生成树思想,给出了一种利用改进的最小生成树进行图像分割的方案,减少了最小生成树的构建过程,对初分割的结果利用NNG算法进行合并。该方案节约了分割时间,并且对分割后的图像进行了有效的合并,达到了较好的分割效果。     

一种改进的基于图论的图像分割方法

由于传统基于图论的图像分割方法是基于像素级别的,随着像素的增多,其应用也受到了限制,因此,提出一种改进的图像分割方法。该图像分割方法利用Dijkstra算法,将图像的像素点聚集形成超像素;应用Kruskal算法,得到最小生成树,确定并删除最小生成树的不一致边,完成图像分割。实验结果表明,改进方法分割的区域内部特征具有较好的均匀性和一致性。     

基于阈值约束最小生成树算法的区域合并方法

为了解决基于形态学的分水岭分割算法受噪声影响而产生的“过分割”问题,提出了基于阈值约束最小生成树算法的区域合并方法.利用图论中最小生成树算法(prim算法、kruskal算法和boruvka算法),把分割后的区域看作是图的顶点,有相邻关系的区域看作是图的边,相邻区域的特征差异看作是边的权值,通过设置合适的阈值和迭代次数进行区域合并.实验结果表明,该方法保持地物边界的同时能够快速有效地合并“过分割”区域,尤其适用于地物复杂、尺寸较大的遥感图像.     

一种应用遗传算法的彩色图像分割方法

遗传算法在复杂大空间搜索近似最优值有着很好的效果,利用遗传算法的优势,应用其解决图像分割问题.图像分割中,区域间差别度和区域内相似度是评价图像分割的重要因素,用遗传算法优化图像区域间差别和区域内相对相似度,获得高质量的图像分割结果.为了提高算法效率,采用贪心方法进行图像预处理,以及最小生成树初始化来减小算法的规模和搜索空间.实验证明采用遗传算法在图像分割问题可取得有效的结果.     

基于改进区域邻接图的遥感图像多尺度快速分割方法

提出一种针对高分辨率遥感图像的多尺度快速分割方法,首先利用直接分水岭分割得到初始分割结果,而后构建改进的区域邻接图,并在其基础上通过较为快速的区域合并策略得到最终分割结果。合并准则为相邻区域间的特征向量差,合并过程中通过设置区域允许最大标准差和区域允许最大面积两个尺度控制参数以生成不同尺度的分割结果。以QuickBird卫星图像进行实验,通过监督评价以及与eCognition软件进行比较,结果表明本文分割方法在精度和效率方面均效果较好,具备实际应用的潜力。     

基于四叉树与图割的遥感图像分割方法

针对图割算法实时性差的问题,提出一种基于四叉树与图割的遥感图像分割方法。用四叉树分割方法将遥感图像分割成多个区域,根据区域的邻接性合并相似小区域,结合区域间的灰度和位置信息,利用Normalized Cut方法在区域间进行划分,完成图像的分割。实验结果证明该方法能有效消除四叉树方法的过分割现象。     

一种基于图论的图像分割算法

针对图像分割应用中阈值难以确定的问题,提出一种基于图论的图像分割算法。利用二维高斯分布函数给出边权重函数的动态自适应系数,结合区域间、区域内的相似度函数定义差距函数,得到适合区域合并的动态判定函数。实验结果表明,与其他算法相比,该算法的图像分割效果较好,花费时间较少。     

一种交互式的云模型图像分割方法

论文针对图像分割中存在的不确定性问题,通过研究不确定性人工智能中定性和定量的转换模型—云模型,提出一种新的基于云模型的图像分割方法。该方法采取交互式的方式选择训练样区,利用训练样区中的像素生成云模型,并通过泛概念树生成算法生成泛概念树,最后通过极大判定法判定像素所属类别,实现图像分割。这种方法能较好地描述图像目标的不确定性。通过几组实验,证明该方法可以准确地分割出目标,并优于传统的图像分割算法。     

基于SLIC和区域生长的目标分割算法

传统区域生长算法的分割结果依赖于种子点的选取,且图像自身的噪声以及灰度值不均匀等问题易在分割目标过程中形成分割空洞,针对以上问题提出了基于超像素的改进区域生长算法。采用拉普拉斯锐化,增强待分割目标边界,之后根据像素灰度相似的特征采用SLIC（简单线性迭代聚类算法）超像素分割将原始图像分割成若干不规则区域,建立不规则区域间的无向加权图,选取种子区域,根据无向加权图以分割好的不规则区域为单位进行区域生长,最后在分割目标边缘处以像素为单位做区域生长,细化边界。对比于传统区域生长算法,改进后的算法在分割结果上受种子点选取影响较小,且能有效地解决分割空洞等问题。对比于聚类分割,Otsu（最大类间方差）阈值分割法等典型算法,该算法在分割精度上具有明显优势。     

利用三维自适应分裂-合并的MRI图像分割算法设计

为了在医学图像分割中,发现均匀几何三维区域的复杂形状,以提高分割准确率,提出一种基于3D几何特征分裂-合并(ASM)的脑部MRI图像分割算法;首先构建简单平行六面体的12种3D区域分割策略,体积分割技术将整个体积划分为许多大的均匀三维几何区;然后,在体积内定义更多小的均匀区域,以便在随后的合并步骤中有更大的生存概率;最后,进行多级区域合并,合并阶段只涉及复杂ASM树的叶子,考虑灰度相似性和共同边界区的大小,将小的区域合并为大邻近区;相比其他几种MRI图像分割算法,提出的方法在分割过程对噪声具有鲁棒性,提高了分割性能和准确率;另外提出的方法不需要训练数据集。     

Unsupervised segmentation of color-texture regions in images andvideo

A method for unsupervised segmentation of color-texture regions in images and video is presented. This method, which we refer to as JSEG, consists of two independent steps: color quantization and spatial segmentation. In the first step, colors in the image are quantized to several representative classes that can be used to differentiate regions in the image. The image pixels are then replaced by their corresponding color class labels, thus forming a class-map of the image. The focus of this work is on spatial segmentation, where a criterion for “good” segmentation using the class-map is proposed. Applying the criterion to local windows in the class-map results in the “J-image,” in which high and low values correspond to possible boundaries and interiors of color-texture regions. A region growing method is then used to segment the image based on the multiscale J-images. A similar approach is applied to video sequences. An additional region tracking scheme is embedded into the region growing process to achieve consistent segmentation and tracking results, even for scenes with nonrigid object motion. Experiments show the robustness of the JSEG algorithm on real images and video     

融合区域合并和Graph Cuts的彩色图像分割方法

针对使用Graph Cuts方法对图像进行分割极大影响分割精度这一问题,提出了一种新的融合区域分级合并和Graph Cuts的彩色图像分割算法。该算法首先使用均值漂移算法对图像进行初始分割,将原图像分割为具有较好边界的同质区域;然后,通过计算区域相似度对区域进行分级合并,之后构建精简的加权图,并使用Graph Cuts进行分割。多幅彩色图像的分割实验结果证明,所提算法具有较好的分割效果。     

Color Image Segmentation for Multimedia Applications

Image segmentation is crucial for multimedia applications. Multimedia databases utilize segmentation for the storage and indexing of images and video. Image segmentation is used for object tracking in the new MPEG-7 video compression standard. It is also used in video conferencing for compression and coding purposes. These are only some of the multimedia applications in image segmentation. It is usually the first task of any image analysis process, and thus, subsequent tasks rely heavily on the quality of segmentation. The proposed method of color image segmentation is very effective in segmenting a multimedia-type image into regions. Pixels are first classified as either chromatic or achromatic depending on their HSI color values. Next, a seed determination algorithm finds seed pixels that are in the center of regions. These seed pixels are used in the region growing step to grow regions by comparing these seed pixels to neighboring pixels using the cylindrical distance metric. Merging regions that are similar in color is a final means used for segmenting the image into even smaller regions.     

CAD mesh model segmentation by clustering

CAD mesh models have been widely employed in current CAD/CAM systems, where it is quite useful to recognize the features of the CAD mesh models. The first step of feature recognition is to segment the CAD mesh model into meaningful parts. Although there are lots of mesh segmentation methods in literature, the majority of them are not suitable to CAD mesh models. In this paper, we design a mesh segmentation method based on clustering, dedicated to the CAD mesh model. Specifically, by the agglomerative clustering method, the given CAD mesh model is first clustered into the sparse and dense triangle regions. Furthermore, the sparse triangle region is separated into planar regions, cylindrical regions, and conical regions by the Gauss map of the triangular faces and Hough transformation; the dense triangle region is also segmented by the mean shift operation performed on the mean curvature field defined on the mesh faces. Lots of empirical results demonstrate the effectiveness and efficiency of the CAD mesh segmentation method in this paper.     

一种SVM与区域生长相结合的图像分割方法

作为一种全局门限处理方法,支持向量机图像分割方法不能完成对图像进行精细分割,其分割结果需要其他分割方法进一步处理。提出一种结合支持向量机和区域生长的交互式分割方法,不仅可有效剔除与感兴趣区域特征类似的非目标区域,而且把为SVM选择训练样本和为区域生长选择种子点两个步骤合二为一,从而提高了图像分割质量和交互式分割方法的自动分割能力。     

Text segmentation using gabor filters for automatic document processing

There is a considerable interest in designing automatic systems that will scan a given paper document and store it on electronic media for easier storage, manipulation, and access. Most documents contain graphics and images in addition to text. Thus, the document image has to be segmented to identify the text regions, so that OCR techniques may be applied only to those regions. In this paper, we present a simple method for document image segmentation in which text regions in a given document image are automatically identified. The proposed segmentation method for document images is based on a multichannel filtering approach to texture segmentation. The text in the document is considered as a textured region. Nontext contents in the document, such as blank spaces, graphics, and pictures, are considered as regions with different textures. Thus, the problem of segmenting document images into text and nontext regions can be posed as a texture segmentation problem. Two-dimensional Gabor filters are used to extract texture features for each of these regions. These filters have been extensively used earlier for a variety of texture segmentation tasks. Here we apply the same filters to the document image segmentation problem. Our segmentation method does not assume any a priori knowledge about the content or font styles of the document, and is shown to work even for skewed images and handwritten text. Results of the proposed segmentation method are presented for several test images which demonstrate the robustness of this technique. This work was supported by the National Science Foundation under NSF grant CDA-88-06599 and by a grant from E. 1. Du Pont De Nemours & Company.     

基于区域分割的红外和可见光图像融合方法

针对红外和可见光图像融合在场景监控中的应用,提出了一种基于区域分割的图像融合方法。首先采用改进的区域生长法对源图像进行区域分割,得到用于融合图像的联合区域表示,然后综合考虑目标灰度和面积的特点将区域划分为目标区域和背景区域,分别采取基于区域能量和区域平均梯度的融合规则得到融合图像。通过对两组不同场景下的图像进行实验,结果表明该方法能够有效地保持源图像特征,融合结果有利于人眼感知和机器视觉。     

基于云模型的图像区域分割方法

基于区域的图像分割方法由于其高效、稳健的特点成为自动或半自动图像分割方法的研究热点之一。针对区域分割方法中存在的不确定性问题,提出了一种基于云模型的区域分割方法。首先以云变换为基础确定了区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程,最后以云综合算法为基础将相邻区域进行合并,实现了基于区域的不确定性图像分割。两组图像分割实验表明该方法可以准确地分割出目标,并优于传统的图像分割算法。