基于Snake和外观模板的组合式图像对象分割

针对目前图像对象分割方法对图像的特征提取和抽象度不够,导致的分割精度低的问题,提出了基于Snake模型和外观模板的组合式图像对象分割研究方法,该方法将改进的外观模板图像对象分割算法得到的分割结果经过预处理作为改进的Snake模型的图像分割算法的输入初始轮廓进行精确处理。该算法在提升对象分割精度的有效性上达到了96%以上。     

基于高斯混合模型的纹理图像分割

纹理图像分割是图像处理的一个基本问题。由于基于高斯混合模型的纹理图像分割方法．大多采用单像素的方法,因此分割精度和效率都较低。为了更好地进行纹理图像分割,在子空间思想的基础上,提出了一个基于图像块的分割算法及其改进算法,即先取图像块的均值、标准差、最大值、最小值以及中间像素的像素值等5个特征作为纹理特征,再利用高斯混合模型进行纹理图像分割,实验结果表明,该新算法的分割精度和分割效率较原分割算法都有较大提高。     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好地对SAR图像进行分割,该文结合SAR图像和小波变换多分辨分析的特点,提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明,该方法是一种有效的SAR图像分割方法。     

基于互相关边界特性和图像积分的快速模板匹配算法

基于归一化算法求解相似度原理,提出了综合利用互相关的边界条件和图像积分计算相似度的快速算法,在不降低匹配精度的前提下较大地提高了匹配速度。计算相似度时,归一化算法需要计算各位置的自相关值和互相关值,本算法先只计算自相关值,再利用Holder不等式原理,结合给定的边界阈值,剔除不满足条件的位置,减少其对应的互相关值计算。应用图像的积分进行匹配在于整个图像的积分可以在匹配之前进行计算,而在匹配过程中每一个子区域的自相关可以通过图像积分快速求得。本算法已在焊线机芯片识别系统中应用,结果表明该算法匹配的速度快而又不降低匹配精度,具有实际应用价值。     

一种基于小波分析的自适应图像分割算法

基于纹理图象和平滑图象的能量分布不同这一特点，给出了一种基于小波分析的自适应局部最优特征选取方法，由此得到最佳的特征描述并进行图像分割。     

一种基于纹理的车辆图像分割与提取算法

提出一种基于纹理特征的车辆分割与提取算法,该算法充分利用了车辆纹理、亮度、色度的重要信息,通过循环迭代法选取最优的阀值,通过汁算纹理掩码、亮度掩码、色度掩码,经过形态学操作和边缘提取,最终实现车辆分割.实验结果表明,本文的算法在多种复杂情况下具有较好的效果.     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解,构成每个象素对应一个特征矢量,对所提取的特征利用均值举类算法进行分类,最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率,提出了利用特征加权来进行后分割的方法。     

纹理图像的多尺度分割

纹理图像分割最常用的方法就是基于特征的纹理分割,即首先提取出图像的纹理特征,在利用提取出的纹理特征来进行特征划分.通过对纹理特征进行划分来实现纹理图像分割的过程所面对的主要困难可以概括为:效率和效果.纹理图像分割算法大多具有较高的时间复杂度,这一方面是因为纹理特征提取比较费时,另一方面较高的特征维数导致特征划分过程的计算量通常比较大.本文提出基于图像四叉树的多尺度分割算法来实现实时图像的粗分割,实验表明此算法可以在保持分割精度的前提下大大降低时间复杂度.     

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 。     

形状模板约束的图像协同分割

已有的协同分割方法没有考虑到同一类图像所具有的目标形状相似性,从而使得分割结果不一致。提出了形状模板约束的图像交互协同分割算法,通过少量用户交互提高协同分割质量。该算法首先定义形状模板;然后通过形状上下文实现分割结果传递,自动形成图像分割所需的前景和背景掩码;最后采用最小割理论进行分割边界优化。实验结果表明,与已有的协同分割算法相比,该算法能在简单用户交互下明显提高分割质量,使分割结果更具有语义性。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法.根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割.结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性.     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

基于变分Level Set方法的图像分割

文章主要利用levelset函数隐式地追踪图像的边界来实现图像分割。在该文中首先给出了一个变分问题以及相应的Euler-Lagrange方程,并且提出了一种求解该方程的数值算法,使得计算速度有了很大的提高。数值算例表明,该水平集算法具有数值稳定性,不会出现振荡现象,可以很好地处理拓扑结构的变化。     

一种基于类推思想的图像分割方法

论文结合图像类推思想提出了一种图像分割的新思路。图像类推技术是一种基于学习的思想。论文利用图像自身的特性构造训练集合的源图像对,并学习他们之间的关系,达到图像分割的目的。实验证明基于类推思想的图像分割可以得到满意的分割效果。     

基于RPCA的皮革图像缺陷检测

提出了一种皮革视觉缺陷检测算法.通过分析皮革图像的低秩特征,将皮革图像缺陷检测问题转变为从低秩背景图像中分离稀疏矩阵图像.首先采用Gaussian高通滤波器对图像进行了预处理,然后利用鲁棒性主成成分分析(RPCA)对图像进行低秩稀疏分解,并采用效率较高的非精确增广拉格朗日乘子法(IALM)求解.对分解后的稀疏图像进行了后处理,最终在二值图像中获得缺陷的形状和位置.该算法的效率及准确率已经在实验中进行了验证,并与现有算法进行了比较.实验表明,该算法可以用来检测各种不同种类和大小的缺陷,检测准确率高且能够提供完整的缺陷掩模.     

结合模糊聚类算法的图像分割方法

在介绍聚类分析原理的基础上,比较了几种聚类分割算法,得出了模糊C-均值聚类方法在图像分割中的优势.最后,基于排列组合熵和灰度特征,结合模糊C-均值聚类算法对图像纹理进行分割.实验结果表明,该方法既能快速地分割图像,又具有较好的抗噪能力,分割效果较为理想.     

基于特征散度的自适应FCM图像分割算法

图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容。基于模糊C均值聚类(FCM)的图像分割是应用较为广泛的方法之一,但其存在距离测度鲁棒性差、需预先给出初始聚类数目、未考虑图像局部相关特性等问题。为克服上述缺点,通过引入特征散度进行距离测度,并结合聚类有效性指数自适应确定初始聚类数目和根据Laws纹理测度提取图像特征等措施,提出了一种新的FCM图像分割算法。实验结果表明,该新算法可以有效地提高图像的分割效果(特别是纹理图像),其分割结果优于现有FCM图像分割方案。