基于颜色和纹理特征提取彩色图像的有意义区域

针对猪肉眼肌彩色图像中眼肌区域的提取，提出一种基于颜色和纹理特征的彩色图像分割方法，实现了眼肌区域的自动分割。该研究在RGB彩色空间下进行，改进以往区域生长算法中种子点的选取方法，实现了基于彩色图像的区域生长算法，并比较以灰度为特征，以颜色为特征和以颜色与纹理相结合为特征进行区域生长的分割效果。研究结果表明，基于R、G、B和纹理特征的改进区域生长算法具．有较好的分割效果。     

一种局部纹理特征在区域生长中的应用*

为克服现有算法不能自动选择种子且没有很好地利用纹理信息的局限性,提出了一种基于局部纹理特征的区域生长算法。算法分为两个阶段,即颜色量化和区域生长。先利用Mean Shift算法对颜色聚类,对图像预分割,用该局部量化纹理算法提取量化结果的纹理特征,由该纹理特征自动选择种子并分级合并区域。与经典的JSEG算法相比,该算法能够得到相似的分割结果,且计算复杂度低。     

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。     

结合CS-LBP纹理特征的快速图割算法

图割算法是目前最有效的交互式图像分割方法之一。针对当前景和背景颜色相似时容易发生分割错误并产生shrinking bias现象,以及基于像素的计算导致交互效率不高的问题,提出一种结合纹理特征的改进算法。该算法首先利用Mean Shift算法对图像进行预分割,构建区域邻接图,然后用累计直方图、CS-LBP纹理描述子对每个区域进行颜色和纹理特征的提取,通过在能量函数中引入纹理约束项以及局部自适应的正则化参数,有效改善了分割效果和shrinking bias现象。实验结果表明,本算法交互效率得到了提高,分割结果更加精确。     

基于权值优化与纹理特征的快速人脸分割算法

针对传统GrabCut在GMM迭代估计阶段仅单纯地考虑像素点的RGB彩色信息,当前景细节区域与它的周围区域颜色差异较大时容易发生分割错误,以及基于像素的运算导致分割效率不高的问题,提出一种结合权值优化与CS-LBP纹理特征的改进算法。该算法首先利用多尺度分水岭对图像进行预分割,构建区域邻接图,然后对每个区域进行颜色和纹理特征的提取,通过权值迭代优化算法使区域的数据项权值与周边分块区域的权值相关联,采用自适应参数将纹理约束项引入能量函数,并将改进算法应用于人脸图像分割,有效改善了分割效果。实验结果表明,本算法分割结果更加准确,效率更高。     

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。     

基于多特征融合半自动岩心图像颗粒提取

基于最大相似度的区域合并算法是一种半自动的图像处理方式,可根据用户提供的交互信息,利用图像特征作为区域相似度进行准确的目标提取。但传统的MSRM算法计算量大,使用单一的图像特征使得分割不够精确。针对这些问题,文章对MSRM算法进行改进,提出一种基于多特征的区域最大相似度图像分割算法,并采用矩阵变换算法来降低计算量。该方法使用超像素图像作为分割基础,首先计算图像相邻区域纹理和颜色特征相似度,并使用矩阵变换算法降低颜色特征矢量维度,然后计算两种特征的权重,最后根据综合后的相似度对图像进行区域合并,得到最终的颗粒提取结果。实验结果表明,该方法可以有效提取颗粒的轮廓,提取的轮廓边缘细节较传统MSRM算法更优,算法执行效率也得到了提高。     

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。     

一种新的车牌定位方法

该文提出一种基于颜色与纹理综合特征的车牌定位新方法。首先进行颜色分割,提取并强化目标颜色,然后提出一种专门针对车牌颜色的灰度化方法进行灰度化处理,最后进行区域生成,分割并定位车牌。实验表明算法效果好,速度快,尤其是提出的灰度化算法较标准灰度化算法效果更明显。     

一种新的车牌定位方法

该文提出一种基于颜色与纹理综合特征的车牌定位新方法。首先进行颜色分割,提取并强化目标颜色,然后提出一种专门针对车牌颜色的灰度化方法进行灰度化处理,最后进行区域生成,分割并定位车牌。实验表明算法效果好,速度快,尤其是提出的灰度化算法较标准灰度化算法效果更明显。     

一种基于数据融合的医学图像分割方法

针对一类纹理特征明显的医学图像,提出了一种融合纹理信息和灰度信息的图像分割方法,设计了基于金字塔结构的区域增长分割算法,该方法在区域内部结合使用纹理信息和灰度信息,在区域边缘部分则充分利用灰度信息,计算结果表明,该方法对某一类医学图像能够获得较好的分割效果。     

基于纹理谱的纹理分割方法

纹理分析是图象处理中的一个重要领域。本文提出一种基于纹理谱特征分割纹理图象的方法。它首次将纹理谱特征与区域生长算法结合起来，从而实现了无监督的纹理分割。纹理谱特征具有对方向性敏感等优点，基于纹理谱的纹理图象分割取得了良好效果。     

Segmentation and classification of brain images using firefly and hybrid kernel-based support vector machine

Abstract

Magnetic resonance imaging segmentation refers to a process of assigning labels to set of pixels or multiple regions. It plays a major role in the field of biomedical applications as it is widely used by the radiologists to segment the medical images input into meaningful regions. In recent years, various brain tumour detection techniques are presented in the literature. The entire segmentation process of our proposed work comprises three phases: threshold generation with dynamic modified region growing phase, texture feature generation phase and region merging phase. by dynamically changing two thresholds in the modified region growing approach, the first phase of the given input image can be performed as dynamic modified region growing process, in which the optimisation algorithm, firefly algorithm help to optimise the two thresholds in modified region growing. After obtaining the region growth segmented image using modified region growing, the edges can be detected with edge detection algorithm. In the second phase, the texture feature can be extracted using entropy-based operation from the input image. In region merging phase, the results obtained from the texture feature-generation phase are combined with the results of dynamic modified region growing phase and similar regions are merged using a distance comparison between regions. After identifying the abnormal tissues, the classification can be done by hybrid kernel-based SVM (Support Vector Machine). The performance analysis of the proposed method will be carried by K-cross fold validation method. The proposed method will be implemented in MATLAB with various images.     

一种新的基于区域增长的ROI分割算法*

为克服现有算法带来边缘定位不精确和人工参与太多等缺点,提出了一种新的基于区域增长的适合医学图像中ROI的分割算法。该算法先利用改进的Canny边缘算子进行边缘粗检测,再利用给出的灰度和纹理等信息进行区域增长,最终得到分割图像。为了更好地进行区域增长,新算法通过对ROI中像素的灰度和纹理进行分析,给出结合点向量运算和灰度判断的增长准则。实验结果表明,该方法能对医学图像中复杂区域或畸形区域进行分割,具有很好的鲁棒性与实用性。     

结合纹理信息的图像分割方法及其应用

文章提出了一种结合纹理信息的图像分割方法,设计并实现了一种基于子区域的区域增长算法,该方法较有效地利用了欲分割对象区域的灰度以及纹理信息．该方法应用于医学图像的分割问题,得到了较好的效果．实验表明,该方法针对一类图像能够获得较好的结果.     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

基于分形特征纹理图像分割方法

基于地毯法估计分形维数，提出了图像局部分形维数的最优估计方法。然后利用边缘信息和区域增长的方法，对自然场景的分形维数图像进行分割。仿真实验表明该方法分割效果很好，优于基于Hurst变换分割方法。