彩色图象分割与颜色特征选择

图象分割是计算机早期视觉重要的不可缺少的一步。彩色图象由于具有比灰灰度图象更多的视觉信息,受到了越来越多的重视。本文对彩色图象分割方法和颜色特征选择及关系做了概述;特别是对基于物理分割方法做了更多的描述,意旨它将是 计算机深层次视觉根本方法。     

彩色图像分割方法综述

图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。对各种彩色图像分割方法进行了系统论述,分析了各种方法的优缺点。     

现代彩色图像分割技术综述

图像分割是进行图像理解与分析的基础,是图像工程技术中的一个重要问题,也是图像处理的经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。文章将彩色图像的分割技术分为三大类,并分别加以系统概括,分析了各种方法的优缺点。     

红外热图象自动阈值分割方法

根据红外热图象的特点，提出基于灰度统计特性的直方图移动平均方法，实现了红外热图象自动阈值分割。实验结果表明，此方法算法简单、运行速度快、分割效果也较为满意。最后给出了计算机处理结果。     

一种新的图象分割方法

大多数图象处理系统都需将目标从背景中分离出来。本文介绍一种新的自适应门限图象分割方法。门限曲面通过梯度值较大的象素点即可能的边缘点灰度值内插得到。     

分莆技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨,为了有效地描述彩色纹理特征,我们利用图象中的色彩信息。通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而动用中值滤波技术和非监督聚算法对特征图象进行分割、实验发形技术进行彩色纹理分割是非常有效的。     

数字彩色图象颜色管理

文章对数字彩色图像输入输出技术中所涉及颜色管理相关的设备概貌、色貌模型和色域映射等问题做了系统阐述。内容涉及了近年来国际上在这一领域的最新研究成果和发展方向。     

彩色图象量化方法的研究

彩色图象量化是图象处理中的关键技术之一,本文讨论了几种常用的色彩量化算法,并且提出限一种新的统计聚类算法,实验表明,该算法是一种性能较好、复杂度低的图象色彩量化方法。     

非监督图象分割的神经网络方法的研究

本文提出了一种新的神经网络模型UMAN,以实现非监督的图象分割。该神经网络采用广义信息熵作为描述系统稳定和收敛的定量判据,克服了广义能量函数的缺陷;改进的Kohonen非线性映射结构,既突出了分类信息又减少了信息冗余;网络内部层和结点数由系统内部动态地确定,不需人工干预和先验知识;非监督自学习功能反映了低层次视觉信息处理的特点,可处理一般的图象,具有较强的适应性.实验结果表明该模型及算法是有效和实用的,具有一定的鲁棒性.     

彩色图像分割技术综述

介绍了彩色图像分割的定义,分析了彩色空间的分类及各类的特点,详细综述了彩色图像的分割技术。     

一种用于彩色图像处理的自适应阈值分割方法

提出的三维空间局部兴奋全局抑制振荡网络是一种自适应阈值分割方法 ,它首先将图像中不同颜色的目标有效地分割出来 ,然后标记目标中重要的细节部分 .在此基础上 ,还针对某些彩色图像中含有纹理性质目标的情况 ,对这种方法进行了改进 ,将此用于彩色岩芯切片图像的分割取得了较好的效果     

基于视觉颜色聚类的彩色图像分割

根据视觉的颜色聚类特性，提出一种图像分割算法．根据从色彩空间(RGB)到(HLC)的变换公式和NBS颜色距离的概念，首先将彩色图像量化为256或更少量化级，而不使图像质量降低；然后依据NBS颜色距离的概念将色彩分类；最后，根据某种规则将颜色区域进行分块，并删除小的颜色块．给出了静物图像和自然景物图像的实验结果。     

基于颜色相似系数的彩色图像分割方法

基于两种像素之间颜色相似系数的计算,根据设定的阈值来判断两种颜色是否具有相似性·计算在RGB颜色空间进行,省去了其他分割方法中的颜色空间转换过程·为提高图像分割过程的效率,采用了改进的区域生长法实现整个彩色图像的分割·实验结果表明,本方法可对彩色图像进行有效的分割,符合人类视觉感知特性,适合于不同的应用目的·     

基于特征散度的模糊彩色图像分割算法

为提高算法的普适能力,提出了一种新的基于特征散度的模糊彩色图像分割算法(FDCIS).算法引入了特征散度和模糊相异性函数来度量差异性,利用特征散度进行数据聚类,实现图像的区域融合.实验证明,算法较好地降低了彩色图像大样本数据的运算量,简单而有效地解决了过度分割现象,避免了聚类算法对初始条件的依赖性,与人的主观视觉感知具有良好的一致性.     

复杂彩色图像的二值分割及初步处理

针对光照严重不均、有色彩扩散和模糊现象的复杂彩色图像,提出了一种快速分割目标和背景、获得较高品质二值图像的方法,并讨论了如何在二值图像中消除大面积的孤立噪声区域,以进一步提高二值图像的质量。该方法已经应用在工业生产实时监控系统中,并取得了很好的效果。     

一个用于彩色肺癌细胞图像的分割算法

彩色图像的分割是图像处理中的一个难题。该文对HE（Hematoxylin and Eosin)染色的彩色肺癌细胞图像的分割问题进行了研究。在大量实验的基础上,提出了如何利用有效的彩色特征进行分割的算法。该算法首先利用有关的彩色特征将细胞从背景中准确地分割出来;在此基础上,再将细胞分离为细胞核及细胞浆2部分,以便进一步的分析处理。该算法简单准确,完全可以满足实用需要。     

基于PCNN的图像二值化及分割评价研究

在介绍传统二值化方法的基础上,对PCNN脉冲耦合神经网络进行了研究,由于PCNN独特的相似神经元同步点火的特性,使其非常适合于各类图像的分割;同时结合图象二值化研究,对目前仍处于难点的图像分割评价作了研究,提出了综合评价思想。并通过实验仿真验证了：PCNN用于图像二值化,能够更好地区分和合理地分割出图像的目标和背景区域,具有分割精度高,适应类型广的特点;同时通过大量的实验数据也验证了所提出的综合评价思想的合理性,较之以往的评价准则更加准确和科学。     

基于HSI颜色空间的绝缘子图像的分割

针对绝缘子图像,根据其颜色特性,得出HSI颜色空间满足图像分割的要求;并对色调分量所具有的特点,提出了色调直方图折叠法,可以有效减少对背景的误分割。分割方法上选取最大类间方差法的阈值分割。对于单个色调或饱和度分量图像分割结果中的不足,提出将两者的分割结果求交集,经形态学处理后得到的分割结果,为后续的绝缘子故障判断提供了依据。