基于区域生长的彩色图像分割算法

针对传统种子区域生长算法在分割具有复杂纹理的彩色图像中存在的问题,提出一种改进的种子区域生长算法,该算法在YCbCr颜色空间中进行,采用离散余弦变换提取图像纹理特征值,进行自动种子及种子区域的生长,并用区域合并改善过度分割。实验结果表明,该算法能有效提高图像分割的精确性。     

结合蚁群和自动区域生长的彩色图像分割算法

为克服传统区域生长算法对初始种子像素选择以及生长顺序鲁棒性较差等缺点,提出了一种基于蚁群算法优化区域生长的彩色图像分割方法。首先,根据给定阈值,利用蚁群算法自动选取种子像素,然后,根据相邻距离di和相似度值d(Hi,Hj)的值选取生长及终止准则,最后利用数学形态学方法对分割结果进行优化。通过与JSEG和SRG算法比较发现,所提出的改进算法在分割准确性上具有明显优势。     

一种改进的基于区域生长的彩色图像分割方法

提出一种改进的基于区域生长的彩色图像分割方法.首先,将图像从RGB颜色空间转换到YCbCr颜色空间.其次,自动选取种子点,利用区域生长法进行分割.最后,使用改进区域合并算法合并相似的、小尺寸的区域.对网上随机抽取的图像进行了测试,实验结果证明了提出方法的有效性.     

一种融合颜色和空间信息的区域生长算法

该文提出了一种基于图像颜色和局部空间信息的种子区域生长算法,并用于彩色图像分割。该算法首先根据相对欧式距离使用均值聚类算法对图像进行颜色量化,形成图像的初始分割结果,然后通过计算局部颜色散度,进行分级区域合并,最后,利用形态学相关算法对分割区域的边缘进行平滑。实验表明,该算法能得到与人类视觉判断相一致的有意义区域的分割。     

基于矢量量化和区域生长的彩色图像分割新算法

针对光照变化和阴影对图像分割的不利影响问题,提出了一种基于矢量量化和区域生长的彩色图像分割新算法。该算法不仅考虑了彩色图像的颜色信息,而且也考虑了彩色图像的空间信息。该算法首先利用一种修改的GLA算法对彩色图像进行量化,并根据彩色图像量化的结果选取种子像素;然后基于矢量角相似性准则,并结合像素空间邻接信息,对每一个种子像素进行区域生长;最后利用模糊C-M eans算法来对未能归类的剩余像素进行分类。实验表明,该算法不仅可以在很大程度上克服光照变化及阴影对图像分割的不利影响,而且分割结果与人的主观视觉感知具有良好的一致性。     

彩色图像区域生长算法的道路分割识别

将彩色图像区域生长算法应用到智能交通的道路分割中。针对彩色图像,提出了一种简单的颜色特征提取方法。该方法利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则。实验结果表明：该方法在保证区域连通性的同时,也能够有效的分割出道路区域,同时对各种路况有良好的适应性。     

一种局部纹理特征在区域生长中的应用*

为克服现有算法不能自动选择种子且没有很好地利用纹理信息的局限性,提出了一种基于局部纹理特征的区域生长算法。算法分为两个阶段,即颜色量化和区域生长。先利用Mean Shift算法对颜色聚类,对图像预分割,用该局部量化纹理算法提取量化结果的纹理特征,由该纹理特征自动选择种子并分级合并区域。与经典的JSEG算法相比,该算法能够得到相似的分割结果,且计算复杂度低。     

基于改进区域生长算法的彩色图像分割

本文提出一种改进的区域生长算法.该算法利用颜色分类结果和连续图像的相似性,改进了种子搜索方法,与全局搜索种子的方法相比减少了种子搜索的时间,并且实现简单有效.实验结果表明改进的区域增长算法应用于RoboCup中型组足球机器人的全景彩色图像分割具有良好的时效性.     

基于子块的区域生长的彩色图像分割算法

提出了一种基于图像子块的区域生长算法,应用于彩色图像分割。首先将图像划分成多个不重叠子块,然后利用从CIE L*a*b*颜色空间中提取出的每个子块的颜色和纹理特征,先进行子块内颜色聚类,达到子块分类的目的,再根据生长准则进行基于分类子块的区域生长,实现对自然彩色图像的分割。实验结果证明了算法的有效性,分割结果符合人的主观感知。     

基于区域增长的可视人彩色图像分割

提出了一种基于区域生长的彩色图像分割算法,以提取可视人数据集中真彩解剖切片的组织器官。通过对彩色图像颜色特征空间RGB和HSV的分析,选择出适合可视人数据中肺部器官特征的颜色分量作为生长算法中分割合并的特征度量法则。实验表明,该方法能较好地分割出可视人真彩胸部图像中的肺部器官。     

一种基于区域分级合并的彩色图像分割方法

在区域合并过程中,手工设置颜色相似性和边界距离的权重极大地影响了分割的精度和自动化.针对这一问题,提出了一种新的基于区域分级合并的彩色图像分割算法.该方法能够根据邻接区域的边界特点设置权重因子,从而自适应地融合区域的颜色相似性和边界距离.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;通过计算区域相似度对区域进行分级合并.多幅彩色图像的分割实验结果证明,所提算法优于传统的基于区域合并的方法.     

融合多特征的运动一致性图像分割

目的:在彩色图像分割中,光流法能够得到运动区域,但难以获得运动目标准确的分割边界,而常用的算法往往会产生过分割。为了克服光流法的不足,在保留显著性区域的同时抑制过分割,从而获得具有运动一致性区域的分割结果,提出融合多特征的运动一致性图像分割算法。方法:首先通过Mean Shift算法获取图像的初始分割,然后利用空域信息（包括颜色、边缘和区域面积）对视觉感知上具有相似性的区域进行合并,再利用时域信息进行运动一致性区域合并,最终得到分割结果。结果:实验结果表明通过结合时空信息,该方法能够有效抑制过分割,不仅弥补了光流场不能准确提取目标边缘的不足,而且提高了分割目标的完整性。结论:与两种流行的彩色图像分割算法相比,所提方法获得了更加理想的结果。     

一种融合颜色和空间信息的彩色图像分割算法

提出了一种基于图像颜色和空间信息的彩色图像分割算法.该算法首先根据所提出的颜色粗糙度概念对图像进行颜色量化,并在此基础上使用增量式的区域生长算法发现颜色相近的像素之间的空间连通性,形成图像的初始分割区域.然后,根据融合了颜色和空间信息的区域距离,对初始分割区域进行分级合并,直到系统满足了所提出的停止区域合并的准则.最后,利用形态学的有关算法对分割区域的边缘进行平滑.实验证明,算法的分割结果与人的主观视觉感知具有良好的一致性.     

融合mean shift和区域显著性的彩色图像分割算法

提出了一种无监督的提取图像中显著区域的彩色图像分割算法。首先,运用mean shift算法对图像进行分割,得到初始的分割结果;然后,根据给出的区域显著性的定义和区域合并策略,对初始分割结果进行合并,得到最终的分割结果。仿真结果表明,对于大多数测试图像,该算法都能获得很好的分割结果,并且具有较高的运行效率。     

Color image segmentation based on multiobjective artificial bee colony optimization

This paper presents a new color image segmentation method based on a multiobjective optimization algorithm, named improved bee colony algorithm for multi-objective optimization (IBMO). Segmentation is posed as a clustering problem through grouping image features in this approach, which combines IBMO with seeded region growing (SRG). Since feature extraction has a crucial role for image segmentation, the presented method is firstly focused on this manner. The main features of an image: color, texture and gradient magnitudes are measured by using the local homogeneity, Gabor filter and color spaces. Then SRG utilizes the extracted feature vector to classify the pixels spatially. It starts running from centroid points called as seeds. IBMO determines the coordinates of the seed points and similarity difference of each region by optimizing a set of cluster validity indices simultaneously in order to improve the quality of segmentation. Finally, segmentation is completed by merging small and similar regions. The proposed method was applied on several natural images obtained from Berkeley segmentation database. The robustness of the proposed ideas was showed by comparison of hand-labeled and experimentally obtained segmentation results. Besides, it has been seen that the obtained segmentation results have better values than the ones obtained from fuzzy c-means which is one of the most popular methods used in image segmentation, non-dominated sorting genetic algorithm II which is a state-of-the-art algorithm, and non-dominated sorted PSO which is an adapted algorithm of PSO for multi-objective optimization.     

基于K均值聚类与区域合并的彩色图像分割算法

提出一种基于K均值聚类与区域合并的彩色图像分割算法。首先,对图像运用mean shift算法进行滤波,在对图像进行平滑的同时保持图像的边缘;然后,运用K均值算法对图像在颜色空间进行聚类,得到初始分割的结果;最后,给出了一种区域合并策略,对初始分割获得的区域进行合并,得到最终的分割结果。仿真结果表明,算法的分割结果和人的主观视觉感知具有良好的一致性。     

符合人类视觉感知的图像对象分割方法

提出一种符合人类视觉感知的图像对象分割方法,包括双尺度的区域分割和基于模型的对象提取。运用非线性尺度算子对图像进行大尺度平滑,结合颜色量化和视觉一致性的颜色聚类完成图像的粗分割。在原尺度上融合区域的纹理、颜色信息对分割区域进行区域合并,并利用对象模型完成图像对象的提取。实验结果表明,该算法的分割结果符合人类视觉感知特性,能够较好地完成图像对象分割。     

彩色序列图像中移动目标定位与区域提取

提出一种基于彩色序列图像提取移动目标区域的新方法。首先采用时态差分法进行运动目标定位,对彩色序列图像进行差分;然后通过选择阈值将彩色差分图像转化为二值图像;为了克服背景扰动和摄像头抖动,采用了对称差分算法,使得运动目标的定位更为准确。最后在对称差分的基础上,通过投影提取移动目标区域,为了消除扰动造成的影响,采用了杂块去除和区域合并方法。实验结果表明所提方法能有效快速地提取出移动目标。     

基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。     

融合聚类和分级区域合并的彩色图像分割方法

提出了一种融合聚类的分级区域合并彩色图像分割方法。为平滑图像且保持良好边缘,首先用均值偏移算法进行滤波,在此基础上运用改进的k均值聚类方法在颜色空间对图像进行聚类,形成图像的初始分割区域。融合颜色、空间和邻域信息度量区域的距离,对初始分割区域进行分级合并,直至满足停止区域合并的准则。利用形态学腐蚀与膨胀算法对区域边缘进行平滑。仿真结果表明,算法的分割结果符合人类主观视觉感知,具有良好的一致性。