共查询到20条相似文献,搜索用时 171 毫秒
1.
《遥感信息》2018,(6)
针对基于几何划分的区域统计图像分割方法计算量大以及对地物复杂边界分割精度低的问题,提出了一种基于静态划分和区域统计的彩色高分辨率遥感图像分割方法。该方法定义了一种静态MST同质区域划分准则,借助MST能较好表达边界的特点,解决复杂地物边界的表达问题,并避免动态划分方法在迭代过程中反复划分造成的计算量大的问题。首先利用MST划分将图像域划分成若干个同质子区域,并假设每个同质子区域内的像素服从独立同一的高斯分布;然后在贝叶斯理论框架下构建基于区域的图像最优分割模型;最后结合M-H/ML算法进行图像分割和模型参数估计。为了验证提出方法,分别对真实及模拟彩色图像进行分割试验,定性定量评价结果表明了提出方法的可行性和有效性。 相似文献
2.
针对基于几何划分的区域统计图像分割方法计算量大以及对地物复杂边界分割精度低的问题,提出了一种基于静态划分和区域统计的彩色高分辨率遥感图像分割方法。该方法定义了一种静态MST同质区域划分准则,借助MST能较好表达边界的特点,解决复杂地物边界的表达问题,并避免动态划分方法在迭代过程中反复划分造成的计算量大的问题。首先利用MST划分将图像域划分成若干个同质子区域,并假设每个同质子区域内的像素服从独立同一的高斯分布;然后在贝叶斯理论框架下构建基于区域的图像最优分割模型;最后结合M-H/ML算法进行图像分割和模型参数估计。为了验证提出方法,分别对真实及模拟彩色图像进行分割试验,定性定量评价结果表明了提出方法的可行性和有效性。 相似文献
3.
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。 相似文献
4.
提出利用色度距离特征权重的图论分割算法,对彩色图像进行区域分割分析。利用图论和HSI模型,解决自然灾害图像的分割问题。针对复杂的自然图像,将图像像素转换为图论中的节点,构造基于像素点HSI模型的带权无向图;构建带权无向图的图论分割权函数及分割准则,形成区域相似度判别方法;结合实际分割需求,对图论分割后的离散区域进行二次吸收与合并运算,获取连续兴趣区域;对分割的结果与其他算法进行了比较与分析。 相似文献
5.
一种基于粗糙集合理论的彩色图像分割 总被引:2,自引:1,他引:1
在数字图像处理中,图像分割是其中的一个重要问题,也是一个经典难题.基于阈值选取方法的图像分割计算简单,具有较高的运算效率,其方法多种多样,但是方法选取直接影响到图像分割的质量.为了对彩色图像进行合理的分割,获得合适的阈值,提出了一种基于粗糙集理论的彩色图像分割算法.它将基本直方图作为图像粗糙集的下近似,将Histon直方图作为其上近似,计算出图像粗糙度后通过单峰子集分离法实现对图像的分割.实验结果表明该算法对背景复杂和颜色渐变的彩色图像有较好的分割效果. 相似文献
6.
一种基于遗传算法的彩色图像分割改进算法 总被引:1,自引:0,他引:1
图像分割是进行图像理解的基础,也是图像工程技术中一个重要的问题.近几年来关于图像的分割方法层出不穷,但随着多媒体技术和Internet技术的发展,彩色图像分割处理的准确性和实时性要求也越来越高.为此提出了一种基于遗传算法的彩色图像分割改进算法.经过大量的对比实验表明,用这种方法分割目标和背景区域差别较大的彩色图像具有分割效果好、实时性、鲁棒性强的特点,是一种较为理想的分割方法. 相似文献
7.
基于RGB彩色空间的图像分割研究 总被引:2,自引:0,他引:2
图像分割是图像处理中的主要问题,图像分割效果的好坏直接影响图像分析的结果。彩色图像分割是指将彩色图像分割成各具特性的区域并提取出其中感兴趣的目标,为后续图像处理工作奠定基础。针对彩色图像梯度图进行分水岭分割会造成过分割的问题,比较阈值分割、最大类间方差分割和最大熵分割等图像分割方法,提出一种基于遗传算法改进最大熵的彩色图像分割方法。实验结果表明,该图像分割算法灵活性强,可以有效地分割彩色图像。 相似文献
8.
针对现有图像多阈值分割方法存在的分割不够准确、计算复杂度较高等问题,利用Otsu多阈值分割的思想,提出一种基于聚类和局部区域的彩色图像多阈值分割方法.获取彩色图像的H分量直方图;在综合考虑以H分量划分的颜色范围的前提下对直方图中的H分量进行聚类,依次选取各类中的最大值作为对应局部区域的边界;分别搜索局部区域内的最小H分量值,将其作为彩色图像的分割阈值.实验结果表明,与现有方法相比,该方法具有较高的分割准确性和更快的计算速度. 相似文献
9.
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. 相似文献
10.
针对未成熟苹果图像果实同背景色彩差距较小导致难以分割效果的问题,提出一种融合纹理信息与图论的图像分割方法。该方法先将图像划分为图像块并计算每个图像块的纹理信息,以图像块为节点利用纹理信息构造权函数得到无向带权图,用基于区域合并的图论图像方法进行分割并二次吸收合并。实验结果表明,在对象和背景色彩接近时,该方法比传统分割法效果好,且改善了分割过细的情况。 相似文献
11.
一种融合区域生长与图论的图像分割方法 总被引:5,自引:0,他引:5
该文提出一种融合区域生长与图论的图像分割方法,一般的基于区域的分割方法在区域生长完成之后需要进行区域的合并,以消除过分割现象。该文的方法在区域生长完成之后,用NormalizedCut方法在区域之间进行分割,产生最终所分割的图像。在方法上区域生长方法考虑的是图像的局部信息,NormalizedCut方法考虑的是图像的全局信息,该文的方法融合了两者的优点。该文的算法主要以灰度图像为研究对象,实验结果表明可以取得很好的分割效果。 相似文献
12.
针对图割算法适用于小幅图像,且在分割结构较复杂、感兴趣区域较小的三维CT血管造影(CTA)冠状动脉图像时效率较低的问题,实现了将区域生长和图割结合分割冠状动脉的算法.首先,利用基于阈值的区域生长算法将图像划分为若干区域,去除无关像素,得到结构简化、感兴趣区域较突出的图像;其次,对简化后的图像,结合灰度和空间信息构造网络图;最后,利用图割理论实现网络图分割,得到冠状动脉分割图像.实验结果表明,与传统的图割方法相比: 在分割效率上,区域生长和图割结合的分割算法降低了计算复杂度,效率提高了51.7%; 在绘制质量上,得到的冠状动脉分割图像目标区域完整,有助于医师对病变的正确分析. 相似文献
13.
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。 相似文献
14.
一种基于肤色检测的人眼快速定位方法 总被引:1,自引:0,他引:1
眼睛的位置是人脸识别过程中一个很重要的信息.针对彩色人脸图像上的眼睛定位问题,提出一种结合肤色分割和形态学运算的人眼定位方法.该方法首先利用肤色模型通过最大类间方差法自动优选阈值分割图像,接着从非肤色区域入手,采用形态学运算去除非肤色区域中的干扰区域来获取可能的眼睛区域,最后结合人眼的几何特征实现人眼的快速准确定位.实验结果表明,提出的算法有效地平衡了眼睛定位的实时性和准确性之间的矛盾,定位效率高. 相似文献
15.
16.
基于图论的图像分割算法是当前图像分割领域研究的热点,其中归一化分割(Ncut)是一种典型的图论分割算法。但Ncut分割的速度慢,分割结果容易受图像的噪声和虚假边缘的影响,难以应用到实际。为此,提出一种基于图论的等周(Isoperimetric)改进分割算法。该算法使用解线性方程的方法代替解特征向量的方法、用4-邻接的方法代替全连接,避免了复杂的空间滤波。该算法运用到岩心图像分割中,提高了分割的效率,取得了较好的分割效果。 相似文献
17.
18.
静态图像压缩标准( JSEG)分割算法是一种经典的图像分割方法,它充分考虑到了图像的局部信息,可以获得比较精确的分割边界。但JSEG算法在分割过程中计算量相当大并且分割结果容易出现过分割现象。由此,文中提出一种结合图论的JSEG图像分割算法。首先去除JSEG算法中在多个尺度上反复计算J值的过程,改为仅在一个小尺度上进行计算。其次,在得到的J图上使用K-means方法进行聚类,分割得到过分割区域。最后,将分割后的小区域对应为图中的点,进而利用图理论的方法进行区域合并。实验结果表明新算法具有高精度和低复杂度的优势。 相似文献
19.