基于空间模式聚类最大熵图像分割算法研究

研究图像分割优化问题,在分割图像中,提取信息受到各种因素影响,分割效果不理想。针对图像分割计算复杂,造成图像分割分辨率低,清晰度不高。同时,当图像中的信息量非常大时,图像分割非常耗时。为了有效地分割图像,提出了一种基于空间模式聚类和最大熵算法原理相结合的图像分割方法。首先对图像采用最大熵算法进行图像分割,为每个熵区域定义特征量。根据不同的特征量计算相似区域之间的欧氏距离和空间距离,从而确定像素聚类中心的距离。然后对分割后的图像区域采用基于空间模式聚类方案进行合并,并对图像进行二值化处理。仿真表明与传统图像分割相比,提高了分割效率,分割出的图像边缘效果清晰,证明了算法的可行性和有效性。     

基于顶帽变换和模糊C均值聚类的图像分割方法

为了准确地对背景亮度不均匀的图像进行分割,提出了一种综合运用形态学中的顶帽变换和模糊C均值（FCM）聚类的图像分割方法。FCM聚类算法已成功地应用于图像分割,但对于具有不均匀亮度背景的灰度图像,则无法进行准确有效地分割。根据提出的方法,对于具有亮度不均匀背景的灰度图像,首先利用顶帽变换对图像进行处理,以消除亮度不均匀的背景,然后再利用FCM聚类算法对图像进行分割。实验结果表明,该方法可以准确地对背景亮度不均匀的图像进行分割,是一种有效的图像分割方法。     

结合HSV空间的改进二维Otsu免疫组化图像分割

肝脏免疫组化图像中阳性区域的定量分析对肝癌的早期诊断有非常重要的意义。针对真彩色免疫组化图像特征,结合HSV空间对二维Otsu算法进行改进。首先针对二维Otsu算法每次计算类间测度矩阵的迹需要遍历整幅图像导致运算量大耗时多的不足,提出一种快速递推算法,利用快速Otsu算法对图像进行预分割;然后针对分割结果中目标区域包含的少量阴性区域,结合图像的HSV空间特征进行优化。将预分割结果与H分量作交集运算,将交集运算结果与预分割结果作差集运算,得到初分割结果;将初分割结果与H分量和S分量的交集运算结果做并集运算,得到最终分割结果。通过与Otsu的对比实验表明,改进算法更好地实现了阳性区域的目标提取,提高了分割的精度。     

迭代分水岭和脊检测的图像分割

对具有边界不明显和亮度非均匀特征的图像,如金相学图像,使用传统方法进行分割难以得到令人满意的分割效果.因此,提出了一种新的图像分割算法--基于迭代过程的分水岭改进算法.该算法运用脊来限定区域生长的范围,采用双阈值方法选择种子,而脊叠加为分水岭算法中的最高吃水线.为了解决过分割的问题,利用贝叶斯分类规则反复地进行区域块的合并.实验结果表明,在无需调整太多参数的情况下,该算法可以有效地实现图像分割.     

基于局部区域信息的水平集医学图像分割方法

针对医学图像中存在的亮度分布不均匀（intensity inhomogeneity）的特点,对Chan-Vese提出的基于Mumford-Shah模型的水平集分割图像的算法进行了改进。局部区域信息是对亮度分布不均匀图像进行准确分割的关键,但是传统的基于区域信息的C-V模型没有利用到这种局部区域的图像信息,因此无法正确分割强度分布不均匀图像。利用局部区域信息构造能量函数,提出了一种基于局部区域信息的改进C-V模型。该模型无需大量计算,水平集函数可快速收敛。MR图像、血管造影图像和X线骨折图像的实验结果证明了该方法的高效性。     

基于上下文分析的无监督分层迭代算法用于SAR图像分割

基于聚类的分割算法能够有效地分析目标特征在特征域的分布结构,进而准确判断目标的所属类别,但难以利用图像的空间和边缘信息,而基于区域增长的分割算法能够在空间域利用多种图像信息计算目标之间的相似性,但缺乏对特征结构本身的深层挖掘,容易出现欠分割或过分割的结果. 本文结合这两种算法各自的优势,针对合成孔径雷达（Synthetic aperture radar,SAR）图像的特点,提出了一种基于上下文分析的无监督分层迭代算法. 该算法使用过分割区域作为操作单元,以提高分割速度,降低SAR图像相干斑噪声的影响. 在合并过分割区域时,该算法采用了分层迭代的策略:首先,设计了一种改进的模糊C均值聚类算法,对过分割区域的外观特征进行聚类分析,获得其类别标记,该类别标记包含了特征的分布结构信息. 然后,利用多种SAR图像特征对同类区域的空域上下文进行分析,使用区域迭代增长算法对全局范围内的相似区域进行合并,直到不存在满足合并条件的过分割区域对为止,再重新执行聚类算法. 这两种子算法分层交替迭代,扬长避短,实现了一种有效的方法来组织和利用多种信息对SAR图像进行分割. 对模拟和真实SAR图像的实验表明,本文提出的算法能够在区域一致性和细节保留之间做到很好的平衡,准确地分割出各类目标区域,对相干斑噪声具有很强的鲁棒性.     

基于空间约束的模糊C均值聚类肝脏CT图像分割

传统模糊C均值（FCM）聚类算法应用于肝脏CT图像分割时仅考虑像素本身特征,无法解决灰度不均匀造成的影响以及肝脏边界模糊造成的边界泄露的问题。为解决上述问题,提出一种结合空间约束的模糊C均值（SFCM）聚类分割算法。首先,使用二维高斯分布函数构建卷积核,利用该卷积核对源图像进行空间信息提取得到特征矩阵;然后,引入空间约束惩罚项,更新并优化目标函数得到新的迭代方程;最后,通过多次迭代,完成对肝脏CT图像的分割。实验结果表明,SFCM算法分割具有灰度不均匀和边界粘连的肝脏CT图像时得到的肝脏轮廓形状更加规则,准确率达到92.8%,比FCM和直觉模糊C均值（IFCM）算法的分割准确率分别提升了2.3和4.3个百分点,过分割率分别降低了4.9和5.3个百分点。     

基于改进FCM聚类算法的火灾图像分割

研究火灾识别问题,火灾图像分割是火灾特征提取和识别的前提,其分割效果直接影响火灾识别的准确率.针对现有分割方法中存在的经验阈值难以确定和因彩色信息丢失导致分割不准确等问题,为了准确识别火灾图像,提出一种改进的FCM聚类的火灾图像分割方法.方法选用符合人眼视觉特性的HSI颜色空间,根据数据分布特点确定色度分量H和亮度分量Ⅰ的初始聚类中心,分别在直方图特征空间进行模糊聚类处理,并利用像素的空间信息对模糊隶属度函数做了改进,最后在由两分量的模糊隶属度组成的二维特征空间上进行火灾图像分割.实验结果表明,算法可排除高亮区域的干扰,准确分割出火焰区域,为后续的火灾识别提供重要依据.     

基于空间相关性的图像分割算法研究

提出一种充分利用图像的空间相关性来达到高效快速地进行图像分割的新方法。利用均值漂移算法对图像进行分割形成过度分割的区域,并使这些区域保持理想的边缘和空间相关部分,用图结构表示的区域相邻图来代替分割的区域。和K-均值算法的思想一样,迭代循环置信传播算法以其具有收敛速度快的特点被用于最小化开销函数、整合过度分割的区域和获得最终的分割结果。基于分割区域而不是图像像素的图像聚类分割方法可降低噪声敏感性,同时提高图像分割质量。与FCM和MRF算法相比较,该算法在复杂场景图像中显示了更好的分割性能。     

小麦冠层图像H分量的K均值聚类分割

大田环境下小麦冠层图像具有光照不均匀、背景复杂及阴影遮挡等特点,经典图像分割算法存在精度低、过分割等问题,提出一种基于HSI空间下H分量的K均值聚类算法。使用[R+G-B]归一化处理RGB空间下的彩色图像,以抑制其B分量;将归一化图像进行RGB到HSI的颜色空间转化;根据光照是否均匀,使用K均值聚类算法对彩色图像的H分量进行不同的聚类处理,经形态学开运算及去噪处理获得最终目标图像。实验表明,该方法对不同施氮量、不同光照、不同生长时期小麦冠层图像的分割效果较好,相对基于Lab空间的K-means聚类分割,该方法可一定程度避免过分割现象;相对基于H分量的Otsu算法,对光照不均匀图像分割更完整,对复杂背景图像分割更精确。     

A disease spot segmentation method using comprehensive color feature with multi-resolution channel and region growing

The paper proposes a novel method to segment disease spots in leaves using image processing techniques. In the process of disease spot segmentation many challenges are faced such as uneven illumination and clutter background. To solve uneven illumination, color spaces and gray scale conversions are summed. Color spaces like H (hue) component of HSV, L*a*b* color spaces and Excess Red index (ExR) are used. Color to gray scale conversion is done by using weighted mulitresolution channel. Region growing method is used to solve the clutter background issues by interactively selecting growing seeds under real field conditions. Using precision, performance measure is calculated and an average segmentation accuracy of 94% is achieved.

     

光照鲁棒的模糊C均值聚类显微图像分割

传统的模糊C均值FCM聚类图像分割算法在显微图像分割中由于没有考虑光照不均匀的影响而降低了分割的效果,为此,提出了一种光照鲁棒的FCM显微图像分割算法。该算法用正交基函数的线性组合模拟不均匀光照,并引入到FCM算法的目标函数中,进行图像的模糊分割。算法不仅降低了非均匀光照对分割效果的影响,还可以同步估计不均匀光照场。实验结果表明,该方法非常有效。     

Color segmentation robust to brightness variations by using B-spline curve modeling

Color segmentation takes a great attention because color is an effective and robust visual cue for characterizing an object from the others. However, color segmentation suffers from color variations incurred by irregular illumination changes. We propose a reliable color modeling approach in hue–saturation–intensity (HSI) color space while considering intensity information by adopting the B-spline curve fitting to make a mathematical model for statistical characteristics of a color with respect to intensity. It is based on the fact that color distribution of a single-colored object is not invariant with respect to brightness variations even in the HS (hue–saturation) plane. The statistical characteristics contain the mean and standard deviation of hue and saturation with respect to intensity. They are mathematically expressed as four bar graphs. In order to fit the bar graphs to continuous curves, we use B-spline curve fitting procedure. From several experimental results, we verify that the proposed algorithm is successfully applied to color segmentation under various illumination conditions.     

基于混合颜色模型的枪弹外观缺陷分割

为实现枪弹外观颜色缺陷快速、自动、准确分割,提出一种基于混合颜色模型的枪弹外观缺陷分割方法.分析统计正常光照条件下弹体和颜色缺陷图像特征,获得统计规律,提取颜色特征,分割颜色缺陷,对感兴趣的局部弹体图像进行由RGB到HSI的颜色模型转换,利用色调H分量进一步分割缺陷,使用数学形态学优化分割结果,定义缺陷平均分割率和平均偏差量化分割结果.实验结果表明,该方法在弹体缺陷分割的应用中表现出较好的准确性和鲁棒性.     

最大差值图决策的低照度图像自适应增强算法

应用于光照分布不均的低照度图像,传统的图像增强算法会出现色彩失真、亮区过度增强等问题,因此提出一种最大差值图决策的低照度图像自适应增强算法。首先,提出最大差值图的概念,通过最大差值图粗略估计出初始光照分量;然后,提出交替引导滤波的算法,利用交替引导滤波对初始光照分量进行校正,实现光照分量的准确估计;最后,设计了图像亮度自适应的伽马变换,能够根据获取的光照分量自适应调整伽马变换参数,从而在增强图像的同时消除光照不均带来的影响。实验结果表明,增强后的图像有效消除了光照分布不均带来的影响,图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升,平均梯度提升了1倍以上,信息熵提升了14%以上。由于提出的算法对光照分量估计准确,自适应伽马变换针对低照度图像进行了优化,因此,对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。     

视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

基于梯度与颜色信息融合的水文资料图像分割

针对纸质水文资料数字化应用,对相机拍摄的水文资料图像进行分割,提出基于梯度和颜色信息融合的水文图像分割方法。首先利用图像在CIELab空间上的颜色分量特征分割出曲线,然后进行分块处理,利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点,统计这些像素点的颜色信息,利用颜色分量关系对网格线进行初步提取,之后加入水平和垂直方向的腐蚀,合并两方向的结果得到最终的网格二值化图像,最终由曲线图像和网格图像合并后得到水文图像的分割结果。对多幅水文图像进行分割的实验结果表明,本文方法能自适应地完成对多幅图像有效的分割,并且能够减少相机拍摄光照不均的影响,有较好的鲁棒性和较低的计算复杂度。     

视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

Image segmentation and similarity of color-texture objects

We aim for content-based image retrieval of textured objects in natural scenes under varying illumination and viewing conditions. To achieve this, image retrieval is based on matching feature distributions derived from color invariant gradients. To cope with object cluttering, region-based texture segmentation is applied on the target images prior to the actual image retrieval process. The retrieval scheme is empirically verified on color images taken from textured objects under different lighting conditions.