基于图割框架的改进多层图彩色图像分割方法

彩色图像中所含有的颜色信息和纹理信息量很大且非常复杂,伴随着多个目标区域的出现,当前图像分割法很难整合纹理特征与颜色特征,图像分割效果不佳,因此,提出一种基于图割框架的改进多层图彩色图像分割方法,将多层图彩色图像分割问题看作是计算机视觉中的二元标识问题,转换成能量函数最小化问题,给出多标签MRF马尔科夫随机场能量函数,将颜色信息与纹理信息进行融合,通过建立多层图割模型对多类彩色图像能量函数的最小化问题进行求解。为了得到多类分割结果,采用一种自适应迭代收敛准则进行修改,在图割框架下进行多次迭代分割。实验结果表明,所提方法不仅分割效果良好,而且性能优越。     

一种基于Wedgelet变换的遥感图像分类算法

介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.     

基于纹理特征的多区域水平集图像分割方法

现有多区域水平集方法大多利用复杂的能量函数来驱动多个水平集函数的演变,这样不仅模型复杂且存在很多限制.为此本文提出一种基于纹理特征的多区域水平集方法,利用任意数量的水平集函数来对相应数量的图像区域进行分割.本文首先对图像的颜色和纹理信息建立联合分布并将其代入能量函数;引入平滑概率标签,根据概率性质建立基于标签驱动的多区域水平集迭代更新方程.之后将每个水平集投影到离散概率空间得到一系列近似标签,并由这些标签得到基于多区域水平集的先验概率,从而将多个轮廓演变信息代入统计框架.而不同区域的统计参数也通过最小化能量函数由概率标签迭代更新.通过与其他分割算法在大量复杂实景图像上的实验对比,验证了本文算法的有效性.     

融合纹理特征与螺旋状搜索聚类的超像素分割算法及应用

针对传统SLIC(simple linear iterative clustering)超像素分割算法没有综合考虑图像的纹理信息特征,导致对边缘信息较强和纹理复杂的图像进行超像素分割时,出现边缘检测不灵敏,分割效果不理想的问题.提出了把原图像先经过噪声抑制提取出纹理特征分量,构建以颜色特性、纹理特征和空间位置特征相融合的相似性度量方法.改进后的方法提高了边缘检测的灵敏度,增强了算法在对边缘信息较强和纹理复杂图像进行分割时的鲁棒性.另外,提出利用螺旋线状的搜索方式进行聚类,加速了算法的收敛速度,提高了分割效率.改进后的方法在BSDS500公共数据集上进行了实验,结果显示改进后的方法在边缘召回率、欠分割错误率、可完成的分割精度以及算法运行时间四项指标上优于传统算法.     

结合Gabor纹理特征的局域化多通道水平集分割方法

本文提出了一种局域化多通道主动轮廓模型的图像分割算法.针对纹理特征比较明显的图像,通过Gabor滤波提取纹理特征,与图像灰度信息构成多通道.考虑到演化过程中曲线内部和外部特征属性不均匀,引入局域化思想,通过计算各像素在局部区域的最小能量得到图像分割结果.最后算法结合先验形状对有遮挡目标进行分割,并能得到理想结果.大量实...     

基于Gabor小波和主元分析的纹理图像分割

提出了基于Gabor小波和主元分析相结合的纹理图像分割算法.首先对纹理图像进行多通道滤波,获得了一系列滤波后的纹理图像.其次,借助于“能量测度”的概念,求解出各象素有效的纹理特征.为了进一步减少特征之间的信息冗余,降低聚类分析的计算负荷,采用主元分析（PCA）对所得的纹理特征进行降维.然后利用K-Mean算法实现纹理图像的分类.最后针对所提算法,进行了仿真试验.     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.     

基于核密度估计和马尔科夫随机场的运动目标检测

针对目标和背景具有空间连续性的特点,提出一种基于核密度估计和马尔科夫随机场的运动目标检测方法。首先利用核密度估计计算像素点属于背景的概率密度,在特征向量中加入颜色空间运动矢量分量来提高对背景扰动和光照变化的鲁棒性;然后构造马尔科夫随机场,提出一种马尔科夫随机场能量函数代价项的构造方法,通过最小化其能量函数得到目标分割结果。实验结果证明,该运动目标检测算法对背景扰动和光照变化具有更好的鲁棒性,错误检测率更低。     

双窗口特征的SAR图像丛林区域MRF分割算法

针对固定窗口灰度共生矩阵纹理特征对合成孔径雷达(SAR)图像丛林区域分割存在的局限性,讨论了丛林区域纹理特征值的聚类特性,分析计算窗口大小对分割的影响。基于马尔科夫随机场(MRF)分割方法对SAR图像噪声抑制能力,提出一种基于小窗口纹理特征分割作为初始标记计算初始吉布斯分布,大窗口纹理特征作为样本估计高斯分布的MRF分割方法。该方法经实验验证,能够改善分割噪声和边缘模糊的问题,很好地对SAR丛林区域进行分割。     

基于灰度秩数向量的非监控纹理图像分割

纹理图像分割的首要问题是纹理特征的提取与描述.传统的统计纹理描述方法和结构纹理描述方法各有特点,但也各有不足.本文从结构与统计结合的角度,提出了一种基于灰度秩数的结构性统计方法,该方法可以较好地抽取物体表面的结构特征.在用本算法对纹理进行描述的基础上,本文采用了一种广义最小体积椭球聚类算法(GMVE)对所抽取的纹理特征进行聚类分割.算法有效性在实际纹理分割中得到了验证.