基于区域生长的彩色图像分割算法

针对传统种子区域生长算法在分割具有复杂纹理的彩色图像中存在的问题,提出一种改进的种子区域生长算法,该算法在YCbCr颜色空间中进行,采用离散余弦变换提取图像纹理特征值,进行自动种子及种子区域的生长,并用区域合并改善过度分割。实验结果表明,该算法能有效提高图像分割的精确性。     

基于改进区域生长算法的彩色图像分割

本文提出一种改进的区域生长算法.该算法利用颜色分类结果和连续图像的相似性,改进了种子搜索方法,与全局搜索种子的方法相比减少了种子搜索的时间,并且实现简单有效.实验结果表明改进的区域增长算法应用于RoboCup中型组足球机器人的全景彩色图像分割具有良好的时效性.     

基于矢量量化和区域生长的彩色图像分割新算法

针对光照变化和阴影对图像分割的不利影响问题,提出了一种基于矢量量化和区域生长的彩色图像分割新算法。该算法不仅考虑了彩色图像的颜色信息,而且也考虑了彩色图像的空间信息。该算法首先利用一种修改的GLA算法对彩色图像进行量化,并根据彩色图像量化的结果选取种子像素;然后基于矢量角相似性准则,并结合像素空间邻接信息,对每一个种子像素进行区域生长;最后利用模糊C-M eans算法来对未能归类的剩余像素进行分类。实验表明,该算法不仅可以在很大程度上克服光照变化及阴影对图像分割的不利影响,而且分割结果与人的主观视觉感知具有良好的一致性。     

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。     

一种改进的基于区域生长的彩色图像分割方法

提出一种改进的基于区域生长的彩色图像分割方法.首先,将图像从RGB颜色空间转换到YCbCr颜色空间.其次,自动选取种子点,利用区域生长法进行分割.最后,使用改进区域合并算法合并相似的、小尺寸的区域.对网上随机抽取的图像进行了测试,实验结果证明了提出方法的有效性.     

基于区域增长的可视人彩色图像分割

提出了一种基于区域生长的彩色图像分割算法,以提取可视人数据集中真彩解剖切片的组织器官。通过对彩色图像颜色特征空间RGB和HSV的分析,选择出适合可视人数据中肺部器官特征的颜色分量作为生长算法中分割合并的特征度量法则。实验表明,该方法能较好地分割出可视人真彩胸部图像中的肺部器官。     

一种融合聚类与区域生长的彩色图像分割方法

论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征,首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色与纹理特征,然后采用符合人类视觉特征的生长规则,进行基于子块的区域生长。该方法充分利用了聚类算法和区域生长算法的各自优点,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行了分割实验,实验结果证明了算法的有效性。     

一种自适应的区域生长算法用于道路分割

针对汽车在高速公路上行驶的道路区域分割问题,以路面颜色特征为研究对象,提出了一种将聚类分析应用于区域生长准则的算法,实现道路分割.为了提高算法的精确度,对图像进行预处理,消除车道线对道路分割的干扰.根据图像预处理之后道路信息分布的特点,将图像分为3块子区域分别用不同的算法进行检测.对于道路信息丰富,非道路信息也较多的中...     

结合蚁群和自动区域生长的彩色图像分割算法

为克服传统区域生长算法对初始种子像素选择以及生长顺序鲁棒性较差等缺点,提出了一种基于蚁群算法优化区域生长的彩色图像分割方法。首先,根据给定阈值,利用蚁群算法自动选取种子像素,然后,根据相邻距离di和相似度值d(Hi,Hj)的值选取生长及终止准则,最后利用数学形态学方法对分割结果进行优化。通过与JSEG和SRG算法比较发现,所提出的改进算法在分割准确性上具有明显优势。     

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。     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。     

融合mean shift和区域显著性的彩色图像分割算法

提出了一种无监督的提取图像中显著区域的彩色图像分割算法。首先,运用mean shift算法对图像进行分割,得到初始的分割结果;然后,根据给出的区域显著性的定义和区域合并策略,对初始分割结果进行合并,得到最终的分割结果。仿真结果表明,对于大多数测试图像,该算法都能获得很好的分割结果,并且具有较高的运行效率。     

基于区域生长的道路图像分割技术研究

对一幅给定的道路图像，首先计算其梯度图像，然后利用HOUGH变换确定粗略道路区，根据灰度直方图全局峰值个数选取区域核心点，采用近邻函数准则聚类算法选取区域生长阈值，结合单一型链接区域生长和质心型链接区域生长作为生长准则进行区域生长，得出道路区的区域描述。     

基于四元数矢量积算法的彩色图像区域生长算法

针对传统区域生长大多只应用于灰度图像而且存在对彩色信息不敏感、生长准则单一等问题,新算法采用LUV彩色模型,将基于四元数矢量积性质的区域生长算法应用到复杂背景下的彩色图像中。实验结果表明,该方法可以准确地细分区域和对象。     

基于色调直方图和区域合并的彩色图像分割算法

近年来随着机器视觉、模式识别和基于内容的图像检索等技术的不断提高以及彩色图像的大量使用,图像分割特别是彩色图像的分割显示出越来越重要的地位。为此提出了一种快速有效的彩色图像分割方法,主要包括三个步骤：首先将RGB颜色空间转换成HSV空间,把图像中的像素点根据饱和度和亮度划分为奇异点和非奇异点;然后对非奇异点和奇异点分别采用基于色调和灰度直方图进行分割;最后综合这两种分割结果,采用区域合并技术进行合并。实验结果表明,该方法对彩色图像能够有效地提取目标物体,具有一定的鲁棒性。     

融合颜色和区域信息的彩色图像分割新方法

结合了均值漂移算法和区域合并算法,取长补短,提出了一种融合颜色和区域信息的彩色图像分割方法。该算法首先利用均值漂移求取各个局部极值(聚类中心),在带宽求取和权重设置上使用了自适应法则,使算法更具有适用性;然后使用一个基于阀值的区域合并算法,解决了均值漂移对纹理和关照变化的过分割。实验证明,该算法是有效的。     

种子区域生长技术在彩色图像分割中的应用

提出一种基于种子区域生长(Seeded Region Growing,SRG)技术的彩色图像分割方法.该算法利用L*a*b*颜色空间的象素与其邻域的颜色差异及相对欧式距离自动选择种子;应用SRG技术由已知的种子生长出初始分割区域;根据融合了颜色空间和邻接关系的区域距离对初始区域进行分级合并.算法克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性.将新的分割方法应用到彩色图像,并得到与视觉判断相一致的有意义的分割结果.实验结果显示了所提出的方法对于不同自然彩色图像分割的有效性与适应性.     

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。     

区域生长算法进行肺的CT图像分割

使用Matlab开发平台设计了一个区域生长算法以用于肺的CT图像的分割。试验结果表明．区域生长算法能较好地将肺实质区域分割出来,满足进行下一步肺结节检测的需要.     

定向区域生长算法及其在血管分割中的应用

针对医学图像中微细管道结构灰度连续性差,采用常规区域生长法进行分割容易丢失末梢的问题,提出一种定向区域生长算法,可以在生长过程中跨越管道结构中的低灰度 区域。算法向图像中已生长区域外灰度最高的方向进行生长,每次将一个体素加入已生长区域,将图像转变为一颗以种子点为根结点的树,再从叶子结点进行回溯以确定感兴趣区 域。对实现算法的数据结构进行了讨论。算法可以应用于任意维的图像。对2维和3维图像的测试结果表明,相对于常规的区域生长法,算法可以分割出更多的血管分支。算法对3维 图像的运行时间为秒钟量级,可以满足临床应用的要求。