基于SOFM的灰度图像彩色化算法

提出一种基于自组织特征映射(SOFM)的灰度图像彩色化算法。将彩色样本图像和灰度图像均转换到lαβ颜色空间,在 通道构造像素邻域的多维特征向量,将彩色样本图像的像素亮度特征向量作为网络的输入进行训练,利用SOFM的自组织特性建立像素特征向量与彩色信息值的对应关系,应用训练好的网络实现灰度图像的彩色化。实验结果表明,该算法的彩色化效果较已有算法有较大改善。     

结合伪彩色与上下文感知的肺癌PET图像分割算法

由于肺癌PET成像质量较低且待分割区域边界没有明显的灰度差,使得基于颜色特征的图像分割算法不能做到有效分割。本文提出了结合伪彩色与上下文感知的肺癌PET图像分割算法。首先,将原始的肺癌PET图像根据彩色查找表生成对应的伪彩图;然后,使用改进的上下文感知模型获得伪彩图对应的显著图,并采用大津法对显著图进行二值化处理,初始化显著图的分割区域;最后,使用改进的GrabCut算法迭代分割图像。算法应用于肺癌的PET图像分割。实验结果表明,本文算法有效提升肺癌PET图像的分割效率、提升分割精度,取消GrabCut算法、Snake算法的用户操作,实现图像分割自动化,具有较高的可靠性、执行效率、以及实际应用价值。     

小波变换在医学图像融合中的应用研究

对不同模态的医学图像进行融合处理,可为临床提供新的诊断信息.针对V. Petrovic提出的灰度图像融合方法,给出了一种改进的多尺度图像融合算法.首先对源图像按照V.Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔表示,然后对金字塔中的两个低通分量加权平均后,再进行反变换,即得灰度融合图像.然后以此灰度融合图像作为两幅源图像的公共部分,利用Toet的伪彩色融合方法,得到最终的彩色融合图像.由于该算法兼容了灰度融合和彩色融合的优点,用不同彩色来显示灰度差,使得融合图像在色彩上更丰富,包含更多的细节.将其应用于CT和MRI图像融合,仿真结果得到了证明.     

一种彩色图像灰度化的自适应全局映射方法

研究采用RGB颜色分量加权和的全局映射, 进行彩色到灰度的变换算法. 根据彩色像素在不同颜色分量的统计信息, 自动生成各颜色分量的灰度化权重, 同时结合主客观图像质量标准, 探索自适应的全局映射灰度化算法. 实验证明, 本文提出的新算法在多数测试图像上的灰度化效果与传统的灰度化算法效果相当, 但对具有主题色的彩色图像可以获得显著改善的灰度图像视觉效果.     

基于图像分割和色彩扩展的灰度图像彩色化方法

文章提出一种对灰度图像进行色彩传递的算法,首先利用Mean-shift方法对参考图像和目标图像进行分割,然后在空lαβ间利用灰度的统计信息,找到每个目标图像块相对应的参考图像块,分别进行局部色彩传递,得到一幅只有局部上色的彩色图像,最后通过色彩扩展算法,完成整幅灰度目标图像的自动彩色化过程,实验证明,该算法提高了色彩传递的准确性,且得到的彩色化目标图像色彩细腻均匀.     

融合特征和先验知识的车牌字符图像检测算法

提出一种融合车牌字符切割后的二值字符图像的结构特征及对应的彩色小字符图像的颜色信息对车牌分割后的小字符图像进行真伪字符图像区分,以此达到检测字符图像目的的算法。为满足实时车牌对时间响应的要求,对车牌字符切割得到的灰度图像作快速二值化,在二值化的图像上提取结构信息,结合车牌字符分布的特点去除了大部分非颜色车牌的伪字符图像。对于难以从结构上进行字符检测的颜色车牌伪字符图像,在结构特征分析的基础上再次通过从彩色图像提取的颜色信息进行相似性分析,排除伪字符图像。对候选字符图像融合大间隔这个先验知识得到输出的字符图像。实验结果表明算法有良好的字符检测效果,可以用于实时车牌识别系统中作为字符切割后期处理一部分。     

一种新的灰度图像色彩迁移算法

灰度图像色彩迁移是将一幅彩色图像的色彩信息传递给灰度图像,实现灰度图像的彩色化。在welsh算法的基础上,对welsh算法的权值公式及搜索策略进行了改进,提出了一种新的灰度图像色彩迁移的算法,在色彩迁移的效果上取得了一定的提高。效率上取得了显著的提升。     

二叉树分层和稀疏约束的SAR图像伪彩色编码

针对单极化SAR图像伪彩色编码问题,提出了一种基于二叉树分层和稀疏约束的伪彩色编码方法。首先,加入具有增强边缘信息和降噪效果的稀疏约束项,对SAR图像进行正则化增强方法处理,并作为彩色图像R分量;然后,利用二叉树分层方法对图像进行粗分层,利用Otsu算法计算分层中的最优阈值,利用区域窗口的结构相似度值判断节点是否再分,将灰度图像按各层阈值分成多个子图像,再对子图像进行亮度变换重新组合,分别得到彩色图像的G和B分量。最后,直接合成RGB伪彩色编码图像。利用TerraSAR-X单极化SAR图像实验验证,证明该方法的图像细节表现较好,而且在颜色信息和边缘信息处理、降噪方面具有较好的效果。     

改进的灰度级-彩色变换法在B超图像中的应用

B超图像的伪彩色增强在医学临床诊断上具有重要意义。该文提出了一种对灰度级-彩色变换法中分段传递函数阈值重新划分的新算法。该算法首先利用改进的K均值聚类算法对图像的灰度值进行聚类,再根据聚类各簇的灰度值阈值重新设置分段传递函数的节点。通过实验对比,该算法处理后的图像轮廓更清晰,层次感更强,能有效地突出病灶区,有利于医学诊断。     

局部自适应的灰度图像彩色化

目的 现有的灰度图像彩色化方法为了保证彩色化结果在颜色空间上的一致性,往往采用全局优化的算法,使得图像边界区域易产生过渡平滑现象。为此提出一种局部自适应的灰度图像彩色化方法,在迁移过程中考虑局部邻域像素信息,同时自动调节邻域像素权重,在颜色正确迁移的同时保证清晰的边界信息。方法 首先结合SVM（support vector machine）和ISLIC（improved simple linear iterative clustering）算法获取彩色图像和灰度图像分类结果图;然后在分类基础上,确定灰度图像高置信度像素点,并根据图像纹理特征,在彩色图像中寻找灰度图像的像素匹配点;最后利用自适应权重均值滤波实现高置信度匹配像素点的颜色迁移,并利用迁移结果对低置信度像素点进行颜色扩散,以完成灰度图像彩色化。结果 实验结果显示,本文方法获得的彩色化迁移结果评分均高于3.5分,特别是局部放大区域评价结果均接近或高于4.0分,高于其他现有彩色化方法评价分数。表明本文方法不仅能够保证颜色迁移的准确性和颜色空间的一致性,同时也能获取颜色区分度高的边界细节信息。与现有的典型灰度图像彩色化方法相比,彩色化结果图在颜色迁移的正确性和抑制边界区域颜色的过渡平滑上都有更优的表现。结论 本文算法为灰度图像彩色化过程中抑制颜色越界问题提供了新的指导方法,能有效地应用于遥感、黑白图像/视频处理、医学图像着色等领域。