彩色图像分割

摘要： 传统的模糊C均值聚类算法利用图像的灰度、颜色、纹理、强度等底层特征进行聚类,实现图像的分割,它容易受到噪声的影响,且计算量大,不能提供理想的彩色图像分割结果.针对这些问题,提出一种视觉显著性引导的模糊聚类图像分割方法.首先使用显著性检测对图像进行初始化分割,得到带有区域级标注信息的引导图,然后将引导图作为指导信息,引导模糊聚类算法对图像进行细分割.在公共数据集上的实验结果表明,本文方法与其他改进的FCM算法和深度网络分割模型相比,可以取得较好的分割效果,有效减少了分割时间.

摘要： 针对图像分割在自然场景中,分割精度不高和细节保持不够敏感,提出一种自适应烟花算法下的多维模糊C均值彩色图像分割算法.结合动态时间弯曲思想,以邻域像素相似特点构造弯曲曲线,得到多维相似距离和新的目标函数.在自适应烟花寻优算法下,找到最优聚类中心,最终达到对图像分割效果.实验表明,该算法与同类算法相比,对彩色图像有良好的分割效果,对图像的细节保持也不错.

摘要： 观测范围内牧草的整体高度(层高)是牧草长势群体特征中一个关键指标.针对现有牧草高度自动检测方法不能测量层高,而且普遍存在操作复杂、实时性差、适用性不强等问题,本文提出了一种基于灰度积分投影对牧草层高进行无损、远程、连续定量测量的方法.首先利用自然条件下牧草颜色恒定性的特征对牧草进行分割,然后采用灰度积分投影得到牧草高度,最后利用相机标定的结果将其转换成实际的高度值.实验结果表明,该方法测得的结果与人工检测的平均相对误差为2.9％,与生物量的皮尔森相关系数为0.843,该算法简捷实用、易于实现、实时性高,测量准确性符合牧草长势自动化监测的要求.

摘要： 传统区域生长的噪声和灰度不均可能会导致空洞和过分割,严重影响图像分割效果.针对此问题,文中提出了一种SVM与区域生长相结合的彩色标签图像分割算法.该算法将标签部分和商品部分的颜色信息和纹理等特征作为SVM的正负样本,既有效提高了效率,又提高了图像分割的精度.在提取正负样本时,利用改进区域生长算法分割出特征区域并提取特征.理论分析和实验结果表明,所提出的算法具有更正错误检测信息机制,提高了分割效率,较好地防止了传统区域增长算法分割时的过分割现象,并具有良好的鲁棒性,为后期拓展奠定了基础.

摘要： 典型K均值聚类算法的聚类中心个数和聚类中心的选取对彩色图像分割的精度影响较大,其主要体现在彩色图像的特征相似度(feature similarity of color,FSIMC)不高.提出一种基于遗传算法的K均值聚类分割法(GA-K-Means).每条染色体的基因由聚类中心数目和聚类中心点两部分组成,并且将彩色图像的FSIMC作为适应度函数值.首先将彩色图像转换到Lab颜色空间,然后以步进和遗传算子相结合的方式搜索最佳聚类中心个数和聚类中心进行分割.把18幅不同类型的图像分别按照K均值聚类法、GA-K-Means分割法、模糊C均值聚类(fuzzy C-means clustering,FCM)分割法进行实验.结果表明,采用GA-K-Means分割的18幅图像,其FSIMC值相应的比另外2种分割法得到的FSIMC值高10％左右,其分割时间比另外2种分割法略长.

摘要： 在自助行李托运系统拍摄的行李图像库中检索错误运输的行李时,图像背景会严重影响检索精度.针对该问题提出了一种加强模糊聚类算法(EnFCM)的超像素分割方法,实现了行李目标区域的提取.通过多尺度形态学重建梯度图像,设计了自适应上限尺度的分水岭超像素预分割算法,得到多个独立的超像素区域.对超像素图像进行直方图统计,并结合分水岭分割参数和实际行李图像内容的类别数量进行超像素的加强模糊聚类,得到行李区域.通过多个实际行李图像的分割实验验证了算法的有效性,平均分割精度达到93％,超过多个典型的分割算法.

摘要： 针对彩色钢渣图像目标与背景区域颜色存在较大差异以及钢渣亮光被误分割为钢渣的问题,采用基于Lab颜色空间的K均值聚类算法对彩色图像进行预处理,提出一种改进的Otsu方法对钢渣彩色图像进行分割.将RGB颜色空间通过各种变换转到均匀的Lab颜色空间;利用k均值聚类算法对图像进行预处理,预处理后的图像基本实现钢渣与背景的分离;对传统的Otsu方法进行改进,将背景像素点占整幅图像的比例作为权重引入到目标方程式中,用改进的Otsu方法对预处理后的图像进行阈值分割.通过对采集的彩色钢渣图像进行分割实验,将改进的O tsu方法与其它方法进行对比分析,实验结果表明,该方法有效地改善了分割效果,降低了分割误差.

摘要： 针对基于K-means算法的图像分割方法对初始参数敏感和分割效果不理想的缺陷,提出基于改进K-means的彩色图像分割算法.构建图像的HSI颜色空间直方图,通过扫描直方图自适应获得分类数K和初始中心点,作为K-means算法的初始参数;提出提取图像像素点的LDP纹理特征,与颜色、空间坐标特征共同构成多维特征向量,以此计算像素间的相似度并进行分割.实验结果表明,该算法可自适应得到更准确的初始参数,在使分割效果更接近基准分割结果的同时保持了较低的时间复杂度.

摘要： 为了解决传统Ncut方法计算复杂度高的问题，提出了一种将二次分水岭和Ncut相结合的彩色图像分割方法。首先利用二次分水岭对输入图像进行预处理；然后将得到的小区域代替像素点构造一个加权图，并且利用图像的色彩和空间信息构造新的权值矩阵；最后应用Ncut方法得到最终的图像分割结果。实验结果表明：改进的方法与Ncut方法相比在运行时间和分割效果方面都有显著提高；与基于mean shift和Ncut结合的分割方法相比，分割效果也有了一定的改善，且耗时更少。

摘要： 图像分割是图像分析与模式识别重要和基本的一个组成部分,彩色图像分割方法是使用灰度图像分割方法运用于不同的颜色空间.在本文中,提出了一种新的利用模糊支持向量机(FSVM)的在HSI颜色空间中的彩色图像分割方法.通过实验验证了该方法在彩色图像分割方面较其他方法具有较好的效果和较低的计算复杂度,并具有良好的抗噪性能.

摘要： 本文提出了一种结合区域统计信息的自适应水平集彩色图像分割算法。该算法利用Bayesian公式推导基于最大后验概率的图像分割模型，并将其与几何活动轮廓模型相结合。首先结合区域统计信息，引入Bayesian分类模型，利用被分割图像内外部概率密度函数构建了一个基于区域统计特征的速度停止函数，并将其应用于彩色图像水平集分割:其次利用被分割图像内外部后验概率构造可变权系数，使得其能够根据图像信息自适应改变方向:最后通过引入Li方法提出的内部约束能量，消除了水平集的重初始化，同时使得初始水平集函数的定义比较简单。仿真结果表明:本文方法具有曲线自适应演化、数值计算稳定等优点，并可高效准确地从彩色图像中提取出目标的边界，是一种有效的彩色图像分割方法。

摘要： 本文提出一种基于主元分析和色调的彩色图像分割方法。首先应用主元分析法确定分类数，将彩色图像分成儿个区域，然后基于色调特征将区域再划分为若干个子区域，最后根据CIE(L*a*b*)空间的颜色差异合并具有相似颜色的子区域，得到最终的精确分割结果。

摘要： 本文以模糊C均值(FCM)聚类理论为基础,选用符合人眼视觉特性的HSI颜色空间,提出了一种新的多分量彩色图像分割算法.该算法首先结合数据分布特点确定出H分量与1分量的初始聚类中心;然后利用FCM聚类技术对H分量、1分量进行分类处理,以得到不同分量的像素点隶属度;最后,将所得到的不同分量像素点隶属度组织成2维特征,并以此进行模糊聚类图像分割.实验结果表明,该算法可有效提高图像分割效果,其分割结果优于传统FCM聚类图像分割方案.

摘要： 讨论了GMM和EM算法在彩色图像分割中的应用,并采用两幅背景不一样的彩色图像进行分割对比实验,得出了通过采用混合的优化算法、选择合理的收敛门限以及选择分割的重点区域,可以提高彩色图像分割收敛速度和改善分割效果的结论.

摘要： 新疆民间织物图像具有鲜明的民族特色，为了生成和创新民族民间织物图像，如何自动分割织物基元是一个关键问题。论文以问题为驱动，提出了一种基于边缘形态变换的彩色织物图像分割算法。首先，对彩色图像进行颜色空间的变换，然后根据图像特征提出调整图像大小的前处理标准，再利用Canny 算子检测边缘，对检测边缘进行形态变换后处理，最后标记变换图像的封闭区域进行织物图像的分割。实验数据表明：该算法虽然是几种常用算法的组合，但较好解决了民间织物彩色图像分割问题，而且对不同类型的织物图像，均可以获得令人满意的分割结果。

摘要： 为了实现彩色图像的自动分割，提出了一种无监督的峰值查找算法，用于确定彩色图像的近似主色成分。首先搜索图像3D直方图26邻域内的局部极值点，以极值点对应的颜色量化值作为初始聚类中心，极值点个数作为聚类的个数。同时，考虑到局部光照等因素引起的颜色差异，构建包含颜色和纹理特征的四维特征向量，最后进行K均值聚类。实验结果表明，本方法能较准确地对彩色图像自动分割，自适应地确定聚类个数，有效地克服了过分割现象，并且与人眼对图像的视觉感受一致，分割结果有利于机器视觉中的后续处理。

摘要： 提出了一种基于信息突变的图像检索方法，该方法首先根据图像颜色信息的突变，将图像分割成若干个感兴趣区域，然后抽取每一个感兴趣区域的HSV颜色直方图、分块主色及颜色复杂度作为图像特征，最后设计了相应的相似性度量方法。实验结果表明，该方法检索效率高、具有一定鲁棒性，检索结果与人类视觉特征具有良好的一致性。

摘要： 提出了一种基于信息突变的图像检索方法，该方法首先根据图像颜色信息的突变，将图像分割成若干个感兴趣区域，然后抽取每一个感兴趣区域的HSV颜色直方图、分块主色及颜色复杂度作为图像特征，最后设计了相应的相似性度量方法。实验结果表明，该方法检索效率高、具有一定鲁棒性，检索结果与人类视觉特征具有良好的一致性。

摘要： 一种基于彩色图像金字塔和颜色通道分类的图像分割方法，首先获取物体标注框，再对每一帧图像进行缩放，得到不同分辨率的图像、形成图像金字塔，以颜色通道变化范围将其量化为一定数量的类别，并对所有图像的像素点进行分类，将每一类中的连通像素点集合提取外轮廓，根据轮廓包围的面积进而获取图像块，不仅提高了特征提取的准确性，而且在不同分辨率图像上进行图像分割提块，能够获得不同尺度下的图像特征，有利于提高图像的识别率，根据像素均匀分类还能有效减小图像处理的计算量，提高程序运行的效率，增强程序的实时性。

摘要： 本发明公开了一种基于半监督学习和直方图统计的多目标快速模糊聚类彩色图像分割方法，包括以下步骤：输入待分割的彩色图像；设置彩色图像的初始种群数目，最大迭代次数，最大聚类数目，获取用户给定的成对约束信息并对其进行处理得到成对约束矩阵，根据彩色图像获取彩色直方图，然后基于彩色直方图，构造基于成对约束的类内紧致性和基于聚类不纯度的类间可分性的适应度函数，再通过设计自调节交叉和变异率，利用混合交叉和非均匀变异产生子代以保证子代的多样性，最后构造基于彩色直方图的聚类不纯度有效性指标，从最优解集中选择一个最优解并获得最终分割结果。该方法在使用少量的成对约束信息情况下能快速的分割、自适应获得分割数目和良好的分割效果。

摘要： 一种基于萤火虫优化的半监督谱聚类彩色图像分割方法，首先对图像标记监督信息，提供一部分像素的监督化信息label，为后期的萤火虫寻优提供标准。其次在谱聚类相似性构造前，先遍历图像中的全部像素，在人眼视觉范围内的一个阈值将整体像素进行一个初始划分，只要把监督信息的每类代表像素进入谱聚类构造相似性后分割结果，返回到自己所在类中，所有像素的类标就能够确定了，将整体图像中的像素与像素之间的相似性构造转换到代表像素之间的相似性构造，这种新的相似性构造方式，不受图像规模大小的控制，能够大大减少计算量，提高运行速度，缩短运行的时间。本发明不是直接使用前K个最大特征值对应的特征向量用于新样本空间的构造，提高了分割效果。

摘要： 本发明公开一种基于统计建模与像素分类的彩色图像分割方法，首先在原始彩色图像RGB颜色空间内，对R分量（G、B类似）进行非下采样Shearlet变换，使其分解为一个低频子带和若干高频子带；其次，对同尺度高频子带利用贝塞尔K概率密度函数进行统计建模，估计出形状参数和尺度参数，并以每组参数的极值作为像素特征；然后，使用二维Tsallis熵进行初分割，得到训练样本；最后，结合像素特征与训练样本，用TSVM完成图像分割。由于利用非下采样Shearlet变换分解图像并利用贝塞尔K统计模型建模来提取像素特征，较好的刻画了图像的内容，有效地提高了图像分割的精度。

摘要： 本发明公开了一种基于局部像素综合特征的彩色图像分割方法，首先对原始彩色图像的三个分量进行滤波去噪，得到预处理的彩色图像；其次，构造小窗口图像并归一化到外接图像，利用2D‑FFT方法计算出三个通道的指数矩，并结合四元数理论求取快速高精度四元数指数矩；然后，计算幅值和相对相位作为像素特征，通过二维Tsallis熵对图像进行初分割，获得训练样本；最后，结合所得的像素特征与训练样本，利用模型完成图像分割。

摘要： 本发明公开了一种基于彩色图像分割和梯度投影定位的贴装元件检测方法，属于贴装元件自动光学检测技术领域。本发明首先通过设计的图像采集系统采集彩色图像，然后将红绿蓝三色图像转换到的由色调H(Hue)、饱和度S(Saturation)和强度I(Intensity)三个参数组成的HSI色彩模型，由于HSI模型在提取颜色信息时直接用与亮度无关的色调和饱和度即可，该方法具有分割准确且高效的特点，在此基础上进行元件的定位和检测，定位主要采用颜色和几何特征，并提出基于梯度投影的定位方法，以及基于区域的主成分特征值检测方法，所提出的方法具有定位精度高，检测高效准确的优点。

摘要： 本发明公开了一种高清彩色图像分割算法，包括以下步骤：A、采集高清彩色图像并进行存储；B、对存储的高清彩色图像进行预处理；C、对预处理的高清彩色图像进行训练，得到训练后的高清彩色图像；D、将训练后的高清彩色图像输入到图像分割神经网络中，并输出分割后的高清彩色图像，本发明采用的图像分割算法能够提高图像分割精确度，能够处理种类多、数据量大和变化多端的图像；采用的图像预处理方法降低了图像的全局亮度差异，增强了图像对比度，有效的抑制了噪声，进一步提高了图像的清晰度，进而进一步提高图像分割精度。

摘要： 本申请公开了一种基于中智聚类和超像素的彩色图像分割方法和装置，利用多元形态学重建方法对原始彩色图像进行处理获得重建的梯度图像；利用简单线性迭代算法对获得的梯度图像进行局部聚类获得超像素图像；利用中智聚类算法对超像素图像进行聚类，获得确定性T和不确定性I的隶属度矩阵；对确定性T大于不确定性I的超像素赋予根据确定性T对应的标签；对于其余超像素赋予与其相邻且结构相似性最高的超像素相同的标签；根据每个超像素的标签进行图像分割。通过上述方法使得分割结果不易受噪声影响且可以保持完整的目标轮廓。

摘要： 大量改进的模糊C均值聚类算法已广泛用于灰度和彩色图像分割。然而，大多数分割是耗时的，且无法为彩色图像提供所需的分割结果。一个是由于群集中心与本地相邻窗口内的像素之间的重复距离计算，局部空间信息的结合常常导致高计算复杂性。另一个是常规邻近窗口通常会破坏图像的真实局部空间结构，从而导致分割不良。我们定义多尺度形态梯度重建操作以获得具有精确轮廓的超像素图像。与传统的固定尺寸和形状相比，超像素图像提供更好的自适应和不规则的局部空间邻域，该邻域有助于改善彩色图像分割。其次，基于所获得的超像素图像，原始彩色图像是简化的，该算法提供了更好的分割结果，并且比彩色图像分割的最先进的聚类算法需要更少的时间。

摘要： 本发明公开了一种基于改进密度聚类的彩色图像分割方法，基本过程包括图像颜色空间映射为三维矩阵、密度聚类和聚类结果映射为分割图像三个步骤。首先，将原始图像的颜色信息转换为三维矩阵。然后，三维矩阵经过一次三维卷积运算得到核心对象矩阵，根据核心对象矩阵进行聚类簇生成，最后将得到的聚类簇映射为分割图像。该方法的核心思想在于三维卷积优化的密度聚类方法，实现了密度聚类的线性时间复杂度O(m)，其中m为获取的核心对象个数。本发明提出了一种通用的彩色图像分割方法，尤其适用于大尺寸图像分割，该方法在时间和空间复杂度上具有较大优势。