基于小波变换和亮度矩的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础，针对牌照与车身背景的分割问题，该文提出了基于小波变换和这度矩方法的车辆牌照阈值分割算法，首先，对车牌图像进行小波去噪，然后利用亮度矩对去噪后的车牌图像进行阈值分割，实验结果表明：此方法能够从含有较强噪声的车辆图像中获得车牌图像，且具有相对于图像的平移、尺度变化和旋转的低敏感性。     

图像的亮度矩和阈值分割

简要介绍图像的亮度矩以及在保持图像亮度矩不变的条件下对图像进行两级阈值分割的方法,并对这种方法得到的方程组采用最小二乘法进行求解,以减小噪声干扰,得到较为精确的阈值。     

基于模糊主色调的彩色图像分割及道路检测

该文提出了一种新的基于模糊主色调的彩色图像分割方法。其主要内容是利用各类模糊主色调在各属性类中所占比例的不同构造一动态色彩查找表,并由像元的色彩值求得所对应的模糊主色调值,再由该值查色彩表确定其所属的类别。该方法合理地避免了有监督模式分类法所固有的缺点,以及无监督模式分类法对同一类中色彩的一致性要求。试验表明该方法速度快,效率高,并且对噪声不敏感。     

基于彩色图像分割和平面投影变换的机器人障碍检测

提出了一种应用到机器人障碍检测中的新方法,该方法综合了自适应性的颜色区域分割和基于双日立体视觉的平面投影交换两种算法．此方法不但避免了图像匹配和生成全景深度图,且算法简单,可靠性强．尤其适应地面相对平坦、地面颜色大体一致的室内或高速公路等环境．最后给出了将此方法应用到移动机器人上的结果。     

用BP网络进行彩色图像分割和边缘检测

采用ＢＰ网络模型，研究了彩色图像分割和边缘检测的神经网络方法。选取训练样本图像，并分别以区域增长分割法和Ｓｏｂｅｌ边缘检测方法所得结果为导师信号，将图像的特征向量采用ＢＰ算法进行训练，然后对实测图像进行分割和边缘检测。与采用区域增长法所得分割结果和采用Ｓｏｂｅｌ边缘检测方法所得边缘检测结果进行比较，ＢＰ网络方法能取得同样较好的效果。     

基于视觉显著性的彩色图像分割

为了提高图像显著性检测的准确性,从数学模型上探索显著性的多特征空间.利用多尺度特征提取算法获得低层视觉特征,对特征矩阵用低秩矩阵恢复理论提取显著图,并在自底向上模型基础上融合了高层视觉特征,由高层视觉特征构成一幅权重的显著图.提高了显著度和显著目标的检测性能.通过自适应阈值算法对视觉显著目标进行分割.实验结果表明,该模型比传统的模型提取的显著目标更完整、更准确.     

基于肤色分割的彩色图像的人脸检测

提出了一种基于肤色分割与统计特征分析并结合模板匹配的检测人脸方法，该方法能在复杂的背景下很好的检测出人脸。首先利用颜色信息对彩色图像分割成皮肤区域与非皮肤区域，然后对皮肤区域作尺寸大小、方差大小、旋转角度等处理后，再进行模板匹配。     

中间照明水平下视锐度的亮度响应特性研究

在中间照明水平下测量人眼的视锐度与亮度和对比度的变化关系，分析在明视觉下所建立的阿吉恩视锐度模型（Adrian‘s Visual Acuity Model)在中间视觉下的适应程度，建立中间视觉下的视锐度模型，并分析其在夜间交通照明的应用。     

亮度保持的夜景图像增强算法

针对夜景图像对比度增强的特点,提出一种亮度保持的夜景图像增强算法。根据平均亮度将夜景图像递归分解为一系列不同灰度级范围的子图像,然后对每个子图像在其灰度级范围内进行均衡。实验结果表明,该算法在充分扩展图像灰度级动态范围的同时,可以通过递归深度的选择控制图像亮度的变化,使增强后的夜景图像显得自然与真实。     

CCD相机全彩LED显示屏亮度检测与校正算法

针对LED显示屏亮度显示不均这一问题,提出一种基于CCD相机的全彩LED显示屏亮度检测与校正算法.该算法使用CCD相机获取显示屏显示的图像,并通过数学形态学和大津法对图像进行去噪和阈值分割处理,确定LED灯点的中心位置,然后结合最小外接矩形与亮度相加法确定灯点的相对亮度值,最后计算出显示屏中各个灯点的三色校正系数矩阵.实验结果证明:该算法能够快速、有效地提高LED显示屏的亮度均匀性,从而改善显示屏的显示质量与延长显示屏的使用寿命.     

一种新的基于区域生长的彩色图像分割算法

为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法.首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法在运算时间以及分割准确性具有明显优势。     

一种基于简化PCNN的色盲检测图分割方法

在色盲检测图及脉冲耦合神经网络(pulse-coupled neural networks,简称PCNN)的基础上,提出一种基于简化PCNN模型的色盲检测图分割方法,该方法首先根据欧式距离计算彩色图像色差,通过设定一个合适的阈值,将与红色相似的颜色替换成白色,初步分离图像中的目标与背景,对预处理后的色盲检测图像,用典型的PCNN简化模型对其红色分量进行分割,最后用形态学闭运算优化得到最终的分割结果.实验结果表明,该方法能准确分割出色盲图像中的图形,且简单有效.     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

基于小波域灰度拉伸的Ostu图像分割

针对Ostu分割方法简单有效但不适用于没有明显双峰直方图图像分割的问题,提出了一种基于小波域灰度拉伸的Ostu图像分割方法,结合小波变换和最大类间方差分割的原理对图像进行灰度拉伸和边缘信息增强后再利用Ostu方法进行分割.实验结果表明,新的分割方法在没有明显增加计算复杂度的情况下增大了Ostu方法的普适度,保留了更丰富的细节成分,提高了分割精度.     

基于HSI和LAB颜色空间的彩色图像分割

彩色图像分割一直是彩色图像处理与分析中最为困难的不可缺少的步骤,针对图像分割质量直接在很大程度上影响了图像后期分析的效果,提出了一种基于HSI和LAB颜色空间的彩色图像分割方法.该方法在HSI颜色空间用最优阈值方法进行阈值分割,在LAB颜色空间采用基于K均值聚类图像分割,然后将两次分割结果进行区域合并,最后进行加窗滤波...     

基于轮廓检测的自然图像分割

提出一种基于轮廓检测的自然图像分割方法,该方法结合了MDL(最小描述长度)统计技术和用变分水平集函数求解活动轮廓模型的图像分割方法.该方法可有效的分割出图像中最突出的感兴趣目标,实验表明本方法与当前技术相比分割效果更好.     

基于区域的自动种子区域生长法的彩色图像分割算法

提出了一种基于区域的自动种子区域生长法进行彩色图像分割的算法.该方法首先应用分水岭算法对图像进行初始化分割,形成过分割效果.然后从分水岭算法形成的区域出发,根据一定的规则自动选出一些区域作为种子区域,进行种子区域生长.与传统的种子区域生长法(SRG)以图像中的像素点作为种子进行生长的方法不同,本方法以区域作为种子并以区域作为生长单位进行区域生长.实验结果表明,该算法能够产生较好的分割效果及较快的分割速度.     

基于肤色分割和AdaBoost算法的人脸检测

针对复杂背景和可变光照下的静态彩色图像人脸检测,提出了一种基于肤色分割和AdaBoost算法的人脸检测方法。首先把彩色图像转换到YCbCr空间。接着应用自适应光线补偿算法对图像进行光线补偿。再结合形态学、几何约束等方法排除背景干扰、进行肤色区域分割。其次应用改进的AdaBoost算法对分割出的区域进行验证,进而精确定位人脸。实验表明:该方法检测率高、适应性好、鲁棒性强,对人脸检测有较强实用性。     

基于深度学习和水平集的彩色图像分割方法

图像分割作为图像的分析与理解的基础环节,受到了诸多学者的广泛关注。本文结合了基于全卷积神经网络的语义分割技术与基于水平集方法的图像分割技术,使用DeepLab V2与 Distance Regularized Level Set Evolution(DRLSE)模型对一般的彩色图像进行分割。此外,本文还在 DRLSE 模型中加入了一个新的形状能量项,提高了零水平集的演化速度。数值实验结果验证了本文方法的有效性。     

基于CNN的彩色图像边缘提取方法

根据人眼对R、G和B的敏感特性,提出一种基于视觉感知的矢量角度彩色空间距离度量方法,较传统方法补偿了RGB颜色空间的不均匀性,有效提高了RGB颜色空间内色差度量的精确程度.对基于细胞神经网络(Cellular Neural Network,CNN)进行的彩色图像边缘提取进行理论分析,确定与其功能相适应的最佳模板参数.实验结果表明:该算法不仅实现了彩色图像的边缘提取,同时提取效果更全面,更符合人眼的视觉效果,具有较强的鲁棒性.