超像素分割

摘要： 极化合成孔径雷达(PolSAR,polarimetric synthetic aperture radar)图像具有强相干斑噪声和大场景特点,为此提出一种面向对象的支持向量机(SVM, support vector machine)分类算法。算法首先通过超像素分割产生待分类对象,以此减少分类处理单元,同时实现特征滤波降噪;然后通过转换矩阵提取信息完备且具有简单统计描述的雷达散射截面积特征;最后,选择在小样本条件下仍具有较强学习能力和泛化能力的SVM分类器实现图像分类。用公开的实测San Francisco数据进行实验,实验结果表明:该算法相对于对比算法在准确率上提升约10%。

摘要： 针对大量小麦育种材料花期难以精准、快速检测的问题,提出了一种基于综合颜色特征和超像素分割算法的小麦开花期判定方法。首先,根据光照强度及图像清晰度对综合颜色特征的过红颜色分量、HSV颜色空间的S分量和红绿归一化颜色分量自适应调节,增强小花和小穗的差异性。其次,基于中心距离函数和灰度变化函数改进超像素分割算法的聚类规则,获得由同质特征的相邻像素组成的图像区域。随后,优化图像区域路径搜索算法实现各图像区域精确分割,通过灰度和对比度指标完成各图像区域分类,实现小花与小穗的精准、快速分割,并根据小花与小穗的比例完成开花期判定。实验结果表明,本文所提出算法平均计算时间为0.172 s,小花平均识别精度为91%,小穗平均识别精度为90.9%,预测开花率与实际开花率的平均差值仅为1.16%,满足田间小麦开花期判定基本要求。

摘要： 用于医学图像对比度增强的可逆数据隐藏不仅能够利用可逆嵌入完成患者信息的存储,还可以实现对比度增强改善图像质量,在一定程度上帮助医生对患者疾病进行正确诊断.提出了一种新的用于医学图像对比度增强的可逆信息隐藏算法.该方法采用超像素分割医学图像,着重强调医学诊断的感兴趣区域的可逆嵌入与对比度增强.同时,将嵌入区域分为多个像素块,根据其统计特性有选择性地逐块修改.每个像素块采用经典的直方图修改方式,以直方图均衡化为优化目标,一次完成多个嵌入点的修改,从而减少在对比度增强过程中的嵌入失真.实验结果表明,与主流方法相比,该方法在兼顾可逆性能的同时,能进一步增强医学图像感兴趣区域的对比度,提高图像的视觉质量.

摘要： 针对单幅复杂环境图像阴影检测问题,提出一种基于多尺度超像素融合的自动阴影检测快速算法.首先利用深度图像计算各点的法向量及空间坐标,同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割;然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度;最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合,得到最终的判决结果.实验结果表明,该算法的准确度明显高于原阴影置信度算法,运行时间约为原阴影置信度算法的10%,对于小块阴影、大面积阴影及边缘不清晰的软阴影检测表现较突出,适合对光线复杂环境下的图像进行前期预处理.

摘要： 针对合成孔径雷达图像边缘、纹理与形状信息丰富,图像尺度大难以处理的问题,提出了一种基于显著性检测的合成孔径雷达目标检测算法.将合成孔径雷达图像表示成超像素,来构建超像素间的关联关系图从而解耦整张图像.同时基于人眼视觉系统对多尺度图像进行非均匀采样的特点,分别提取图像的局部对比度显著性、像素紧凑度显著性和全局唯一性显著性映射,并使用贝叶斯估计得到SAR图像的精确显著性映射,融合三种显著性映射得到最终的显著性图实现目标检测.在各种SAR图像显著性检测实验的定性与定量结果表明,所提方法明显优于现有方法.

摘要： 针对简单线性迭代聚类算法在多光谱遥感图像超像素分割中存在的未充分利用图像特征信息及超像素尺寸、数量固定导致分割精度较低的问题,提出将流形-简单线性迭代聚类算法引入到遥感图像超像素分割任务中,并对其进行改进.首先,给出一种基于彩色局部二进制模式改进的多光谱遥感图像纹理特征提取方法;其次,扩展流形-简单线性迭代聚类算法的光谱空间,使算法可以适应高维图像数据;最后,改进流形-简单线性迭代聚类算法的聚类距离度量,融合图像的多段光谱特征、空间特征及纹理特征对像素进行迭代聚类,实现内容敏感超像素分割.实验结果表明,与现有方法相比,该算法对多光谱遥感图像的超像素分割结果更准确,在边缘召回率、欠分割误差、可达细分精度指标上均有提升,能改善多光谱遥感图像分割预处理方法中精度较低的问题.

摘要： 图像分割技术是数字图像预处理中的关键步骤,图像分割的好坏决定了后续图像处理步骤的质量与效率。本文结合实例对超像素分割法的优势和特点进行了详细介绍。在生产过程中,印刷品会受到来自多方因素的影响,很容易造成产品套印不准,出现印刷规格的误差超标,导致产生大量残次品,由此给企业带来极大的损失。产生套印不准的原因很多,涉及制版工艺、印刷工艺流程、印刷材料以及印刷机械等很多方面。选择适当的在线检测和质量控制系统,可以及时发现印品质量问题并随时调整相关联部分的装置,在保证印品高质量输出的同时,还能有效降低生产成本。

摘要： 为解决田间烟株自动识别和计数问题,基于U-Net和SLIC超像素分割,建立了一种烟株自动识别与计数的方法。首先通过训练语义分割网络U-Net提取烟田面积;然后构建过绿差值指数(Excess Green Difference Index,EGDI)去除杂草并提取烟株覆盖面;再使用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)算法对烟草覆盖面进行分割;最后将分割出的烟株进行自动标记和计数。结果表明,采用U-Net网络对烟田面积提取得到的平均交并比(Mean Intersection over Union,MIoU)达到98.24%。运用该方法提取烟株的平均总体精度为99.21%,平均准确度为93.42%,表明该方法对烟株提取和计数具有可行性。

摘要： 针对果、茶园规模不断扩张并逐渐向智能农业机械化发展的趋势以及常用道路语义分割数据集缺少果、茶园道路场景等问题,将语义分割技术应用到部分果、茶园道路中,以实现对果、茶园道路的像素级分割。以道路、人和车为分类对象,建立果、茶园道路场景图像数据集(包括6032张图像),将数据集按照9∶1比例随机划分为训练集(5429张图像)和测试集(603张图像)。以PSPNet(pyramid scene parsing network,金字塔场景解析网络)分割模型为基础进行优化,构建MS-PSPNet语义分割模型;训练结果显示,MS-PSPNet模型的MIoU(mean intersection over union,平均交并比)为83.41%,FPS(frames per second,每秒传输帧数)为22.31。将MS-PSPNet模型应用在果、茶园不同道路条件和光照强度下进行现场试验,并进行准确度评估,结果显示,MS-PSPNet模型类别MPA(mean pixel accuracy),像素准确率均超过92%,MIoU在除非硬化道路条件情况均超过91%,表明MS-PSPNet模型在果、茶园道路识别中具有较好的有效性和适用性。

摘要： 针对迭代加权多元变化检测(IR-MAD)方法提取高分辨率遥感影像变化结果存在信息分散、“椒盐噪声”现象,提出了一种融合IR-MAD与超像素分割的高分辨率遥感影像变化检测方法。该方法利用卡方分布概率密度函数与超像素分割方法技术对IR-MAD算法改进,通过IR-MAD算法获取初始变化检测结果;然后,采用多尺度的超像元分割方法生成多尺度超像素对象;最后,对IR-MAD算法提取的初始变化检测结果,利用多尺度超像素分割对象结合众数规则判断分割对象属性,获取最终变化区域。实验结果表明:本文提出方法能有效提取变化区域,减少“椒盐噪声”现象,能较好地保存地物边界信息,提高整体变化检测精度。

摘要： 传统的简单线性迭代聚类(SLIC)算法受图像细节信息及噪声的影响,存在过度分割和对噪声敏感等缺陷.考虑到基于密度的空间聚类(DBSCAN)算法可以发现任意形状的簇,不受输入数据的影响,能有效地处理“噪声”等优点,本文提出了一种基于DBSCAN聚类的SLIC超像素分割算法.该算法首先采用SLIC超像素分割算法对图像进行预分割,然后使用DBSCAN算法对SLIC算法分割后的超像素区域进行相似性合并,得到最终的分割结果.仿真结果表明:改进后的算法解决了传统的SLIC超像素分割算法存在过度分割和对噪声敏感等问题,能完整地将目标对象从背景中分割出来,达到很好的分割效果.

摘要： 机载毫米波全极化合成孔径雷达(PolSAR)具备不受光照限制、地物散射信息丰富、高分辨率等特点,随着其技术的不断发展和完善,已经成为重要的对地观测手段之一,而无监督分类是毫米波PolSAR数据的重要研究方向.针对于ka波段、分辨率为0.3米的未定标PolSAR影像,本文利用新的超像素分割算法与Wishart-H/A/α分类算法结合,实现毫米波全极化SAR的无监督分类过程.首先使用了线性压缩方法对数据进行压缩,使得未定标数据能够计算任务;然后,利用Wishart-H/A/α无监督分类算法得到每个像素的类别属性;同时,使用自适应极化超像素生成算法(Pol-ASLIC)实现超像素分割任务,以兼顾全极化SAR数据的空间统计特性;最后,利用超像素得到的空间信息与无监督像素标签信息融合实现最终的分类任务.本实验所用的PolSAR影像共包含10个地物类别,基于H/α和H/A/α提出的无监督分类方法分别实现了93.76％和93.09％的分类精度.

摘要： 由于尺度变化、运动、形状畸变或者遮挡等造成的外观变化是目标跟踪中的一大挑战,因而有效的图像表达方法是提高目标跟踪鲁棒性的一个关键因素.在本文中，从中层视觉角度出发,将图像进行超像素分割,然后通过特征回归的方法建立目标跟踪中的判别外观模型.通过该模型,可以在跟踪图像中高效地分离目标和背景,从而实现目标跟踪.实验结果表明,目标跟踪算法能够在目标发生外观变化时保持高效性和鲁棒性.

摘要： 本文提出了一种利用超像素分割划分不规则网格的图像尺度调整算法.首先以超像素分割块的交点为顶点、超像素分割块之间的分割线为边构建不规则网格;其次针对不规则网格的特点设计了关键边的长度和角度约束、关键结构的位置约束等约束条件,达到同时保护图像内容和图像结构的要求.实验结果表明,本文方法能够有效地减少图像尺度调整过程中线段弯曲、局部变形的现象.

摘要： 针对复杂地面场景图像中的车辆目标提取问题,提出了一种基于显著特征的目标检测和超像素分割方法.首先通过字典学习获得车辆目标的特征基元,据此计算待检图像的特征显著性地图,通过显著性分析确定目标可能存在的感兴趣区域;随后,对感兴趣区域采用超像素方法进行分割获得超像素图像,根据特征显著性地图对应位置的特征响应筛选超像素,逐个提取目标所在子区域.对复杂地面场景图像进行目标提取实验,结果表明不仅能准确提取目标,而且能较好地保留目标边缘特征.

摘要： 论文提出了一种基于双目视觉的动态物检测和三维地图修复方法.该方法通过对前后两帧左右图像特征匹配,然后进行RANSAC迭代获得能够计算自身位姿的局内点与用于标识动态物的局外点.对左右图进行超像素分割和双目匹配,继而平面拟合得到超像素之间的关系分类.在超像素分类的辅助下,结合局外点,方法达到最终动态物检测目标.在对去除动态物后的RGB左图和深度视差图进行填充和修复后,可以得到连续多帧的静态物重建结果.实验验证了该方法的有效性.

摘要： 本发明提供一种联合像素与超像素的交互式图像分割方法，包括步骤S1、采用MeanShift算法对输入图像进行预分割，提取超像素，并采用颜色直方图对每个超像素进行建模以表示超像素的颜色分布；S2、根据用户输入的交互信息，以超像素为节点建立图模型，采用最大流最小割算法完成超像素级分割；S3、在超像素级分割结果的基础上，采用形态学操作在目标边缘构造一个窄带区域；S4、在构造好的窄带上为前景和背景区域分别建立相应的前景和背景模型，并对窄带区域以像素点为节点建立图模型，再采用最大流最小割算法完成像素级分割。本发明通过将像素信息和超像素信息有机结合来提高执行效率，并在尽量少的用户交互条件下获得更为准确的分割结果。

摘要： 本发明提供一种联合像素与超像素的交互式图像分割方法，包括步骤S1、采用MeanShift算法对输入图像进行预分割，提取超像素，并采用颜色直方图对每个超像素进行建模以表示超像素的颜色分布；S2、根据用户输入的交互信息，以超像素为节点建立图模型，采用最大流最小割算法完成超像素级分割；S3、在超像素级分割结果的基础上，采用形态学操作在目标边缘构造一个窄带区域；S4、在构造好的窄带上为前景和背景区域分别建立相应的前景和背景模型，并对窄带区域以像素点为节点建立图模型，再采用最大流最小割算法完成像素级分割。本发明通过将像素信息和超像素信息有机结合来提高执行效率，并在尽量少的用户交互条件下获得更为准确的分割结果。

摘要： 本发明公开了一种基于像素间相似性的彩色图像超像素分割方法，该方法包括以下步骤：首先对待分割图像进行初始聚类，然后基于初始聚类确定种子点，并判断是否需要新增种子点，如果需要则完成种子点的增加；根据初始聚类和种子点的标记生成初始的超像素；对于未被标记的像素点，利用定义的能量函数计算种子点与其搜索范围内像素的能量，选取能量最小的种子点的超像素标记作为未标记像素的超像素标记，最后将满足阈值条件的孤立像素和孤立的很小的超像素合并到与它最相似的邻域超像素中直到当前的超像素个数达到期望的个数，实现图像的超像素分割。本发明的方法可以取得理想的图像分割效果，并在图像平坦区域提供更高的规则性，提高了图像分割的质量和分割效果。

摘要： 本公开公开的基于多层超像素分割的纺锤形果实图像分割方法及系统，包括：获取纺锤形果实作物图像；对纺锤形果实作物图像进行超像素分割，获取超像素图像；提取超像素图像中每个超像素区域的特征；根据超像素区域特征，获取超像素图像中相邻超像素区域的相似度；根据相似度对超像素区域进行多层次分割，获取多层分割图；将多层分割图进行多概率矩阵融合获得纺锤形果实分割图。在超像素分割后，通过多层次分割方法获得了超像素数量、形状、大小、分布等都不同的多层分割图，将多层分割图进行多概率矩阵融合获取果实分割图，使得识别纺锤形果实分割图时融合了超像素数量、形状、大小、分布等不同层次的特征，提高了纺锤形果实分割图的识别效果。

摘要： 本发明公开了一种基于素描信息和超像素分割的光学遥感图像海陆分割方法，根据光学遥感图像的素描图生成结构区域图，结合海陆素描先验信息对结构区域图中的结构区域和非结构区域进行海陆标记，得到粗分割结果图；对光学遥感图像进行超像素分割，根据粗分割结果图和超像素的方差与局部海陆信息对超像素进行海陆类别标记；最后使用超像素二分裂算法对沿海陆地超像素进行二分裂，并对分裂得到的超像素海陆类别重新标记实现海岸线的精确定位，得到最终海陆分割结果。本发明分割准确率高，能对噪声点以及陆地内与海洋颜色相似的易分错点进行正确分类，对不同场景的光学遥感图像具有很好的鲁棒性。

摘要： 本发明公开了一种基于SLIC超像素分割的眼底视盘精细分割方法，步骤为：对输入的眼底图像分别进行超像素分割、基于形态学处理的血管分割和R、G双通道颜色阈值分割，对颜色阈值分割后的连通域进行扩张处理后根据连通域的像素坐标选择相应的Toeplitz矩阵模板对眼底血管图像进行滤波，得到视盘中心位置。再提取视盘候选区域并去内部的血管，用二值化方法对视盘候选区域进行阈值分割并采用基于最小二乘的椭圆拟合方法确定视盘椭圆ROI区域，结合SLIC超像素分割结果保留具有一定重叠面积的超像素，实现视盘的精细分割。本发明实现视盘的自动定位和精细分割，可保留较好的视盘轮廓信息且耗时时间短，方便眼底图像的其他后续处理以及为眼科医生提供辅助诊断。

摘要： 本发明公开了一种基于像素间相似性的彩色图像超像素分割方法，该方法包括以下步骤：首先对待分割图像进行初始聚类，然后基于初始聚类确定种子点，并判断是否需要新增种子点，如果需要则完成种子点的增加；根据初始聚类和种子点的标记生成初始的超像素；对于未被标记的像素点，利用定义的能量函数计算种子点与其搜索范围内像素的能量，选取能量最小的种子点的超像素标记作为未标记像素的超像素标记，最后将满足阈值条件的孤立像素和孤立的很小的超像素合并到与它最相似的邻域超像素中直到当前的超像素个数达到期望的个数，实现图像的超像素分割。本发明的方法可以取得理想的图像分割效果，并在图像平坦区域提供更高的规则性，提高了图像分割的质量和分割效果。

摘要： 本发明公开了一种基于边缘约束和分割边界搜索的超像素分割方法及装置，涉及合成孔径雷达图像处理领域。该方法包括：通过基于矩形窗的比率边缘检测算子对目标图像进行边缘检测，确定目标图像中每个像素点的边缘信息；对目标图像进行超像素分割，将目标图像分割成预设数量的超像素块；根据边缘信息对每个超像素块内的像素点进行分割边界搜索，对每个超像素块内的像素点的标签进行更新；重复上述步骤直到预设迭代次数。本发明提高了超像素分割的精度和效率，并且对于包含复杂场景和低对比度区域的图像，也能进进行高效和高精度的分割，并且图像中的细节能够得到很好的保留。

摘要： 本公开公开的基于多层超像素分割的纺锤形果实图像分割方法及系统，包括：获取纺锤形果实作物图像；对纺锤形果实作物图像进行超像素分割，获取超像素图像；提取超像素图像中每个超像素区域的特征；根据超像素区域特征，获取超像素图像中相邻超像素区域的相似度；根据相似度对超像素区域进行多层次分割，获取多层分割图；将多层分割图进行多概率矩阵融合获得纺锤形果实分割图。在超像素分割后，通过多层次分割方法获得了超像素数量、形状、大小、分布等都不同的多层分割图，将多层分割图进行多概率矩阵融合获取果实分割图，使得识别纺锤形果实分割图时融合了超像素数量、形状、大小、分布等不同层次的特征，提高了纺锤形果实分割图的识别效果。

摘要： 本发明公开一种基于SLIC超像素分割和显著性检测算法的主动轮廓模型图像分割方法。所述方法首先使用SLIC算法对图像进行预处理，得到超像素分割的结果。针对超像素分割的结果，计算不规则的超像素块之间的对比度以估计显著性值进而获取显著区域，再将获取的显著信息与像素之间的空间相关性加权融合得到显著图。然后用Canny算子提取显著图的区域边界，以显著性区域边界为初始曲线，构造初始水平集Φ。对目前主动轮廓CV模型所存在的参数过多等问题进行改进，使用改进过的主动轮廓CV模型进一步处理紫外图像，最终得到准确理想的紫外分割图像。