基于特定理论工具的彩色图像分割技术

图像分割是对图像进行分析和理解的基础，彩色图像由于较灰度图像具备更多的视觉信息而越来越受到人们的关注．对彩色特征空间的选取，以及近年来通过结合模糊数学、马尔可夫随机场、神经网络、遗传算法、小波分析等特定理论工具和模型的彩色图像分割方法和策略进行了介绍．     

基于特定理论工具的彩色图像分割技术

图像分割是对图像进行分析和理解的基础，彩色图像由于较灰度图像具备更多的视觉信息而越来越受到人们的关注、文章对彩色特征空间的选取，以及近年来通过结合模糊数学、马尔可夫随机场、神经网络、遗传算法、小波分析等特定理论工具和模型的彩色图像分割方法和策略加以介绍．     

基于HSV空间的彩色图像分割

彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。     

基于图模型的图像分割

本文通过阐述图模型的理论基础,介绍贝叶斯网络和MRF在图像分割中的应用,建立贝叶斯网络和MRF,构建适合图像分割的模型。     

基于OTSU实现图像分割

图像分割是图像处理的一个重要环节。图像分割有很多种算法,本文采用Otsu阈值分割算法对图像进行分割。经过实验发现,Otsu阈值分割法的算法简单、计算速度较快、实时性较高,对于目标和背景灰度差值较大的图像,其分割效果较好,但对于灰度差异不太明显的图像,其分割效果就不是很理想。     

基于主动外观模型的图像分割研究

由于AAM（即主动外观模型）算法突出了纹理特征而使该模型本身具有较强的抗干扰性,可更全面和更有效地描述目标物体,因而能够获得更好的图像分割和目标提取效果,有利于后续的图像分析和测量．基于主动外观模型的图像分割方法,用于有效地组合物体的外观信息和轮廓信息,以获得较好的图像分割效果．通过实验进行主动外观模型的构建、训练并进行图像分割验证．实验结果表明,AAM算法有一定的准确度优势．但与传统的分割算法相比,随着分割效果的改善,其计算量也要大于一般的主动轮廓模型．     

基于混合活动轮廓模型的超声相控阵NDT图像分割

超声相控阵无损检测图像中往往含有大量的噪声且灰度不均匀,严重降低了超声相控阵图像质量。在采用常规方法分割超声相控阵NDT图像时,往往陷入局部最优解,无法获得准确的边界信息。基于LCV模型和改进的GAC模型,提出一种新的分割方法,结合图像全局信息、局部信息和梯度信息构造了新的能量函数约束轮廓曲线的演化,并结合梯度信息与局部信息提出了一种新的边缘停止函数,引入新的边缘停止函数使模型的抗噪性更强。实验结果表明,该模型能够处理灰度不均匀图像,且对初始轮廓和噪声不敏感。与以往算法相比,可有效避免陷入局部最优解。     

图像分割技术研究

对当前的图像分割技术进行了综述,具体介绍了并行边界类、串行边界类、并行区域类和串行区域类4种分割算法,并对分割算法进行了评价。     

图像分割技术在医学图像分割中的应用

图像分割是图像分析和处理的关键步骤,医学图像分割是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义,对医学图像分割的常用技术进行了研究。     

基于Lab色彩模型的FCM图像分割研究

为了解决彩色图像的准确分割问题,研究了不同颜色模型特别是Lab模型对彩色图像分割效果的影响。将同一彩色图像转换到不同颜色模型下,并使用传统模糊C均值聚类图像分割算法对其进行分割处理。通过对多幅彩色图像进行分割实验,结果表明,虽然Lab颜色模型在数字图像处理中使用广泛程度不及RGB颜色模型,但在该模型下处理MSRA_10K彩色图像数据集时的图像分割效果整体优于RGB颜色模型。     

基于改进JSEG算法的图像分割

JSEG算法是一种有效的彩色图像分割方法,传统的JSEG算法主要包含两个部分：颜色量化和空间分割。在颜色量化阶段的阈值是提前预设的,但它并不能满足现实生活中复杂的图像问题。传统JSEG算法的J值计算仅考虑了像素的位置信息和类标志,并没有考虑像素的颜色信息,因此它并不能表示边界强度。提出一种改进的Canny算子检测的边缘信息,对原始的J值进行有效修正,从而构建新的J图,完成最后的区域增长。实验结果表明,图像预期分割效果良好,有着很好的鲁棒性。     

基于CFAR的SAR图像分割

选用瑞利分布模型对SAR图像进行恒虚警率(CFAR)检测。提出新的参考窗口选取方法,并针对虚警特点提出新的均值估计方法。实验证明,与一般的均值估计方法相比,文中提出的均值估计方法是可行的、有效的,且与其中提出的参考窗口选取方法相结合能更好地去除虚警,保留目标信息。     

基于CFAR的SAR图像分割

选用瑞利分布模型对SAR图像进行恒虚警率(CFAR)检测。提出新的参考窗口选取方法,并针对虚警特点提出新的均值估计方法。实验证明,与一般的均值估计方法相比,文中提出的均值估计方法是可行的、有效的,且与其中提出的参考窗口选取方法相结合能更好地去除虚警,保留目标信息。     

基于平面超像素的图像分割算法

针对以像素为节点建立图模型进行图像分割颇为耗时的弊端,提出了一种基于平面超像素图割的图像分割方法,并应用于图像分割。首先用改进的分水岭算法将图像分割成区域一致性小区域（超像素）,用分割得到的超像素作为图的节点构建图模型;以每个超像素的灰度值代表所在分块的全部像素点参数;最后用图割算法达到最优分割。该算法以极少数超像素代替海量像素,在得到较好分割结果的同时,极大地缩短了运行时间。     

基于图像分割的改进型预测编码

传统的预测编码是通过将图像转化为预测差来消除像素间的冗余度,从而实现图像压缩。为了进一步减小预测差的熵,提出了一种基于图像分割的改进型预测编码算法。实验结果表明,该算法具有比传统预测编码更好的压缩效果。同时,还比较了各种不同的分割方法对图像压缩性能的影响。     

一种改进的脉冲耦合神经网络图像分割方法

针对传统脉冲耦合神经网络图像分割需要人工多次调整网络参数的问题,提出根据图像本身信息的自适应参数设置方法。并对传统脉冲耦合神经网络进行改进,利用改进的脉冲耦合神经网络进行图像分割,并利用最大二维Tsallis熵准则自适应确定分割结果。仿真实验结果表明,该方法能获得视觉效果较好的分割结果。     

基于保边分解的图像分割

为改善传统CV(Chan和Vese)分割算法对自然图像分割的效果,将自然图像进行自适应保边分解,获取的卡通分量区域内部具有一致性,区域间存在显著差异且目标轮廓清晰。对卡通分量运用水平集实现目标区域分割。实验结果表明,相对于传统CV分割算法,该算法对自然图像分割的效果较好,分割测评分数较高。     

基于图论的图像分割及其嵌入式应用研究

图像分割技术需要结合既定的特征分离图像,将其分割成独立的又相互连通的区域,这一技术被广泛应用到视频及图像处理中.经过数十年的发展,图像分割已成为图像处理领域的重要工作,然而依然面临着诸多尚未解决的问题.探讨图像分割以及嵌入式应用的具体情况,分析处理器嵌入式平台具体的时间以及空间上如何实现资源优化,实现更好的嵌入式应用.     

基于多混沌PSO和Snake模型的图像分割算法

针对分割图像目标是无法提取目标的真实边缘且实时性不佳,引入混沌系统改进的PSO(简化粒子群算法)提取出的目标边缘作为Snake模型分割的起始位置,优化能量函数后分割出精准目标.实验表明:对图像目标进行分割的时间减少且精准度也提高了。     

基于深度学习的图像语义分割技术综述

图像分割是计算机视觉领域的一个重要方向,是图像处理的核心环节.伴随深度学习技术的发展,结合深度学习的图像分割技术在精确度上远超传统图像分割方法.卷积神经网络(CNN)与全卷积神经网络(FCN)的提出极大促进了图像语义分割技术发展,研究人员提出了很多新型网络模型,分割精准度大幅度提升.从传统语义分割方法、深度学习与传统方...