一种基于CB模型的彩色图像分割方法

CB模型是一种把图像分为色度和亮度方面的彩色模型,对图像进行分割去噪时可以很好地保留图像的细节和边缘.首先把一幅含有噪声的彩色图像分割成几何和摆动部分(纹理和噪声),然后利用CB模型分别在色度和亮度两个通道上求几何和摆动部分,再合成图像的几何和摆动部分,其中几何部分即图像去噪后的图像.实验证明CB模型可以快速准确地分割出目标,消除图像的噪声部分,是一种有效的图像分割方法.     

医学噪声图像分割的分解与活动轮廓方法

医学噪声图像的分割是一件非常困难的事情,为了同时进行噪声去除和图像分割,提出一种基于分解的图像活动轮廓分割模型.该模型是G空间图像分解模型和边缘、区域相结合的活动轮廓模型集成的一个变分泛函,由于模型直接求解困难,把它分裂成2个泛函极值——图像分解部分和图像分割部分.其中,图像分解部分是在G空间的泛函极值,用第二代曲波变换域的阈值收缩求解;分割部分是变分水平集泛函极值,其Euler方程为非线性偏微分方程,可用梯度下降流求解.实验结果表明,文中模型不但可对噪声图像去噪,而且在相同的实验条件下分割效果优于Chan-Vese模型、Snake模型、Level-set模型和ASM;不仅提高了图像的质量,还能较好地分割出目标部分.     

一种新的几何活动轮廓模型在图像分割中的应用

针对传统几何活动轮廓模型不能准确分割图像内弱边界区域目标以及对噪声的干扰容易使曲线陷入局部极值的情况,提出了一种基于区域梯度流力的几何活动轮廓模型.由于该区域力是对图像进行区域分割后产生的,所以能够从全局的角度为模型提供区域内目标的边界信息,进而达到分割弱边界的目的.通过引入一个扩散方程可以扩大区域力的捕捉范围,达到消除噪声干扰的目的.实验证明,该模型较好地解决了传统活动轮廓模型分割图像目标存在的问题.     

一种具有去噪能力的全局最小值分割模型

几何主动轮廓模型的能量泛函是非凸性的,导致图像分割结果依赖于曲线的初始化条件,对噪声敏感。针对该问题,提出一种全局最小值分割模型,对能量泛函进行凸性非约束改进,利用基于总变分对偶公式的快速数值化算法实现图像的分割。对合成图像和医学图像的分割结果表明,利用该模型可以准确提取出对象的边界,分割速度快,对噪声具有较好的鲁棒性。     

基于HSV颜色空间的中国虚拟人脑图像自动分割方法

虚拟人图像是目前研究的重点,其中脑图像尤为突出.在HSV颜色空间中对虚拟人脑图像进行分析,可以加大当前数据与下层数据的区别,以利于目标的分析.给出一种改进的各向异性扩散方程,并构造混合信息场,以降低噪声、过渡区域等因素的影响;使用Ostu算法与一种新颖的快速符号表算法对饱和度信息场与色度信息场进行分类,得到灰质分割结果;并利用解剖学知识、区域信息以及数学形态学知识对亮度场信息进行分析,以修正分割结果,最终将脑组织分离出来.实验结果表明该算法能较精确地得到分割结果.     

基于NSST的改进双通道PCNN多聚焦RGB图像融合

针对光学成像设备景深有限、图像部分失焦的问题,提出一种基于非下剪切波变换(NSST)的改进双通道脉冲神经耦合网络(PCNN)融合算法。首先,该算法采用Lab颜色空间分割RGB图像的亮度分量和色度分量间的关联性得到亮度和色度通道子图;然后,亮度通道子图使用NSST重构,色度通道子图使用能量匹配融合;针对融合时阈值设置和点火量化产生的误差,提出改进双通道PCNN模型融合,并结合对比敏感度函数(CSF)自适应设定PCNN参数;最后,亮度和色度重构图通过逆Lab得到最终融合图。实验结果证实,该算法可有效减小失真,抑制伪影并保留边缘轮廓信息,提升全场景清晰度。     

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。     

近似测地距离度量下的图像抗噪分割方法

对含有噪声的图像进行有效分割是图像处理中的难点问题之一.为解决欧氏距离带来的空间局限性,对含有噪声的图像进行有效分割,提出一种基于近似测地距离和边界加权的重心Voronoi图划分(CVT)能量模型的图像抗噪分割方法.首先利用图像梯度的大小和方向建立一种近似测地距离计算模型,降低了算法的时间复杂度;然后采用该测地距离测度定义边界加权的CVT能量模型,并极小化能量模型实现数字图像的抗噪分割.实验结果表明,该方法可以有效地对含有噪声的数字图像进行抗噪分割.     

基于肤色和亮度变换的人机交互系统

手机导航键采用的人机交互方法存在操控不方便、实现较复杂以及成本高等缺点,为此,提出一种结合肤色模型、亮度变换和几何特征的人机交互系统。通过手机前置摄像头采集用户拇指轻微运动的序列图像,在YCbCr颜色空间对图像进行色度判决;基于目标和背景的亮度特征对图像进行亮度变换,并引入值心概念计算前景的几何中心,判断值心在二维指令特征平面中的具体位置。实验结果表明,该人机交互方式能快速方便地识别大拇指发出的4条主指令和12条辅助指令。     

基于肤色的人脸眼部区域图像自动分割方法*

眼睛是人脸特征最主要的构成部分。基于眼部特征的人脸检索不仅可以提高人脸识别和检测的速度,而且能够降低识别算法的复杂度。要提取眼睛特征,首先要检测眼睛并提取眼睛区域图像,本文选择了一种基于肤色的人脸眼部区域图像自动分割方法。直接对彩色人脸图像利用YCbCr空间下肤色的色度与亮度的相关性将眼睛位置定位出来,再根据眼睛位置分割得到人脸眼部区域的带状图像。通过对图像库中的1000幅彩色人脸图像进行试验检测表明,计算机分割一张图像眼部区域的平均时间为1.785s,对图像库中人脸眼部区域图像分割提取的成功率为99.37%。     

基于HIS空间的彩色图象分割

提出了一种基于HIS空间的彩色图象自动分割算法．在这个算法中，彩色图象首先被转化到HIS颜色空间．图像分解成彩色通道(H和S分量)和亮度通道(1分量)．我们对彩色通道采用基于J-图象的自动分割算法进行分割．对亮度通道采用水线阈值算法进行分割，然后将分割后的结果进行组合．得到最终分割结果．试验表明，这种方法计算快速简单．是一种高效的自动算法。     

双边滤波的改进高光去除

目的 由于非均匀光照条件下,物体表面通常出现块状的强反射区域,传统的去高光方法在还原图像时容易造成颜色失真或者边缘的丢失。针对这些缺点,提出一种改进的基于双边滤波的去高光方法。方法 首先通过双色反射模型变换得到镜面反射分量与最大漫反射色度之间的转换关系,然后利用阈值将图像的像素点分为两类,将仅含漫反射分量的像素点与含有镜面反射分量的像素点分离开来,对两类像素点的最大漫反射色度分别做估计,接着以估计的最大漫反射色度的相似度作为双边滤波器的值域,同时以图像的最大色度图作为双边滤波的引导图保边去噪,进而达到去除镜面反射分量的目的。结果 以经典的高光图像作为处理对象,对含有镜面反射和仅含漫反射的像素点分别做最大漫反射色度估计,再以该估计图作为双边滤波的引导图,不仅能去除镜面反射分量还能有效的保留图像的边缘信息,最大程度的还原图像细节颜色,并且解决了原始算法处理结果中R、G、B三通道相似的像素点所出现的颜色退化问题。用改进的双边滤波去高光算法对50幅含高光的图像做处理,并将该算法与Yang方法和Shen方法分别作对比,结果图的峰值信噪比（PSNR）也分别平均提高4.17%和8.40%,所提算法的处理效果更符合人眼视觉,图像质量更好。结论 实验结果表明针对含镜面反射的图像,本文方法能够更有效去除图像的多区域局部高光,完成对图像的复原,可为室内外光照不匀情况下所采集图像的复原提供有效理论基础。     

Separating reflection components of textured surfaces using a single image

In inhomogeneous objects, highlights are linear combinations of diffuse and specular reflection components. To our knowledge, all methods that use a single input image require explicit color segmentation to deal with multicolored surfaces. Unfortunately, for complex textured images, current color segmentation algorithms are still problematic to segment correctly. Consequently, a method without explicit color segmentation becomes indispensable and This work presents such a method. The method is based solely on colors, particularly chromaticity, without requiring any geometrical information. One of the basic ideas is to iteratively compare the intensity logarithmic differentiation of an input image and its specular-free image. A specular-free image is an image that has exactly the same geometrical profile as the diffuse component of the input image and that can be generated by shifting each pixel's intensity and maximum chromaticity nonlinearly. Unlike existing methods using a single image, all processes in the proposed method are done locally, involving a maximum of only two neighboring pixels. This local operation is useful for handling textured objects with complex multicolored scenes. Evaluations by comparison with the results of polarizing filters demonstrate the effectiveness of the proposed method.     

Dual Norms and Image Decomposition Models

Following a recent work by Y. Meyer, decomposition models into a geometrical component and a textured component have recently been proposed in image processing. In such approaches, negative Sobolev norms have seemed to be useful to modelize oscillating patterns. In this paper, we compare the properties of various norms that are dual of Sobolev or Besov norms. We then propose a decomposition model which splits an image into three components: a first one containing the structure of the image, a second one the texture of the image, and a third one the noise. Our decomposition model relies on the use of three different semi-norms: the total variation for the geometrical component, a negative Sobolev norm for the texture, and a negative Besov norm for the noise. We illustrate our study with numerical examples.     

Separating reflection components based on chromaticity and noise analysis

Many algorithms in computer vision assume diffuse only reflections and deem specular reflections to be outliers. However, in the real world, the presence of specular reflections is inevitable since there are many dielectric inhomogeneous objects which have both diffuse and specular reflections. To resolve this problem, we present a method to separate the two reflection components. The method is principally based on the distribution of specular and diffuse points in a two-dimensional maximum chromaticity-intensity space. We found that, by utilizing the space and known illumination color, the problem of reflection component separation can be simplified into the problem of identifying diffuse maximum chromaticity. To be able to identity the diffuse maximum chromaticity correctly, an analysis of the noise is required since most real images suffer from it. Unlike existing methods, the proposed method can separate the reflection components robustly for any kind of surface roughness and light direction.     

Applications of ICA for the enhancement and classification of polarimetric SAR images

Independent components analysis (ICA) based methods for polarimetric synthetic aperture radar (SAR) image speckle reduction and ground object classification are studied. Several independent components can be extracted from polarimetric SAR images using ICA directly. The component with lowest speckle index is regarded as the scene after speckle reduction. The disadvantage of this method is that only one image is kept and most polarization information will be lost. In this paper, we use ICA‐sparse‐coding shrinkage (ICA‐SPS) based speckle reduction method, which is implemented on each individual image and can keep polarization information. It is carried out on the combined channels obtained by Pauli‐decomposition rather than original polarization channels in order to keep relative phase information among polarization channels and get better performance. After ICA‐SPS, the effect of speckle suppression on SAR image classification can be compared favourably with other methods by combining the channels into a false colour image. At last, a new ICA‐based classification method is presented. In this method, four independent components are separated by ICA from five polarization and combined channels. One of these independent components which includes little ground object information is regarded as speckle noise and therefore be discarded. The remaining three components can be treated as subordination coefficients of three kinds of targets. A classified image can be obtained based on the components. And by composing these three channels in RGB colour pattern, a false colour image can be constructed.     

改进Retinex-Net的低光照图像增强算法

针对Retinex-Net存在噪声较大、颜色失真的问题,基于Retinex-Net的分解-增强架构,文中提出改进Ret-inex-Net的低光照图像增强算法.首先,设计由浅层上下采样结构组成的分解网络,将输入图像分解为反射分量与光照分量,在此过程加入去噪损失,抑制分解过程产生的噪声.然后,在增强网络中引入注意力机制模块...     

基于图像融合的自适应水下图像增强

针对水下图像对比度低及细节模糊的问题,提出一种基于图像融合的自适应水下图像增强方法,实现不同类型水下图像的增强效果。基于颜色校正方法对水下图像进行颜色均衡化预处理;对亮度分量L进行Gamma校正,获得对比度提升的亮度图像;对两个亮度分量进行三层小波分解,提出对分解所得的低频分量及高频分量分别采用线性融合和自适应融合策略进行融合。多尺度融合保证了增强图像细节的丰富性,自适应融合策略体现了融合过程的可控性。实验结果表明,增强的水下图像呈现出高对比度和清晰的细节。     

基于融合策略的改进Retinex低照度图像增强算法

针对Retinex算法处理低照度彩色图像出现色彩失真,边缘保持性差等问题,提出一种基于融合策略的改进Retinex低照度图像增强算法;该算法首先在YIQ颜色空间提取亮度分量Y,对其进行MSR算法增强;然后采用高斯-拉普拉斯算子对彩色图像的RGB三个分量进行边缘检测,将其叠加合成后转换成灰度图;最后使用小波变换将两幅图像融合得到新的亮度分量,将其与I、Q分量融合后转回RGB颜色空间,从而获得色彩保真度高、细节清晰的图像;实验结果表明,该方法有效提高了图像边缘细节信息,避免了色彩失真,具有很好的视觉效果。     

保持图像亮度的自适应局部对比度增强

目前保持亮度的局部直方图均衡算法用于对比度增强时,大多以亮度均值和中值为图像的亮度分割点,这些方法能较好地保持图像的亮度,但同时也会产生局部过增强。为此提出了一种亮度误差最小的自适应局部对比度增强算法,根据亮度均值绝对误差自适应的选择最佳亮度分割点,然后用保持亮度的双直方图均衡算法对被分割的子图像进行均衡,最后用滤波器消除块效应。实验结果表明,该算法不仅保持了输入图像的亮度,同时也实现了局部对比度增强。