基于HSV色彩模型与区域生长法的水文图像分割

针对水文监测过程中视频图像信噪比高、观测目标颜色特征明显以及目标区域位置关系特定等特点,提出一种改进的水文图像分割方法。通过将HSV色彩模型划分为量化区间,三维颜色信息转换成一维数组,对HSV模型的明度分量进行二次量化,从而根据颜色区域进行优化分割。在此基础上,利用改进的区域生长法得到当前水位值,实现水文图像的分割。实验结果表明,该方法能够快速分割出目标区域,并且解决了水文图像像素间的连通性和邻近性问题。     

基于梯度与颜色信息融合的水文资料图像分割

针对纸质水文资料数字化应用,对相机拍摄的水文资料图像进行分割,提出基于梯度和颜色信息融合的水文图像分割方法。首先利用图像在CIELab空间上的颜色分量特征分割出曲线,然后进行分块处理,利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点,统计这些像素点的颜色信息,利用颜色分量关系对网格线进行初步提取,之后加入水平和垂直方向的腐蚀,合并两方向的结果得到最终的网格二值化图像,最终由曲线图像和网格图像合并后得到水文图像的分割结果。对多幅水文图像进行分割的实验结果表明,本文方法能自适应地完成对多幅图像有效的分割,并且能够减少相机拍摄光照不均的影响,有较好的鲁棒性和较低的计算复杂度。     

基于机器视觉的色环电阻阻值测量

色环电阻是电子实验室必备的元器件,人工识别色环读取阻值缺乏准确性。本文以色环电阻为研究对象,设计了一款基于机器视觉的色环电阻阻值测量的方法。研究方法如下：首先对获取的色环电阻图片进行预处理,去除噪声干扰;然后采用两种阈值分割算法,对彩色图像进行阈值分割,提取出电阻的色环;采用连通区域算法判断色环个数;最后对所提取的色环正反校正,对其用颜色量化的方法对各个色环颜色识别,计算出电阻的阻值。采用颜色量化的方法,颜色识别率可达96.5%。     

基于积分图和粒子群优化的肤色分割

为了更快地将肤色区域从图像中分割出来,在二维Ostu方法的基础上,提出了一种将积分图和粒子群优化相结合用于寻找最优分割阈值点的新方法。该方法通过对经过颜色补偿后的图片在YCbCr颜色空间中用二维高斯肤色模型计算肤色概率图,根据二维Ostu算法确定粒子群优化的目标函数,将积分图的方法用于粒子群优化中目标函数的计算,在有效地获取最佳阈值点的同时减少了计算量。实验表明,该方法能有效并且快速地分割出肤色区域。     

基于显著性和区域比较的自动物体提取算法

面对互联网时代海量的图像数据,如何自动地提取物体成为一个热点问题,为此提出一种结合超像素、显著性和区域比较的自动目标提取算法。算法首先对图像进行超像素分割,得到若干子区域;其次采用显著性检测确定出目标的初始区域;最后在子区域和初始区域的基础上,结合空间信息和颜色特征,利用区域比较法分割出最终的目标物体。对比实验结果表明,该算法能够有效地提取出目标,具有一定的鲁棒性。     

电视图象中目标检索方法

本文给出一种有效的图象目标检索方法。该方法由颜色分割和定位算法组成。颜色分割中利用样本学习和非样本交互操作，提取目标的特征颜色，并以此建立颜色索引表，以提高颜色分割速度。这位算法中利用映射技术与区域相结合的操作确定目标的大小和位置。实验结果表明，本检索算法具有正确检测和定位目标的能力。     

融合颜色分割与形状特征的交通标志检测

交通标志的颜色特征和形状特征是其最主要的两个特征,为提高检测的准确性和鲁棒性,提出颜色分割和形状特征相结合的方法。利用交通标志的颜色特征,采用基于HSV空间的颜色分割方法 ,获得图像中可能包含交通标志的区域,并提取该区域。根据交通标志的形状特点,利用canny算子获取提取区域的轮廓。然后,采用基于标记的形状检测算法判定所分割区域的形状,利用方向梯度直方图特征结合支持向量机(SVM)方法完成交通标志识别。经实验测试,该方法对图片视点变换、尺度变换以及亮度变换等情况具有很强的鲁棒性。     

基于改进的ISODATA算法彩色图像分割

如何对彩色图像中的目标进行快速、精确的有效分割是计算机视觉和图像分析的重点和难点。提出了一种基于区域的彩色图像分割方法。该方法首先选择合适的彩色空间,提取出图像中的每个像素点的颜色、纹理、位置等综合特征,形成特征向量空间;在特征空间中,运用改进的ISODATA算法自适应地确定初始聚类数目和聚类中心,然后对图像进行聚类和区域分割,最后抽取出图像区域的特征,并与相类似的方法进行了比较实验。实验结果表明,该方法能够产生较好的分割效果及较快的分割速度,适合于基于图像区域检索系统,具有较好的应用价值。     

基于颜色特征的车牌快速定位

提出了一种基于颜色特征的车牌快速定位算法,该算法充分利用车牌颜色相对固定的特点,首先根据原始图像得到一组特定的色彩距离图谱,通过自适应熵阈值的选取快速分割出车牌的候选区域,然后再根据车牌的纹理特征对候选区域进行筛选以得到车牌的精确位置。针对不同的背景和不同种类的车辆,抽取了3106幅图片进行测试,其中有69幅图片未定位出车牌,定位成功率为97.8%,平均定位耗时为29ms。     

一种用于三维重建的多视图前景目标自动分割算法

基于序列图像的三维物体重建之前,从图像中分割前景目标可节约大量时间。但传统的分割算法需要通过用户输入来确定前、后景,而基于图像的三维重建需要大量的图像,造成极大的人工浪费。为此提出一种用于三维重建的多视图前景目标自动分割算法。对每个图像进行颜色一致性和几何一致性分析,确定前景和后景大致区域,得到初始输入,并以此构建能量方程。使用Graph Cut算法求解方程得到粗略分割结果;使用Matting细化分割边界,得到高质量的分割结果;使用分割后图片重建出物体三维模型。实验结果表明,该算法可自动分割出多视图图像的前景目标,且具有极高的准确率和良好的边缘。将该算法用于三维重建的前期图像处理,可大大提高三维重建的速度。     

基于颜色纹理信息的盲道识别算法

针对现有盲道识别率低,处理方式单一,且容易受光照、阴影的影响等问题,提出一种改进的盲道识别算法。该方法针对盲道颜色、纹理特性,分别利用颜色直方图特征的阈值分割结合改进的区域生长分割,灰度共生矩阵特征的模糊C均值聚类分割,结合Canny边缘检测和Hough变换算法,使得盲道区域与周围人行区域分开,确定出盲道的偏移方向。实验结果表明,该算法能够更加精准地分割多种类型盲道,检测出盲道区域的边界与行进方向,而且解决了部分光照和阴影问题,能够自适应选择速度最快而且高效的分割方法,可以应用在电子导盲等多种设备中。     

田间采摘西红柿计算机识别方法的设计研究

设计了一种实现田间西红柿收获机器人视觉系统的图像识别方法。通过对西红柿图像中目标与背景在不同彩色空间中颜色特征量的统计分析,确定图像分割的颜色特征量。对不同分割算法进行图像分割效果的比较,确定不同采摘期的最佳分割算法,并对分割后的图像进行目标提取及完善,获取颜色、形状特征均符合要求的采摘西红柿较为完整的轮廓信息。经实验测定,对实验样本西红柿目标提取,实验成功率达95%左右,平均用时0.21s。     

一种基于区域综合特征的图像检索方法

提出一种基于目标区域的图像检索方法,首先采用颜色聚类的分割方法将图像分割成不同的区域,提取每个区域的颜色、位置、形状等低层特征,然后提出一种相似度计算方法实现图像的相似性度量。为了提高图像检索的准确度,最后采用支持向量机（SVM）的相关反馈算法。实验结果表明,基于目标区域的图像检索效果比基于全局图像特征的检索效果有较好的改善。     

综合颜色和形状的圆形交通标志检测方法

快速、可靠的交通标志检测是对其进行准确识别的前提,以颜色分割为基础,提出了一种基于曲线拟合的圆形交通标志检测算法。首先利用交通标志的颜色特征预分割出潜在的交通标志区域,然后针对圆形交通标志轮廓具有圆形这一关键特征,通过边缘检测并采用非线性最小二乘技术准确的确定出图像中的圆形交通标志区域。实验结果表明了算法的有效性。     

光照自适应的肤色检测方法

通过在颜色空间YCgCr里对不同光照环境下的肤色特征进行研究,发现不同光照环境下的肤色像素高度聚集在不同的Cg、Cr区域。对此,提出了利用相关矩阵法对图片的光照环境进行估计,然后针对图片的光照环境检测结果采用不同的肤色分割方法,并采用一种基于类间方差和类内离散度相结合的动态阈值方法来确定分割阈值。该方法与传统的肤色检测方法相比,能够充分减少不同光照环境下带来的颜色失真的影响,是一种光照自适应的肤色检测方法。实验表明,该方法对肤色检测具有较高的准确率和较低的误检率。     

一种自动分割人脸的方法 *

基于图切分理论 ,提出了一种自动分割人脸的方法。对于一幅人脸图像 ,首先通过人脸检测算法 ,确定人脸图像的大致前景和背景区域 ;然后利用高斯混合模型建立其前景和背景区域的颜色模型 ;最后迭代地运用图切分算法准确地分割出人脸目标。该方法创新之处在于实现了人脸图像前景目标的全自动分割。实验结果说明了该方法的有效性。     

融合双特征图信息的图像显著性检测方法

目的 图像的显著性检测是将图像中最重要的、包含丰富信息的区域标记出来,并应用到图像分割、图像压缩、图像检索、目标识别等重要领域。针对现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性,提出一种综合图像底层颜色对比特征图和图像颜色空间分布特征图的显著性检测方法,能够有效而完整地检测出图像中的显著性区域。方法 本文方法结合了SLIC超像素分割和K-means聚类算法进行图像特征的提取。首先,对图像进行SLIC（simple linear iterative clustering）分割,根据像素块之间的颜色差异求取颜色对比特征图;其次,按照颜色特征对图像进行K-means聚类,依据空间分布紧凑性和颜色分布统一性计算每个类的初步颜色空间分布特征。由于聚类结果中不包含空间信息,本文将聚类后的结果映射到超像素分割的像素块上,进一步优化颜色空间分布图;最后,通过融合颜色对比显著图和图像颜色空间分布特征图得到最终的显著图。结果 针对公开的图像测试数据库MSRA-1000,本文方法与当前几种流行的显著性检测算法进行了对比实验,实验结果表明,本文方法得到的显著性区域更准确、更完整。结论 本文提出了一种简单有效的显著性检测方法,结合颜色对比特征图和图像颜色空间分布特征图可以准确的检测出显著性区域。该结果可用于目标检测等实际问题,但该方法存在一定的不足,对于背景色彩过于丰富且与特征区域有近似颜色的图像,该方法得到的结果有待改进。今后对此算法的优化更加侧重于通用性。     

跳水运动视频中的运动目标分割

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法。首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割。结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,最终完成首帧运动目标的自动检测。有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性。     

基于旋转投射校准的配电室指针仪表读取方法

为了解决配电室指针仪表监测中存在准确率差、采集频度低的问题，基于旋转投射校准，提出配电室指针仪表自动读取方法。为了消除巡检机器人多次拍摄配电室指针仪表图片存在拍摄角度差的影响，采用区域卷积神经网络对配电室指针仪表图片进行图像旋转投射校准；采用固定标准特征变换算法对指针仪表图像进行分割，并采用颜色变换特征提取指针仪表的刻度特征。在此基础上，通过霍夫变换提取指针仪表的指针读数；在某区域配电室进行实例应用，并将所提方法与应用支持向量机方法进行比较，其结果验证了所提方法的有效性和可行性。     

从图片到衣服：快速虚拟角色服饰生成方法

在人群仿真中,虚拟人物的外观多样化可以使得场景更具有真实性。针对如何快速生成具有多样化服饰特征的三维虚拟角色服饰模型,介绍了一种从图片读取角色衣服并自动快速生成对应角色服饰模型的方法。通过GrabCut算法分割识别图片中人物衣服,计算出对应上衣下衣的服饰风格颜色,再通过从所持有模型库中,选取与其对应的典型三维人物角色服饰模型,利用服饰风格颜色对模板模型的UV展开图和纹理图进行填充修改,将修改后的纹理图贴合模板模型,即制作出相似的人物模型,从而完成虚拟角色服饰的快速生成。实验结果表明,该方法可以快速轻便地完成从图片到三维人物的大致还原。