基于相似系数的颜色纹理特征在图像分割中的应用

如何在保证图像分割算法的鲁棒性与准确性的同时,增加其算法的自适应性是现在的热门问题,提出了一种基于相似系数的约束与局部直方图彩色纹理相结合的图像分割方法。首先,将图片进行颜色量化;然后,针对已量化的数量足够多的颜色代表进行有效地聚类;通过统计其圆形邻域内每个代表颜色的像素数从而得到局部直方图,将圆形邻域构建多尺度的金字塔后,在相应的像素处采用一个适当尺度的局部直方图作为颜色纹理的描述符对图像进行分割;然后,对边界附近的颜色纹理进行了相似系数的约束校正,并针对图片利用颜色纹理描述符号进行聚类方法下的初始分割;最后,为了得到准确且良好的分割结果,在得到具体边界的条件下进行区域融合,目的是将过度分割的区域进行合并。通过在彩色纹理的图像上进行大量实验表明:该方法在PRI与GCE的数据对比中比其他算法更加优秀,从而证明了在保证分割算法的鲁棒性与准确性的同时进一步实现了算法的自适应性。

基于Retinex理论的低照度图像对比度增强算法

低照度图像的对比度增强是图像处理领域中的热点问题,但图像对比度增强的同时难以有效保持图像的纹理及细节,图像的质量得不到保证。为了解决这个问题,将图像分解、亮度转化函数及Retinex理论相结合,提出了一种简化的基于Retinex理论的低照度图像对比度增强算法,可对单张低照度图像进行处理。首先,基于低秩纹理先验的结构-纹理图像分解模型对图像进行分解,提取原始图像的纹理图,再对原始图像进行初始照射图估计、照射图纹理去除、边缘清晰及亮度增强等处理;然后利用增强后的照射图和Retinex理论,得到原始图像的反射图像;最终,将反射图与纹理图相结合得到最终融合图像。实验结果表明,所提出算法的自然统计特性(NIQE)评价值更低,可同时降为1.82和1.89,具有更好的图像质量,较其他方法表现出更好的增强效果,证明了该算法在图像对比度增强的同时保证了图像的纹理以及细节。