一种基于色差的Canny边缘检测算子

为了更加清晰准确地检测出彩色图像的边缘, 提出了一种改进的Canny边缘检测方法, 将彩色图像从RGB颜色空间转换到颜色均匀的L*a*b*空间, 用色差Canny算子来计算彩色图像的色差和色差方向. 彩色直线和曲线道路图像的边缘检测效果证明了改进算子的有效性.     

结合L~*a~*b~*彩色空间改进的Graph-Based图像分割方法

针对Graph-Based方法容易出现欠合并现象的不足,结合L*a*b*颜色空间,提出一种改进的Graph-Based图像分割方法。该方法首先将图像由RGB空间转换到L*a*b*颜色空间,接着将每个像素作为节点构造带权无向图,相邻节点之间的欧氏距离作为图的权值,表征相邻像素间的颜色差异;同时,引入一个常数s用于控制颜色差异程度。实验证明,该方法效率高,分割效果良好。     

基于对比度信息的彩色图像分割

该文提出了一种基于对比度信息的彩色图像分割算法。文中不用一般的导矢信息而用对比度信息对彩色图像进行边缘提取。为了符合人的视觉特性,使用了CIEL*a*b*彩色空间,并用色差ΔEab作为彩色对比度的测量方法。该文提出的彩色图像分割方法合理、可靠,仿真结果表明了该方法的优越性。     

基于L*a*b*彩色空间和局域动态阈值的药用植物叶片图像分割

叶片图像分割是自动化分类的先决步骤。提出一种基于L*a*b*彩色空间和局域动态阈值的叶片图像分割方法。该方法首先把叶片的RGB图像转换为L*a*b*图像;然后针对b*通道图像,估算出目标叶片所在的局部矩形范围;在此范围内,统计获得像素值分布直方图;最后利用最大类间方差阈值分割法,先算出局部矩形范围内的阈值继而进行全图的分割。实验结果表明:该方法对已采集的叶片图像,包括颜色偏暗的叶片的图像,均具有良好的分割效果。由于锁定目标叶片所处的局部矩形范围,找到了适应于目标叶片分割的阈值,从而更好地实现了南天竺等叶片图像的分割。此外,分割过程不包含数学形态学的开闭运算,使得叶片边缘的细节得以完整保留。     

基于L*a*b*空间颜色信息度量的边缘检测

对L*a*b*空间进行分析,提出了一种基于颜色信息度量的边缘检测算法.通过在L*a*b*空间中构造立方体,根据体积变化定义各像素点的颜色信息度量,作为确定各像素点是否为彩色图像的边缘点的判据.该方法综合利用了彩色图像的明度和色度信息,将向量空间的计算以自然的方式转换成了标量的计算.实验证明,与传统的方法相比较,能快速有效地检测出图像的边缘.     

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。     

纹理去除的皮革图像颜色分类方法

针对皮革图像存在 天然纹理,凸凹结构纹理会使得扫描或摄影的皮革图像亮度变化明显,影响皮革图像颜色的准确分类,提出一种去除图像纹理的皮革图像颜色分类方法。首先利用相对总变差模型去除皮革图像纹理,获得只包含皮革图像颜色信息的图像;然后利用均匀彩色空间模型L*a*b*具有的较强的色差分辨能力,提取去除纹理后的皮革图像L*a*b*颜色分量的平均值作为皮革图像的整体的颜色特征;最后运用SVM支持向量机对皮革图像颜色特征进行分类。实验结果表明,该方法能够比较精确地区分皮革图像颜色,实现皮革图像的颜色分类,具有可行性 。     

基于随机区域合并的自动彩色图像分割算法

针对彩色图像分割精度不高的问题,提出了一种具备多尺度空间约束的自动彩色图像分割算法。基于改进的随机区域合并方法,该算法首先实施双边分解并执行基于多通道信息和多尺度梯度的过度分割;然后,在CIE L*a*b*颜色空间中使用规范化的颜色直方图来表示每个子区域,构造一个基于过度分割结果的区域邻接图;最后,在区域邻接图上执行具备空间约束条件的随机区域合并策略,为每个尺度构造一张分割图。在BSDS图像数据库中进行 对比实验,结果表明,在直接视觉对比和量化分析上,相比现有的分割算法,所提方法表现出了更好的分割效果。     

基于均匀颜色空间的木材分类研究

木材材色在各种颜色空间中的分布范围都比较窄,而利用CIEl976L*a*b*均匀颜色空间的等距性和色差高分辨力的特点可以很好地对其进行测量与辨别.在l*a*b*颜色空间中,提取了东北常见的5种树种的径切和弦切木材图像的颜色特征,然后采用模拟退火算法对这些特征进行了选择,并结合BP神经网络和k-近邻两种分类方法进行了仿真试验,得到了满意的分类结果.     

基于分形的彩色岩石裂隙分割

纹理分割是图像处理与计算机视觉领域研究的重点和难点.现有的纹理分割方法大多集中于研究灰度纹理图像,该文提出了一种基于分形纹理特征和颜色信息结合的彩色纹理分割算法.该算法将复杂的彩色图像分形维数计算转化为单色图像分形维数的计算,将纹理特征和颜色信息相结合,采用区域生长法来实现分割.通过对彩色岩石裂隙图像的分割实验,结果证实该该方法行之有效.     

基于先验知识水平集方法的草莓图像分割

在实际应用中,当目标本身含有一些固有的颜色纹理特征时,可将这些特征作为一种先验信息,这样可以大大提高分割的准确性.为此,本文提出了一种基于先验信息的改进水平集图像分割方法.首先,利用传统的C-V模型能量项的构造思想构建了基于颜色信息的局部能量项,该项是用于处理彩色图像;然后将颜色分量引入到传统的结构张量中构建出新的扩展型结构张量,该项是用于处理纹理信息;最后,将上述新构造的能量项以及Li模型约束项引入到传统C-V模型中得到新的水平集模型.鉴于草莓果实所具有的颜色信息和纹理信息,本文将上述改进水平集方法应用到农业自动化应用中草莓果实分割中.对实验室环境与草莓生长环境下的草莓图像进行分别实验,结果显示该方法能够不仅能够分割出草莓果实且能够很好地处理草莓表面的纹理信息.另还与OTSU算法、传统C-V模型、改进C-V模型对草莓图像作对比实验,结果表明本文算法均比上述三种算法具有更好的分割效果.     

结合分水岭的纹理梯度各向异性图像分割

目的 目前,许多图像分割算法对含有丰富纹理信息的图像的分割效果并不理想,尤其是在不同纹理的边缘信息的保持方面。为了解决这一问题,提出一种基于连续纹理梯度信息的各向异性图像分割算法。方法 在分水岭算法的基础上,引入纹理梯度各向异性算法,能够在避免纹理信息影响分割效果的前提下,最大限度地保证纹理边缘信息的完整。针对纹理特征数据敏感的特性,本文将离散的图像高度信息映射到连续的纹理梯度空间,能够有效减少由细小差异造成的过分割现象。结果 本文方法在BSD500 Dataset和Stanford Background Dataset中选择了大量的纹理信息丰富的图片与最新的分割算法进行了实验与对比。本文方法在分割效果（降低过分割现象）、保持边缘信息和分割准确率等方面均获得明显改进,并在图像分割的平均准确率方面与最新算法进行比较发现,本文算法的平均分割准确率达到90.9%,明显超过了其他最新算法,验证了本文方法的有效性。结论 本文提出的基于分水岭的纹理梯度各向异性算法对纹理图像的分割具有保边和准确的特点,采用连续梯度空间的方法能够有效地减少传统分水岭算法的过分割现象。本文方法主要适用于纹理信息丰富（自然纹理和人工纹理）的图片。     

一种基于数学形态学及融合技术的彩色图像分割方法

提出了一种新的彩色图像分割方法,该方法首先利用数学形态学在3个2维彩色子空间进行图像分割,然后将这些分割结果融合在一起得到最终图像的分割。对于RGB彩色图像,3个子空间分别取为RG、RB和GB。而2维直方图则可看作3维直方图在这3个子空间的投影,对这3个2维直方图分别实施形态学中的watershed分割算法,最后通过区域分裂与合并的方法融合这3个2维空间的图像分割结果,获得最终的图像分割。在计算彩色距离时,使用了CIE（L’a’b’）彩色空间。该方法比直接在3维空间的分割方法既快又节约内存,而且分割效果好。     

一种基于主色外观图的彩色图像分割算法

在对三维传统的颜色直方图(CCH)作出了一系列改进的基础上,提出了一种基于主色外观图(DCG)的新的彩色图像分割方法.首先根据改进后的颜色直方图确立彩色图像的近似主色成分,然后再利用CIE-1976色差公式分别计算出其每个像素与主色之间的距离,并据此建立相应图像的颜色距离直方图(CDH),它精确地反映了图像像素与参考色之间的色彩相似度.为了证实CDH在彩色图像分割中的效用性,又通过进一步地扩展得到了CDH集,或可称为主色外观图.实验结果表明,就精确性、鲁棒性和计算的复杂度而言,基于DCG的分割方法能够得到比传统阈值法和聚类法更好的分割效果.     

综合颜色和纹理特征的图像检索

提出一种综合颜色和纹理特征的图像检索算法.使用圆环法分割图像所提取的颜色特征,不仅包含了图像的空间信息,突出了用户的感兴趣区域,而且消除了固定分块法对图像旋转比较敏感的缺点.采用改进的共生矩阵算法提取纹理特征.最后对颜色和纹理特征进行综合.实验结果表明,提出的综合算法具有更高的查准率.