一种改进的Otsu阈值分割算法

当目标与背景的类内方差差别较大时,Otsu法分割阈值偏向于方差较大的一类,从而使分割的效果不佳.针对这一问题,提出了一种改进Otsu阈值分割方法.利用目标在图像中所占比例,综合类内方差与类间方差,修正最佳阈值选择公式,并缩小算法遍历灰度范围来提高算法运算速率,最后通过区域一致性对算法的分割效果进行评价.实验结果表明,改进的Otsu法分割效果较好,并提高了算法执行效率.     

一种基于mean shift的多通道图像分割算法

目的针对目标与背景对象的色彩值比较接近的RGB图像中,目标对象难以有效分割的问题,探索一种基于mean shift的RGB多通道图像的分割方法。方法根据RGB图像的3个通道对颜色的敏感性差异,运用均值偏移算法对RGB图像的3个通道分层聚类,再引入可靠性因子,分别对3个单通道的各聚类像素进行可靠性计算,并保留可靠性高的像素作为分割结果,最后采用逻辑"或"运算融合单通道的分割结果,得到最终分割图像。结果与一般分割算法相比,该方法的分割效果好,误分率低,改善了图像的分割质量。结论该算法具有很好的推广性,能够应用于彩色印品缺陷检测、彩色包装图像检测中。     

运动背景下移动目标分割定位算法研究

针对运动背景下运动目标分割定位困难的问题,提出了融合背景补偿与均值漂移的运动背景下目标分割定位算法。该算法首先在运动背景补偿的基础上,利用帧间差分法得到差分图像。其次,对差分图像中非零像素点建立多特征描述子,运用均值漂移算法对其进行聚类。最后,利用均值聚类得到的非零像素点来对运动目标进行分割定位。实验结果充分表明,该算法可以比较精确地进行运动背景下移动目标的分割定位。     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

基于背景建模和图像分割的运动目标提取

运动分割是视频分析的重要基础步骤。本文研究了从视频序列中提取运动目标的算法。该算法将自适应背景建模和彩色图像分割相结合而得到具有精确边缘的运动目标。在背景建模中,采用混合高斯模型描述像素点的状态,利用高斯分布特性区分噪声、背景、运动。彩色图像分割运用MeanShift迭代算法对图像进行颜色聚类得到一致的颜色区域。实验结果表明该的算法在固定场景下能够精确分割运动目标。     

HSV空间下改进的直觉模糊C均值聚类猪肉图像检测

利用计算机视觉技术对畜肉分级的方法种类繁多,但由于光照因素使前期图像预处理分割目标和背景的工作难度增大。针对传统的最大类间方差法分割图像效果不佳、噪声适应能力不强的问题,以及核磁共振、高光谱成像等无损检测方法大多存在检测仪器体积大、不便于携带、成本高等问题,提出利用色调、饱和度、明度(Hue,Saturation,Value,HSV)色彩空间结合聚类方法对图像像素点进行聚类分割。在对取自自然光照环境中的猪肉图像进行分割时,所提方法相对于传统聚类分割方法分割正确率平均提高1.46%;在对人工加入了0.1椒盐噪声和0.2椒盐噪声的图像进行分割时,该方法相对于传统方法表现出了更好的抗噪声能力,传统分割方法平均错误率分别升高了16.15%和38.28%,该方法平均错误率仅升高了1.57%和1.49%。该方法具有良好的分割准确率和噪声鲁棒性,提高了目标区域的检测精度,减少了图像预处理阶段的信息丢失,提高了畜肉分级方法的质量。     

一种提高人耳特征点识别度的目标区域提取方法

对人耳进行特征识别多采用SURF算法,但该算法应用时极易受到图像中非目标区域的干扰,进而影响人耳特征点的检测和匹配准确度.基于目标区域的人耳特征识别算法可以突出目标区,而尽可能地抑制背景区域的影响.针对此问题,提出一种复合图像分割算法—KRM法作为人耳识别的预处理方法,将图像中人耳所在目标区域提取出来.该KRM法分为3步:首先利用k-means聚类算法将图像初步分割为前景目标区域和背景两类;再通过区域生长算法对过度分割的区域进行合并;最后应用形态学腐蚀的方法进行滤波得到人耳所在的目标区域.将KRM目标区域提取和SURF方法联用(简称KRM-SURF算法)应用于50组人耳图像,进行人耳特征点的检测与匹配,实验结果表明,特征点识别度(RD)均值达到0.924,KRM法的使用能极大地提高基于SURF算法的人耳特征识别的准确性.     

基于随机权重粒子群和K-均值聚类的图像分割

K-均值聚类具有简单、快速的特点,因此被广泛应用于图像分割领域.但K-均值聚类容易陷入局部最优,影响图像分割效果.针对K-均值的缺点,提出一种基于随机权重粒子群优化（RWPSO）和K-均值聚类的图像分割算法RWPSOK.在算法运行初期,利用随机权重粒子群优化的全局搜索能力,避免算法陷入局部最优;在算法运行后期,利用K-均值聚类的局部搜索能力,实现算法快速收敛.实验表明：RWPSOK算法能有效地克服K-均值聚类易陷入局部最优的缺点,图像分割效果得到了明显改善;与传统粒子群与K-均值聚类混合算法（PSOK）相比,RWPSOK算法具有更好的分割效果和更高的分割效率.     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法。该算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数。通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。     

基于FT与超像素模糊C均值聚类的马铃薯病虫害图像识别技术

本文针对马铃薯病虫害区域难以自动分割的问题,提出了一种基于FT显著性检测与超像素模糊C均值聚类（SFFCM）相融合的无监督分割方法。该算法利用FT显著性检测增强梯度图像,并对梯度增强图像进行重构。经过分水岭分割后,对各超像素区域颜色求平均,利用FCM算法聚类得到最终的分割图。实验表明,与SFFCM、SFFCM-SR相比,本文算法分割效果占优。     

Deer Body Adaptive Threshold Segmentation Algorithm Based on Color Space

In large-scale deer farming image analysis, K-means or maximum betweenclass variance (Otsu) algorithms can be used to distinguish the deer from the background. However, in an actual breeding environment, the barbed wire or chain-link fencing has a certain isolating effect on the deer which greatly interferes with the identification of the individual deer. Also, when the target and background grey values are similar, the multiple background targets cannot be completely separated. To better identify the posture and behaviour of deer in a deer shed, we used digital image processing to separate the deer from the background. To address the problems mentioned above, this paper proposes an adaptive threshold segmentation algorithm based on color space. First, the original image is pre-processed and optimized. On this basis, the data are enhanced and contrasted. Next, color space is used to extract the several backgrounds through various color channels, then the adaptive space segmentation of the extracted part of the color space is performed. Based on the segmentation effect of the traditional Otsu algorithm, we designed a comparative experiment that divided the four postures of turning, getting up, lying, and standing, and successfully separated multiple target deer from the background. Experimental results show that compared with K-means, Otsu and hue saturation value (HSV)+K-means, this method is better in performance and accuracy for adaptive segmentation of deer in artificial breeding scenes and can be used to separate artificially cultivated deer from their backgrounds. Both the subjective and objective aspects achieved good segmentation results. This article lays a foundation for the effective identification of abnormal behaviour in sika deer.     

基于HSV空间的岩心图像处理

针对石油勘探中的岩心图像在分割过程中难以有效识别出灰度值相近的颗粒与颗粒、颗粒与背景的边缘信息,且容易造成过度分割或欠分割的问题,提出一种彩色图像分割并获取颗粒粒度分布的算法,并将结果与灰度迭代算法、最大熵法和分水岭算法分割结果进行比较。结果表明,该算法以彩色图像HSV模型的V分量为依据进行图像分割,可以在较为复杂的岩心背景下校正分割结果,更准确地分割出目标和背景颜色相近的边缘,获得砾石、泥沙颗粒的粒度分布。     

基于颜色传递和对比度增强的夜视图像彩色融合

针对基于颜色传递夜视图像彩色融合算法存在的热目标不突出问题,提出一种基于颜色传递和对比度增强的彩色融合算法。该算法首先利用非线性扩散和迭代阈值分割方法提取出图像中的热目标,然后在HSI颜色空间利用热目标和灰度融合图像对颜色传递得到的初步彩色融合图像进行调整,接着将处理结果变换回RGB颜色空间,得到最终的融合图像。实验结果表明,利用该算法得到的融合图像不仅与人眼视觉感知习惯一致,而且显著增强了目标与背景的对比度,从而有效提高了目标的可探测性。     

HSI空间和改进 C-means的彩色人民币号码分割方法

针对采集到的人民币号码图像都是彩色图像并携带有噪声这一现象,本文提出基于 HSI空间和改进的 C-means算法的人民币彩色号码图像分割方法。选用 HSI颜色空间作为彩色分割空间,在 HSI空间内,将 HSI的 3-D搜索问题转化为 3个 1-D的搜索问题,求取图像在 3个 1-D方向上的灰度直方图,该方法根据图像当前点 3×3邻域内每个像素灰度值与当前点灰度值差值的大小情况,确定聚类算法中当前点的灰度值 p(m)的值,采用 C-means聚类算法分别确定文字和非文字的聚类中心,利用欧式距离进行人民币号码前景和背景的聚类判断。该方法直接对彩色人民币号码图像进行分割,考虑了当前点与邻域像素点之间的相互关系,具有一定的自适应性。实验结果表明,提出的号码图像分割方法不受图像噪声和局部边缘变化的影响,且变换后数据量减少,易于计算,该方法对字母和数字的分割都有效,鲁棒性较强。     

基于超像素快速模糊聚类的印刷品图像分割方法

针对当前彩色印刷品色差检测过程中效率低、复杂性高等问题,提出了一种基于超像素快速模糊聚类的印刷品图像分割方法（SFFCM）。先用简单线性迭代聚类（SLIC）算法将图像分割为紧密相邻的超像素区域。每个超像素区域被视为一个独立的聚类单元。随后,将模糊C均值聚类（FCM）算法应用于超像素的归属关系计算中,即引入隶属度值,允许超像素归属于多个聚类中心,并通过权衡归属度值来实现模糊聚类。实验结果表明,相对于其他算法,本文方法在保持良好实时性的同时,实现了较好的分割效果,有效平衡了算法复杂度与分割效果之间的关系。     

一种基于PCNN的图像分割方法

针对脉冲耦合神经网络无法确定最优分割的问题,提出了一种将脉冲耦合神经网络和类间方差准则相结合的图像分割方法。在每次迭代时将脉冲耦合神经网络点火的神经元对应的像素作为目标,未点火的神经元对应的像素作为背景,计算目标和背景之间的类间方差,取类间方差值最大的分割图像作为最终结果。实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性,对一幅大小为256×256的图像进行分割所需要的时间是0.8秒左右。     

基于K-means聚类十字线的套印偏差检测方法研究

目的研究并改进基于十字线套准标识符的印刷品套印偏差检测算法,以提升偏差量检测精度。方法使用K-means聚类算法对分色后得到的C,M,Y,K图像分别进行聚类处理,然后分割图像并提取出各色前景像素,进而使用C,M,Y图像中的前景十字线分别减去K图像中的十字线,以消除四色重叠区域的干扰,最后提取十字线中心并计算偏差量。结果使用15幅印刷品图像样张进行实验,改进的基于K-means聚类十字线的套印偏差检测算法的检测结果,比大津法更接近人工测量值,误差在±0.04mm以内。结论基于K-means聚类的十字线分割法对前景十字线的提取,较大津法抗叠印干扰性更强。     

基于 YCbCr 颜色空间的快递单手写文字分割

目的在YCbCr颜色空间下,利用Cb颜色分量信息结合阈值分割方法,提取快递单图像手写体文字信息。方法首先将图像从RGB颜色空间转换到YCbCr颜色空间下,然后在Cb颜色分量图像下进行图像阈值分割处理操作,最后对提取出的手写体文字信息进行中值滤波去噪处理,并将该算法提取的结果与基于YCbCr颜色空间使用K均值聚类方法提取的结果在分割效果、分割时间与文字识别率上进行对比。结果利用Cb颜色分量提取出的手写体文字信息更清晰,具有更快的处理速度和更高的识别率,快递单图像平均处理时间为1.36 s,识别率为89%。结论单独利用Cb颜色分量信息提取手写文字就可得到较好的提取效果,算法简单、可行。