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.     

彩色分割的航空影像房屋自动检测

航空影像房屋提取方法的研究中大多基于灰度影像的区域生长算法,此类算法不仅忽略了不同材质的房屋所呈现的光谱特征对提取结果的影响,而且过于依赖种子像素的选取,处理效率不高。为了从高分辨率航空影像中实现房屋的自动检测,综合利用彩色信息与屋顶材料的光谱特征,采用影像分割原理,研究了房屋自动检测的方法。首先对RGB与HIS彩色空间进行转换,利用HIS空间各分量间不相关的特点和屋顶材料光谱特征进行影像分割,分离出红色瓦片屋顶与灰色水泥屋顶区域,并利用标记分水岭算法实现房屋区域的初始分割;然后计算各标记区域内的色调均值选取种子像斑样本,进而以像斑为单元在色调分量中进行区域生长,最后经过消除小斑和矩形拟合优化处理,得到轮廓清晰的房屋区域。与传统的基于像素区域分割算法相比,该方法整个过程无需人工干预且均在一维彩色空间进行处理,计算量明显降低,同时采用改进的基于像斑区域生长算法能够兼顾邻近区域内像素的几何结构信息,使算法精度得到显著提高,采用上述方法对高分辨率航空影像进行了实验,结果证明该方法有着较高的处理效率和准确性,具有实用价值。     

Natural color image segmentation using integrated mechanism

A new method for natural color image segmentation using integrated mechanism is proposed in this paper. Edges are first detected in term of the high phase congruency in the gray-level image. K-mean cluster is used to label long edge lines based on the global color information to estimate roughly the distribution of objects in the image, while short ones are merged based on their positions and local color differences to eliminate the negative affection caused by texture or other trivial features in image. Region growing technique is employed to achieve final segmentation results. The proposed method unifies edges, whole and local color distributions, as well as spatial information to solve the natural image segmentation problem. The feasibility and effectiveness of this method have been demonstrated by various experiments.     

基于HSI颜色空间的彩色边缘检测方法研究

针对在RGB空间中很难有效区分颜色相似性的问题,通过选择更加符合颜色视觉特性的HSI颜色空间进行图像处理与分析,提出了一种新的色差度量方法,在此基础上设计了一种彩色边缘检测方法。首先计算色度、饱和度、亮度等三个分量的边缘信息,然后对三个分量进行加权得到彩色边缘信息,通过非极大值抑制和阈值选取后,得到彩色图像的边缘。实验结果表明,该方法可以充分利用彩色图像的色度、饱和度和亮度信息来有效地检测彩色边缘。     

Texture based segmentation of epithelial layer from oral histological images

The objective of this paper is to provide a texture based segmentation algorithm for better delineation of the epithelial layer from histological images in discriminating normal and oral sub-mucous fibrosis (OSF). As per literature and oral clinicians, it is established that the OSF initially originates and propagates in the epithelial layer. So, more accurate segmentation of this layer is extremely important for a clinician to make a diagnostic decision. In doing this, Gabor based texture gradient is computed in gray scale images, followed by preprocessing of the microscopic images of oral histological sections. On the other hand, the color gradients of these images are obtained in the transformed Lab color space. Finally, the watershed segmentation is extended to segment the layer based on the combination of texture and color gradients. The segmented images are compared with the ground truth images provided by the oral experts. The segmentation results depict the superiority of the texture based segmentation in comparison to the Otsu's based segmentation in terms of misclassification error. Results are shown and discussed.     

基于水平集的闪光照相图像分割算法

针对Chan-Vese(CV)模型局部控制能力差的缺点,将基于区域的CV模型和分割曲线的局部信息结合起来,提出了一种新的水平集图像分割算法。该算法以CV法的分割曲线为初始曲线,以获得全局收敛性,在后继分割中引入分割曲线的局部信息,以提高模型对图像中微弱信号的分割能力。对闪光照相图像的数值实验表明,该算法噪声抵抗能力强,对初始轮廓位置不敏感,能实现对含细长拓扑结构和微小孔洞的弱边界闪光图像的自动分割。     

基于可见光谱通道的松树年轮参数获取方法研究

年轮参数是树木生长的重要指标。目前年轮的检测方法主要有人工测量法、扫描仪法和X射线法等。这些方法费时费力、检测成本高、操作难度大。为此,提出采用可见光谱进行年轮参数检测的新方法。首先针对活立木年轮检测需求,设计了木芯专用可见光谱分析装置。装置采用宽光谱对称式光源,封闭式暗箱设计,彩色CCD外置、固定距离采集方式。进而采集样品全彩色图像,分别提取不同光谱通道数据进行分析,最终获得年轮特征光谱参数。以从松树活立木钻取的木芯为例,经打磨后的木芯水平固定于载物台,光源均匀照射样品,CCD采集木芯漫反射RGB图像,基于对木芯全彩色图像的不同光谱通道的分析,分别提取RGB三帧灰度图像的强度曲线,区分早晚材分界线,得到树木年轮各项指标,实现树木年轮参数的快速提取。实验首先将CCD采集的RGB图像转换至NTSC色彩空间,以扩大色彩域。在设置滤波窗滤除背景,截取出木芯图像后,通过提取木芯图像的R,G和B三灰度分量图像,发现木芯B灰度图的早晚材区域差异最分明。基于该特征,可提取出早晚材分界线的位置信息。对木芯B灰度分量图微分,得到灰度沿水平方向的空间梯度。确定灰度变化率极大值对应的各点,鉴于木芯生长特性,灰度变化率极大值对应空间位置首先取为窄像素区域,进而在窄像素区域取中间值,此即木芯年轮各早晚材的中心点。其中,早材中心点对应光谱曲线的极大值,晚材中心点对应光谱曲线的极小值。结合专家经验,建立早晚材中心点与分界线的灰度关系,可得各分界线的位置。通过早晚材分界线与年轮各参数的关系,可进一步得出年轮各项指标。对比3位林木育种专家人工识别结果,本方法检测结果除了在木芯靠近端点处的位置外,都具有极高的准确度。采用可见光谱通道的数据采集与分析方法检测树木年轮参数,检测过程可实现全自动,高效、无损,精度可达到0.1 mm,结果精确。相比于人工测量法、扫描仪法,检测效率更高;相比于X射线法,检测过程更加安全、低耗,操作更方便。是一种具有较强应用性的方法。     

基于色彩空间非线性变换的彩色图像边缘检测

为了在边缘检测中有效的利用图像的色彩信息,提出了基于色彩空间非线性变换的彩色图像边缘检测算法。该算法利用了ιαβ空间信道相关性低的优点,采用基于Sobel算子的色度差算子进行边缘检测。实验结果表明:该算法不但可以检测出亮度变化剧烈区域内的物体边缘,而且还可以检测出在光线很暗的区域内不同颜色物体的边缘。因而可以极大的提高图像边缘的检测效果。     

Improved phase demodulation for grain orientation measurement

The method of phase demodulation for wood grain orientation measurement has been improved by employing a laser sampling system instead of a laser scanning system and using an edge detection algorithm rather than an intensity detection algorithm. The laser sampling system is able to determine the average grain angle and estimate the wood defect distribution much faster and more accurate than the laser scanning system. The edge detection algorithm is able to transform not only an oriented laser pattern but also an oriented wood texture into a periodic histogram. For the hardwoods with weak tracheid effect but the texture direction indicative of the grain orientation, the orientation measurement of laser pattern can be replaced by the orientation measurement of wood texture.     

Magnetic-resonance image segmentation based on improved variable weight multi-resolution Markov random field in undecimated complex wavelet domain

To solve the problem that the magnetic resonance (MR) image has weak boundaries, large amount of information, and low signal-to-noise ratio, we propose an image segmentation method based on the multi-resolution Markov random field (MRMRF) model. The algorithm uses undecimated dual-tree complex wavelet transformation to transform the image into multiple scales. The transformed low-frequency scale histogram is used to improve the initial clustering center of the K-means algorithm, and then other cluster centers are selected according to the maximum distance rule to obtain the coarse-scale segmentation. The results are then segmented by the improved MRMRF model. In order to solve the problem of fuzzy edge segmentation caused by the gray level inhomogeneity of MR image segmentation under the MRMRF model, it is proposed to introduce variable weight parameters in the segmentation process of each scale. Furthermore, the final segmentation results are optimized. We name this algorithm the variable-weight multi-resolution Markov random field (VWMRMRF). The simulation and clinical MR image segmentation verification show that the VWMRMRF algorithm has high segmentation accuracy and robustness, and can accurately and stably achieve low signal-to-noise ratio, weak boundary MR image segmentation.     

Color image edge detection method using VTV denoising and color difference

The traditional Canny edge uses Gaussian filter to suppress the noise, it also smoothes out the image edges. An improved Canny edge detection method for color image is proposed in this paper, the improved method uses fast vectorial total variation (VTV) minimization model to remove noise in color image, and then calculates the color difference and direction in CIELAB color space, which is used for non-maximal suppression. Finally, the improved method extracts the edges by the double-threshold method. The experimental results show that the proposed method achieves better performance than the traditional Canny edge detector. It can remove noise while preserving the image edges, and effectively detect the image edges.     

基于统计特性与边缘特性融合的阴影检测方法

针对视频监视系统中的阴影检测问题,提出了一种基于灰度比值统计与边缘特征分析相融合的阴影检测方法.根据阴影的面积和灰度特征,采用灰度统计和正态分布曲线拟合的方法估计出阴影灰度的分布区域,实现对阴影的初分割.利用熵判据对初分割的结果进行判断,对于过分割的情况,依据目标与阴影间的位置关系,利用阴影的边缘特性进行目标重构.不同光照环境下的视频监控图像测试结果表明,该方法可以用于灰度图像和彩色图像,能够有效检测出阴影区域并保持目标的完整性.     

复杂背景彩色图像中的文字分割

提出了一种纹理和连通域特征相结合的彩色文字分割方法。基于文字的边缘纹理特征,粗略分割出可能的文字区域。计算各区域内的颜色统计直方图,进行二类颜色聚类。分析文字连通域的几何特征,滤除非文字连通域。计算文字连通域像素点的垂直投影,估计文字的宽度和文字间隔,判断是否为文字排列,对粗分割的文字区域进行校验,确定文字区域的边框。通过自然场景下拍摄的100幅图像的文字分割实验,证明了该文字定位和分割方法的有效性。     

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...     

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.     

基于背景粗糙度估计的红外目标检测算法

在分析海天背景下目标红外图像特征的基础上,提出了一种基于背景粗糙度估计的红外目标自适应检测算法.该算法利用LOG算子进行目标基本轮廓检测,将目标的中心点作为区域生长的种子点,通过背景粗糙度估计自适应确定LOG算子参量,完成目标图像分割.与传统检测方法比较,采用该处理方法进行小目标检测及识别过程的预处理,可以有效地减少运算量,提高检测速度,抑制对不必要的种子点进行区域生长,提高了目标的检测概率.     

Tomography Formula for Biochemical Imaging of Thin Tissue with Diffuse-Photon Density Waves

Artificial object detection and segmentation in natural background are key points of pattern recognition and computer vision.The effect of complex texture of natural background and other factors,make it difficult to segment artificial object from natural background.In this paper,an algorithm based on watershed transform and regional fractal texture analysis is proposed to detect and segment artificial object from natural background.     

区域分形与人工目标检测

自然背景下的人工目标检测和分割,一直是困扰模式识别和计算机视觉的难题.自然背景的复杂的纹理特征,以及其他一些因素的影响,使得人工目标的分割变得非常困难.在分水岭算法的基础上,提出了基于分形理论的区域分形特征的分析方法,对自然背景下的人工目标检测和分割进行了探讨. 关键词：     

图像分割中采用自适应三次B样条修饰轮廓线

大多数由像素灰度值或灰度相关参数获得图像轮廓线的方法由于受到图像噪声、量化误差以及灰阶的梯度分布等方面的影响 ,获得的边缘轮廓线是不光滑的 ,带有小而密集的不规则锯齿或毛刺 ,这不仅不符合实际情况 ,而且会给进一步的图像处理带来困难。为了获得连续光滑的轮廓线 ,提出了一种方法 :先以动态规划算法提取全局最优的轮廓线 ,然后用一种自适应三次B样条对获得的轮廓线进行修饰和平滑处理。该样条可根据轮廓线不同处的曲率变化情况 ,自适应地调整控制点的分布。在各类图像上的试验表明 ,该方法即有效的消除了轮廓线上的小锯齿 ,又保留了轮廓线的特征细节