融合边缘测度的自然场景彩色图像区域分割

针对传统分割方法基于单个视觉线索的不足,提出一种结合两种局部边缘测度的自然场景彩色图像区域分割方法.首先,采用logistic回归模型对200幅彩色图像进行训练,建立边缘测度与对象边界的回归模型;然后,采用该模型预测图像中每个像素的边界置信度;最后,将置信度的函数以自适应权重的形式整合到均值漂移分割算法中,实现图像区域分割.近20幅图像的定量和目视对比实验结果表明,本文方法能有效地控制过分割和欠分割的产生,且具有更好的区域边界定位效果.     

基于K均值聚类和概率松弛法的图像区域分割

在进行图像区域分割时,为了减少过度分割现象,可利用K均值算法简单、快速并且能够有效地处理大数据库的优点及概率松弛算法并行快速且考虑空间信息的优点,同时考虑灰度信息和空间信息将两种方法相结合应用于图像的区域分割。首先利用K均值聚类方法将图像初步分为多个类,然后,利用迭代的概率松弛法对粗分结果进行优化,对一些疑似像素进行进一步分割和目标提取。实验结果表明,该算法比较简单且具有良好的特性。     

基于K均值聚类和概率松弛法的图像区域分割

在进行图像区域分割时,为了减少过度分割现象,可利用K均值算法简单、快速并且能够有效地处理大数据库的优点及概率松弛算法并行快速且考虑空间信息的优点,同时考虑灰度信息和空间信息将两种方法相结合应用于图像的区域分割。首先利用K均值聚类方法将图像初步分为多个类,然后,利用迭代的概率松弛法对粗分结果进行优化,对一些疑似像素进行进一步分割和目标提取。实验结果表明,该算法比较简单且具有良好的特性。     

一种基于Mean-Shift聚类算法的图像区域分割方法

提出一种基于均值平移(Mean-Shift)聚类算法的图像区域分割方法.该方法首先选用适当的彩色空间对图像中的每个像素点抽取颜色、纹理及空间位置等特征,形成特征空间;然后,利用Mean-Shift聚类算法,在像素点特征空间中进行聚类,利用提出的方法,确定最佳窗口半径参数,进而确定聚类簇数、聚类中心等参数,将像素初步划归不同的组,并利用相邻像素之间的连接原理对图像区域进一步分割.分割方法提供了丰富的区域描述特征.实验结果表明这种方法具有图像分割速度快,分割效果好等特点.     

基于K-均值聚类算法的图像区域分割方法

提出了一种自动确定聚类数目的K-均值聚类算法,并基于这种算法介绍了一种彩色图像区域分割方法。这种方法首先选择合适的彩色空间,抽取图像的像素点颜色、纹理及位置等特征,形成特征向量空间;然后,在此特征空间中,运用提出的方法进行聚类和图像区域分割;最后,抽取图像区域的特征。对提出的方法进行了详细的介绍,给出实验结果分析,并与相类似的方法进行了比较实验。实验结果表明,提出的图像区域分割方法具有分割速度快、效果好等特点,适合于基于图像区域检索系统,具有较强的实用价值。     

一种快速的图像区域分割算法

提出一种新的快速图像区域分割算法.这种方法首先抽取图像所有像素点的颜色、纹理与位置特征,并将图像划分成子块,以子块内像素点特征的平均值作为子块的特征向量,然后运用Mean shift算法进行聚类,获得聚类簇数和初始蔟中心,最后再利用改进的K均值算法进行聚类,实现图像的快速分割.实验结果表明新方法不仅分割速度快,而且得到的分割结果稳定,避免了过度分割.     

基于图像区域分割和置信传播的立体匹配算法

传统基于像素的立体匹配算法误匹配率较高.为解决该问题,提出一种基于图像区域分割和置信传播的匹配算法.采用均值偏移对参考图像进行区域分割,通过自适应权值匹配计算初始视差图,对各分割区域的初始视差用平面模型拟合得到视差平面参数,使用基于区域的改进置信传播算法求得各区域的最优视差平面,从而得到最终视差图.与全局优化的经典置信传播算法和图割算法的对比实验结果表明,该算法能降低低纹理区域和遮挡区域的误匹配率.     

基于区域分割技术的图像无损压缩算法研究

1.引言在某些场合,需要压缩后重建图像的所有像素与原始图像的对应像素完全相等,这种压缩技术就是图像的无损压缩。无损压缩技术具有广泛的应用:医学射线图像往往要求进行无损压缩,以免造成诊断错误;卫星遥感图像往往也要求进行无损压缩,以减轻通信信道载荷,同时又保持遥测精度。进行无损压缩可以采取以下的两个步骤:首先进行解相关,尽量消除图像的冗余,得到误差图像;然后对误差图像进行可变长二进制编码。     

基于区域分割的多曲面纹理映射的研究

针对由VRML构造的虚拟实体造型表面进行跨区域纹理映射所遇到的困难,利用分而治之的思想,提出了一种比较简单有效的多曲面纹理映射的方法,实现了虚拟实体具有根据用户要求动态改变实体表面纹理的功能,在实现区域分割的同时也使多曲面纹理映射更加容易实现.     

基于天空区域分割的单幅海面图像去雾方法

为提高雾天海面图像的质量,提出面向单幅海面图像的去雾方法。将均值漂移方法与嵌入置信度的边缘检测方法相结合进行图像分割,分割后的图像用形态学膨胀与腐蚀操作进行二值化,提取出天空区域和非天空区域。对天空区域使用限制对比度直方图均衡算法去雾,非天空区域使用基于导向滤波的暗通道优先算法去雾。导向滤波通过导向图像内容来计算滤波输出,在精细化透射图方面可以得到与软抠图方法类似的效果,计算开销较小。实验结果表明,相对于暗通道优先方法,该方法在天空区域没有明显的过渡区域和偏色现象,可取得较好的去雾效果。     

基于假设检验和区域合并的视频对象分割

提出了基于假设检验和区域合并的视频对象分割算法。初始分割采用分水岭算法，接着根据颜色相似性进行区域合并，然后利用光流场估计和全局运动估计获得全局运动的残余误差，最后以各个区域的残余误差数据进行假设检验和小区域验证来确定运动区域，通过组合所有的运动区域即可分割出具有准确边缘的完整视频对象。对MPEG-4测试序列的实验结果表明了本算法具有良好的分割性能。     

一种在铸件缺陷识别中的区域分形分割方法

在利用X射线对铸造缺陷识别的过程中,由于X光图像中铸件形成的背景复杂,传统的区域分割技术难以分割出缺陷集中的兴趣区域。利用缺陷边缘的分形特性从铸件边缘线图中确定缺陷的边缘线,以聚类方法将缺陷边缘线聚集的区域,即缺陷集中的兴趣区域分割出来。针对汽车铝合金轮毂铸件X光图像,用铸造缺陷区域的分割实验结果证明了该方法的有效性。     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

基于形态学滤波和分水线算法的目标图像分割

提出了一种基于形态学的目标图像区域划分方法。该方法先利用形态学滤波消除不同尺度的噪声和微小干扰区域对目标图像的影响，再利用改进的分水线算法对目标图像进行区域划分，得到目标图像的基本结构。为了消除传统分水线算法引起的过分割现象，本文还给出了一种新的过分割区域合并算法。该方法能够把复杂的目标图像分割成为一系列反映目标基本结构特征的简单区域．为目标的描述和识别提供了方便。实际图像的处理结果显示这种方法行之有效。     

基于背景重建和MDBP的视频对象分割算法

提出了背景置信度图像和背景标示图像的概念,给出了一种基于背景重建和象素最小距离(M DBP)的自动视频对象分割方法。首先运用基于背景置信度图像和背景标示图像的背景重建技术从视频序列的多帧图像中重建出可靠的背景图像,然后运用差背景法分割视频对象(VO),同时再利用象素最小距离(M D BP)和总体象素最小距离(W M DBP)准则对分割出的视频对象图像进行处理,克服由于背景的微小变化而引起的前景对象的错误检测。试验结果表明该文给出方法能够较好地重建背景,对于背景静止的视频能够得到更好的分割结果。     

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。     

基于区域分割的自适应MSR方法

提出一种基于区域分割的自适应MSR图像增强方法,通过将图像分割为不同光照区域,对明暗区域边界的光照进行自适应估计,使用区域信息修改滤波器系数来降低光照在不同区域间的扩散,从而达到抑制光晕的目的,并采用改进的MSR方法提升图像的视觉质量。实验结果和数据分析证明了该方法是有效的。     

一种基于颜色区域分割的图像修复算法

现有的基于样本块纹理合成的数字图像修复技术在全局式搜索样本匹配块时可能选择错误的匹配块,导致繁衍错误信息而使修复结果不理想。该文提出一种基于颜色区域分割的图像修复方法,其目标匹配块的搜索限定在源样本块所覆盖的颜色区域中。实验结果表明这是一种更健壮、视觉效果更理想的修复算法,可以有效修复各种破损情况,尤其是具有复杂背景的较大区域填充。     

基于区域分割的水下目标实时识别系统

提出了一种基于最优阈值分割算法的水下目标自动实时识别系统。该系统首先运用去噪、图像均衡等方法对实时摄取的水下图像进行预处理。然后运用基于遗传算法优化的 Otsu(即大津方法)最优阈值分割算法对所得图像进行区域分割并提取图像的特征向量。最后采用 BP 神经网络对提取的特征向量进行自动分类从而最终确定了水下目标的类型。水槽仿真试验表明该方法能够在恶劣的环境下自动地检测水下目标,而且该方法具有较强的抗光线干扰能力和较高的准确度。