基于颜色特征的植物根系图像分割方法

良好的图像分析系统可快速确定各种各样的植物根系参数.一般说来,在进行植物根系图像的测量处理之前还应对其做特别的准备.图像分割是计算机视觉低层处理的重要步骤.由于植物根系彩色图像有比其灰度图像更多的视觉信息,所以它们在根系图像特征的提取处理过程中更为有用.论文对现有几种彩色图像分割方法进行了比较分析,提出了一种基于颜色特征的图像分割法,并将其应用于扫描和数码相机拍摄植物根系图像的分割处理.     

基于塔形小波和特征加权的墙地砖纹理图像分割方法

目的基于小波变换的图像分割方法对随机纹理图像进行分割.方法通过墙地砖表面的原始纹理特征,改进原有的图像分割算法,对原始纹理图像进行高阶小波分解.结果图像整体中的背景纹理边缘被有效去除,降低了图像纹理带来的干扰,在有效提取近似信息的基础上提高了系统的实时性.结论根据墙地砖的纹理特征,采用基于塔形小波的改进分割方法,对墙地砖的原始图像进行处理,提高了边缘准确性和区域性,降低了分割错误率.     

基于属性直方图的图像分割方法及其在声呐图像分割中的应用

图像分割是图像识别中的主要问题，同时它又是一个经典难题；声呐图像恶劣的品质使图像的分割变得更为困难，属性直方图概念是直方图概念的推广；Otsu阈值化方法是一种性能良好的方法，本文将属性直方图概念应用于Otsu法中，提出了一中基于属性直方图的图像分割方法，文中阐述了这种方法的原理，并以声呐图像分割作为实例说明了这种方法的可行性。     

基于神经网络与遗传算法的纹理图像分割

运用两维自动回归模型、分形维数、均值和方差从每一小区域的数据中抽取纹理特征，把纹理特征作为自组织特征映射神经网络的输入层进行训练确定最优的纹理区域分割数，最后运用遗传算法优化图像分割。实验结果证明神经网络和遗传算法相结合能有效地分割纹理图像。     

改进Otsu图像分割方法

在计算分割阈值时,利用类内灰度差方进行多次迭代,获得阈值初值。图像总体灰度均值分别与目标及背景进行方差计算,得到最终分割阈值。     

图像分割的遗传算法方法

提出了一种用遗传算法进行图像分割的方法。首先叙述遗传算法的基本原理和它的算法流程；接着研究用遗传算法实现图像分割，提出了单门限和双门限分割的遗传算法，并与传统的Ｏｔｓｕ门限分割方法作了比较；最后给出了几个用遗传算法分割图像的实验结果。     

基于模糊理论的图像分割方法

利用边缘提取方法将边缘和噪声象素点从一维直方图中剔除,再对剩余象素点聚类,求出最优分割阈值,然后再求出各象素点隶属于目标和背景的模糊隶属度。根据背景和目标灰度的分布特征,分别选择适当的置信区间,对不在置信区间的象素点再利用其邻域象素点隶属度进行分类最终得到分割结果。实验结果表明效果良好。     

基于SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

表格图像的MAZ分割方法

根据表格图像直线交点特征以及表格中标题域与数据域的依赖关系,将表格的布局划分为6种基本结构,并以此提出了点的极大从属区域(MAZ)的定义．在此基础上,提出了一种基于MAZ的表格图像分割算法．该算法不仅能够实现对已填充表格的逻辑结构分析,而且可以按照基本的布局结构进行分割,将相互依赖的单元格划分在同一个子表中．实验结果证明了文中方法的有效性．     

基于均值距离的图像分割方法

针对医学图像分割中存在的分割类数不易确定的问题,利用常用均值间的不等式关系构造出了一种新的分割类数判据--均值距离函数,并将均值距离函数与模拟退火算法相结合,提出了一种基于均值距离的分割算法。该算法以均值距离函数作为目标函数,采用模拟退火算法进行优化,在整个搜索空间中寻找最优分割阈值,弥补了模糊C均值算法(fuzzy C-means,FCM)分类类数难以确定、搜索过程容易陷入局部极值的缺陷。实验结果表明,算法对含有病灶的医学图像能够进行自动分割,并且分割速度明显高于基于互信息的分割方法。     

一种基于矢量阈值的自适应图像分割方法

针对灰度图像,提出一种基于空间特征矢量的图像分割方法,分割前首先对边缘进行增强处理,并构建以像素的灰度、梯度、像素邻域均值为特征的三维特征空间.将图像像素点引入对应于空间特征点.通过计算像素特征矢量与特征矢量阈值的差矢量,求出矢量差与特征矢量阈值的夹角,比较夹角与动态分割参数的关系,以判定像素所在区域(目标或背景).实验表明,该方法能较快的实现图像分割,分割的效果也较好.     

基于光流场的图像分割

基于光流场的图像分割通常用到3个光流模型:仿射变换模型、平面光流模型和二次光流模型,其中仿射模型和平面模型是二次模型的特例。当分别用这3个模型拟合同一光流场时,仿射模型的拟合残差平方和最大,二次模型最小,平面模型居中。但是回归分析的理论表明二次模型并不一定总是最优的。应用回归分析有关待估参数的假设检验准则,可以在这3个模型中选择1个相对最优模型并用于拟合光流场,实现图像分割。算例表明,应用回归分析的假设检验准则选择出最优光流模型,用于图像分割可以取得较好的分割结果。     

A New Image Segmentation Method Based on Fractional-Varying-Order Differential

In order to solve the problem of image segmentation with intensity inhomogeneity, a new partial differential equation image segmentation model based on fractional-varying-order differential is proposed. This model introduces an adaptive coefficient to set disparate differential order intervals for pixel with different gray values and use fractional-varying-order differential to process the input image combined with the CV model, then use a variety of image segmentation evaluation indicators, such as true positive(TP) rate, false positive(FP) rate, precision(P), Jaccard similarity(JS) rate, and Dice coefficient(DC) rate to measure the pros and cons of our model. The experimental results show that our method is improved on the original basis, which is more conducive to us to obtain more image details and obtain better segmentation results.     

基于遗传算法的图像分割阈值选取

图像分割是模式识别和图像分析的预处理阶段,通常采用聚类的方法进行.图像分割技术被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出了一种用遗传算法进行图像分割的方法,并给出了遗传算法中基本参数的设定.实验结果表明,基于图像的像素方差信息,利用遗传算法全局搜索图像的双阈值,这样不但图像分割效果好,而且缩短了计算时间,并具有遗传算法鲁棒性和自适应的特点,比传统的Otsu方法有明显的优点.在遗传算法中引入了优生算子、变异算子和新个体,避免了局部早熟,提高了收敛速度和全局收敛能力.GA作为一种并行算法,提高速度的潜力十分巨大.     

免疫遗传算法在图像分割中的应用

为了提高在连续多帧图像中背景提取的计算速度,提出了一种利用免疫思想的改进型遗传算法.该算法利用灰度图像的直方图熵作为评价标准对图像进行背景分割.相对于传统方法,可以大幅度提高连续多帧图像的背景提取速度.     

一种直方图分段逼近的图像分割方法

对于图像灰度信息的分布可使用直方图进行分析。分析图像的直方图是图像处理中的一种常见的方法。对于在图像分割时难于得到图象分割的准确阈值问题,提出利用多项式对直方图包络线进行分段拟合,把图像分割阈值问题转化为求多项式极小值的问题,从而求出用于分割图像不同灰度层次的最优阈值的方法。实验结果表明,这种多项式分段拟合直方图包络线的方法具有比较好的直方图包络线拟合效果,可以为灰度图像的多层分割求出比较理想的阈值。     

基于双阈值的移动机器人视觉图像分割

为了提高移动机器人识别目标的快速性,针对RIRAII移动机器人的图像处理和图像匹配问题,考虑到环境中的光照条件的影响和满足实时性的要求,在图像分割中,采用了将RGB和HSV两种色彩系统混合使用的方法,提出了基于颜色信息的RGB和HSV模型下利用双阈值图像分割的方法,对图像进行分割的试验结果证明,该算法能够取得较好的图像分割效果,并且图像分割处理时间减少,满足移动机器人跟踪目标的实时性要求.     

一种基于边界和区域的MRI脑图像分割方法

应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.     

基于水平集方法的医学图像分割

针对水平集方法处理曲线拓扑结构变化能力强,但分割图像时运算效率低的情况,提出将水平集方法和快速步进法相结合应用于医学图像的分割。该方法解决了水平集方法运算效率低、快速步进法易产生过分割的问题,使得图像分割的速度得以提高,分割效果也比较理想。该方法成功的用于头骨CT图像和肝脏CT图像的分割,分割效果较好。     

基于Ncut的自适应图像分割方法

为了解决传统归一化割(Normalized cut,Ncut)算法需要人工干预因素过多,限制了算法的通用性,本文对传统Ncut算法进行了改进,提出了自适应的图像分割方法。首先采用基团势的理论替代了传统的Ncut算法中计算权值矩阵时两个控制参数对结果的影响;然后为了减少K-means算法对分类数目和类中心的敏感,本文采用基于最小生成树的聚类方法对Ncut计算出的特征向量进行分类,得到最终的分类数目和初始类中心,然后再采用K-means算法进行聚类得到最终的分割结果。实验结果显示,本文的算法不仅提高了算法的通用性,并且分割效果比较好。