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。     

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K均值聚类分割彩色图像算法的改进

基于人类视觉将图像分割成若干个有意义的区域是目标检测和模式识别的基础.应用K均值聚类算法对图像进行分析,分析了图像的空间、色彩以及纹理特征对聚类效果的影响,针对K均值算法的存在的过分割问题提出了一种修正方法,先基于空间、颜色和纹理特征分割图像,再基于色彩及纹理特征进行合并,解决了K均值聚类产生的过分割问题,并在区域合并时引入修正函数,抑制了图像中因场景明暗变化而产生的斑点.实验结果表明提出的聚类算法对图像分割效果有明显提高.     

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。     

基于区域生长的翡翠云雾纹理分割方法

根据翡翠云雾纹理特征,提出基于区域生长算法的翡翠纹理分割方法。首先,将图像转换到YCbCr颜色空间,根据统计的翡翠CbCr分量范围,利用边界跟踪算法确定分析区域,然后针对CbCr分量进行FCM聚类,选定生长区域种子,根据生长区域颜色相近和纹理相似的特征,进行区域生长,利用灰度共生矩阵分析Y分量进行纹理特征提取,针对分割效果影响因素,进行区域合并。实验表明该方法的分割效果良好。     

纹理图像中重复纹理元素提取方法

提出了一种交互式纹理图像中纹理元素提取算法,该算法能够在用户提供少量交互的情况下较好地实现纹理图像中重复纹理元素的同时提取。首先采用均值漂移聚类算法将纹理图像分割成独立且连通的子块区域,并构建图像子块区域之间的连通关系;然后结合颜色特征与纹理特征定义一个鲁棒的相似性度量公式,从而准确地捕获具有外观相似特征的纹理元素;在此基础上,通过进一步改进优化的图割模型,最终实现高质量的纹理元素提取。该算法针对前/背景颜色相近的纹理图像中纹理元素的提取有较大改善,并且大大提高了现有图像分割算法的时间效率。     

基于可视色差与区域生长的彩色图像分割

提出了一种基于可视色差和分块区域生长的彩色图像分割算法,首先将待处理图像划分成若干大小相同的子块,在CIEL*a*b*颜色空间中计算每个子块的色彩均值和方差值,根据方差值对子块分类,利用可视色差对颜色均匀子块分类、合并,获得初始分割区域,利用四叉树算法对纹理子块分裂合并,然后从初始分割区域开始生长、合并,并删除小颜色块。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。     

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。     

显著特征融合的主颜色聚类分割算法*

针对颜色密度聚类分割模型容易产生误分割的问题,提出基于视觉显著性调节的主颜色聚类分割算法.首先,根据空间颜色信息和Mean-shift算法平滑结果分别计算图像的全局显著特征和区域显著特征,并融合2类显著特征作为特征空间聚类的约束项.然后,采用核密度估计方法计算图像主颜色作为初始类,并将显著特征作为调节因子进行聚类分割.最后,进行区域合并.在标准的分割图像库上进行实验并与多种算法对比,结果表明,文中算法具有更高的区域轮廓准确度,并且有效利用图像显著特征,降低密度聚类形成的区域不一致性,提高像素聚类的精度和分割的鲁棒性.     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

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.     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

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。     

一种鲁棒的彩色地图分割算法

研究了一种按颜色分割彩色地图的新算法。根据人类初级视觉的特性,先大致将图像分割为低频区和高频区,然后进行颜色聚类和区域生长。该方法不需人为指定聚色中心和类数,阈值的选定不对最终分割质量起决定性作用,具有较好的鲁棒性。     

A stochastic gravitational approach to feature based color image segmentation

In this paper, a novel image segmentation algorithm based on the theory of gravity is presented, which is called as “stochastic feature based gravitational image segmentation algorithm (SGISA)”. The proposed SGISA uses color, texture, and spatial information to partition the image into homogenous and semi-compact segments. The proposed method benefits from the advantages of both clustering and region growing image segmentation techniques. The SGISA is equipped with a new operator called “escape” that is inspired by the concept of escape velocity in physics. Moreover, motivated by heuristic search algorithms, we incorporate a stochastic characteristic with the SGISA, which gives algorithm the ability to search the image for finding the fittest regions (pixels) that are suitable for merging. Several experiments on various standard images as well as Berkley standard image database are reported. Results are compared with a well-known clustering based segmentation method, C-means, a gravitational based clustering method (SGC), and the well-known mean-shift method. The results are reported using unsupervised criteria and pre-ground-truthed measures. The obtained results confirm the effectiveness of the proposed method in color image segmentation.     

Segmentation of color textures

This paper describes an approach to perceptual segmentation of color image textures. A multiscale representation of the texture image, generated by a multiband smoothing algorithm based on human psychophysical measurements of color appearance is used as the input. Initial segmentation is achieved by applying a clustering algorithm to the image at the coarsest level of smoothing. The segmented clusters are then restructured in order to isolate core clusters, i.e., patches in which the pixels are definitely associated with the same region. The image pixels representing the core clusters are used to form 3D color histograms which are then used for probabilistic assignment of all other pixels to the core clusters to form larger clusters and categorise the rest of the image. The process of setting up color histograms and probabilistic reassignment of the pixels to the clusters is then propagated through finer levels of smoothing until a full segmentation is achieved at the highest level of resolution