基于纹理分割的遥感图像的变化探测

提出一种基于纹理分割的遥感图像变化探测算法,利用纹理来反应不同地表形态的影响。对于两幅同一地点、不同时刻的图像,先将前一时刻的遥感图像分割成一系列代表不同地表形态的纹理,假设前一时刻图像的灰度分布在这些分割所得的纹理区域上可以用高斯分布描述,则后一时刻的图像在这些纹理区域上远离高斯分布的像素点便是异常的变化点。由于算法是在分割以后的纹理上分析像素值的统计特性,而不是在滑动的窗口中,因此不受变化大小和形状的限制。实验结果进一步验证了算法具有很好的探测性能。     

基于颜色和纹理特征的黄瓜果实图像分割

温室黄瓜的识别是黄瓜采摘机器人研究的重要环节,要解决此问题首先必须对采集的黄瓜图像进行分割。提出了一种结合颜色特征和纹理特征进行分割的方法。根据CIE-XYZ颜色模型及其色度图,在RGB模型中先通过颜色滤去不相关物体,然后利用灰度共生矩阵提取纹理特征,得到可区分果实和背景的两大纹理特征,即熵和能量,有效地解决了果实和背景颜色相似的识别问题。     

多分辨分形理论在高分辨力遥感图像分割中的应用

针对遥感图像的高分辨力特性,提出了基于多分辨分形的遥感图像分割方法。改进了多分辨结构的建立方法,提出了基于Laplacian金字塔的多分辨结构的分形分割法。实验表明,改进的多分辨分形图像分割方法在减少信息冗余度的同时,提高了数据利用率,可有效地对高分辨力遥感图像进行分割分类。     

Laws纹理模板在立体匹配中的应用

立体匹配一直是计算机视觉领域的一个中心问题,基于区域整体匹配算法较好地解决了纹理单一区域的立体匹配问题,其关键步骤是纹理单一区域的分割和匹配.针对纹理单一区域的特点,提出利用Laws纹理模板对图像纹理特征进行分析描述,然后进行基于直方图的分割,得到纹理单一区域.对于各种场景图像.通过分析比较各种Laws纹理模板组合,能够得到最好的分割效果.在国际标准图像上测试的实验结果表明,相对于灰度共生矩阵描述纹理单一区域和基于区域生长的方法,该方法能提高纹理单一区域的识别率和分割阈值选取的稳健性,这有助于提高基于区域整体匹配算法的匹配精度和实用价值.     

复杂背景下钢索图像的纹理分割与边界识别

针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

基于纹理基元的多层马氏链图像分割

多层马氏链图像分割算法在纹理碎片化阶段基于颜色信息实现聚类,用于聚类的特征只包含颜色以及颜色之间的关系,导致最终的分割结果对颜色过度敏感。针对此问题提出基于纹理基元的纹理碎片化聚类方法,将颜色与灰度分布相结合构造为纹理基元,面向纹理基元的聚类分割使碎片结果稳定,避免了因光照等因素导致纹理的误分割。实验证明,改进后的算法分割精度有明显的提高,对于遥感图像分割来说,纹理分割结果的稳定性更高。     

复杂背景下钢索图像的纹理分割与边界识别

 针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

一种基于图像特征和神经网络的苹果图像分割算法

苹果识别是开发苹果采摘机器人的关键环节,利用图像处理技术和神经网络分类器探索苹果图像分割算法.从苹果树图片中选取苹果图像样本和背景网像样本.分别计算这两类图像样本的颜色特征和纹理特征.颜色特征的计算基于RGB色彩模型,纹理特征的计算基于灰度共生矩阵.选取适当的颜色特征(R/B值)和纹理特征(对比度值和相关性值)作为输入节点,利用反向传播神经网络分类器建模,输出值是一个O～1之间的计算值.通过阈值将输出结果分类为苹果或背景.试验结果表明,该算法正确率大于87.6%,对光照的影响不敏感,是一利较为实用的苹果分割算法.     

基于互信息改进型脉冲耦合神经网络多值图像分割

为了自动地进行图像的多值分割,从原始图像与分割图像之间的相互关系出发,以最大互信息为优化分割目标,以互信息熵差作为一种新的分类类数判据,在对传统脉冲耦合神经网络模型改进的基础上,提出了一种基于最大互信息改进型脉冲耦合神经网络图像多值分割算法.理论分析和实验结果表明,该方法能够自动确定最佳分割迭代次数及最佳分割灰度类数,对分割图像具有良好的特征划分能力,且在分割类数较少的情况下,能较好地保持图像细节、纹理及边缘等信息,对不同图像分割准确度高,具有较强的适用性.     

多视高分辨率纹理图像与双目三维点云的映射方法

针对双目立体视觉重建点云模型与高分辨率纹理图像的融合问题,本文提出了一种新的纹理映射方法。在双目立体视觉系统上增设长焦纹理相机拍摄高分辨率纹理图像,利用高分辨率纹理图像与双目图像的二维特征匹配,以双目图像为桥梁,得到纹理图像与三维点云模型的匹配关系,进而实现高分辨率纹理图像到三维点云模型的映射。同时,针对映射过程中多视纹理图像重叠部分的数据冗余,提出一种引导线点云数据分区方法,有效解决了多视纹理图像重叠部分的映射问题。通过实验验证,所提方法能够方便准确地实现多视纹理图像与双目三维点云模型的纹理映射。在本文实验条件下,三维模型的纹理可分辨原始线宽为0.157 mm的线对,与双目系统直接产生的三维模型相比,其纹理分辨率提高了1倍,验证了所提出的多视高分辨率纹理映射方法的有效性。     

基于多尺度区域粒度分析的遥感图像分割

针对高分辨率遥感图像中不同地物具有粒度差异的特点,提出了一种多尺度区域粒度分析的图像分割方法。该方法首先使用均值漂移得到图像各尺度上的初始过分割区域,然后通过考虑区域大小和区域间上下文关系进行粒度分析,最后利用马尔科夫随机场模型对图像的粒度信息和光谱信息进行建模,得到分割结果。用平朔地区SPOT5和泰州航拍等遥感图像进行了实验,并与若干考虑光谱特征的分割方法进行了对比,结果表明提出的方法能有效地提高分割精度。     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

A novel multi-scale segmentation algorithm for high resolution remote sensing images based on wavelet transform and improved JSEG algorithm

Considering the difficulties in image segmentation caused by the complexity of diverse ecological environments and various artificial targets in high resolution remote sensing images, especially in city scene, and in order to overcome the limitations existing in the traditional segmentation algorithm, JSEG (J-Segmentation), for high resolution remote sensing image segmentation and to further improve the segmentation accuracy, WJSEG (Wavelet-JSEG), a novel multi-scale segmentation algorithm based on wavelet transform, is proposed, which is an improved JSEG algorithm. WJSEG is an improved form of JSEG in relation to three aspects, including color quantization, multi-scale segmentation and region merging by introducing the multi-scale analysis tool based on wavelet transform. Experiments have been conducted on high resolution SPOT 5 pan-sharpened multispectral image and IKONOS panchromatic image. These experimental results were compared with those gained by the traditional JSEG algorithm and the famous commercial software named eCognition, which validated the effectiveness and reliability of the proposed WJSEG algorithm.     

利用图像分割的基于图割的立体匹配算法

立体匹配通过寻找同一空间景物在不同视点下投影图像的像素间的一一对应关系, 最终得到该景物的视差图。在对匹配算法作了深入研究的基础上, 提出了一种利用图像分割的基于图割的立体匹配算法。算法把参考图分割成多个区域, 然后用平面公式在一个分割中建立视差。视差模板是从初始视差分割中提取的。每一个分割被分配到精确的视差模板。构建全局能量函数,能量函数的鲁棒最小化是由基于图割的最优化获得的。算法对低纹理区域和接近视差边界区域有很好的匹配效果, 同时, 又解决了传统的基于全局算法中计算量过大, 实时性不好的问题。实验表明, 本算法能满足高精度、高实时性要求。     

Image segmentation based on hierarchical belief propagation with variable weighting parameters

The belief propagation (BP) algorithm is an efficient way to minimize the MRF energy for image segmentation. This paper proposes a hierarchical BP algorithm with variable weighting parameters (HBP-VW) to improve the segmentation accuracy of the BP-based algorithms. In the HBP-VW, two variable weighting parameters are introduced, the global parameter and the local parameter. The global parameter is used to overall adjust the influence of each part in the message update rule. The local parameter is designed to describe the local texture pattern for each site. Texture, remote sensing, and nature images are employed to test the proposed algorithm. Experimental results illustrate a better segmentation accuracy compared with other BP-based algorithms.     

基于偏振测量的雾天图像场景分割

现有场景分割方法主要依赖于图像亮度、颜色和纹理等特征,然而在雾天图像中提取这些特征将变得困难且不稳定.基于此本文提出了适用于雾天图像场景分割的特征矢量,以及相应的特征提取算法.特征矢量由目标偏振度、深度和颜色三部分组成.特征提取算法分别为:用去相关的方法从图像偏振度分离出大气偏振度和目标偏振度;根据雾天退化模型和雾天图像偏振表示形式推导出场景深度信息;利用两幅偏振图像求出非偏振彩色图像,从而得到场景的颜色信息.将这些特征构成的特征矢量用于基于图的分割算法中,并从两个方面比较了仅使用颜色特征和使用本文特征矢量的分割结果.最后得出结论:对于雾天图像而言,这些特征比通常的颜色特征更加有效和鲁棒.     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具,本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘;然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频...     

A parametric imaging approach for the segmentation of ultrasound data

When an ultrasonic examination is performed, a segmentation tool would often be very useful, either for the detection of pathologies, the early diagnosis of cancer or the follow-up of the lesions. Such a tool must be both reliable and accurate. However, because of the relatively reduced quality of ultrasound images due to the speckled texture, the segmentation of ultrasound data is a difficult task. We have previously proposed to tackle the problem using a multiresolution Bayesian region-based algorithm. For computation time purposes, a multiresolution version has been implemented. In order to improve the quality of the segmentation, we propose to perform the segmentation not only from the envelope image but to combine more information about the properties of the tissues in the segmentation process. Several acoustical parameters have thus been computed, either directly from the images or from the radio-frequency (RF) signal.

In a previous study, two parametric images were involved in the segmentation process. The parameter represented the integrated backscatter (IBS) and the mean central frequency (MCF), which is a measurement related to the attenuation of ultrasound waves in the media. In this study, parameters representative of the scattering conditions in the tissue are evaluated in the multiparametric segmentation process. They are extracted from the K-distribution (,b) and the Nakagami distribution (m,Ω) and are related to the local density of scatterers (,m), the size of the scatterers (b) and the backscattering properties of the medium (Ω).

The acoustical features are calculated locally on a sliding window. This procedure allows to built parametric mapping representing the particular characteristics of the medium. To test the influence of the acoustical parameters in the segmentation process, a set of numerical phantoms has been computed using the Field software developed by J.A. Jensen. Each phantom consists in two regions with two different acoustical properties: the density of scatterers and the scattering amplitude. From both the simulated RF signals and envelope images, the parameters have been computed; their relevance to represent a particular characteristic of the medium is evaluated. The segmentation has been processed for each phantom. The ability of each parameter to improve the segmentation results is validated. A agar–gel phantom has also been created, in order to test the accuracy of the parameters in conditions closer to the in vivo ultrasound imaging. This phantom contains four inclusions with different concentrations of silica. A B&K ultrasound device provides the RF data. The quantification of the segmentation quality is based on the rate of correctly classified pixels and it has been computed for all the parameters either from the field images or the phantom images. The large improvement in the segmentation results obtained reveals that the multiparametric segmentation scheme proposed in this study can be a reliable tool for the processing of noisy ultrasound data.