基于Grab Cut和二维熵的SAR图像目标分割方法

传统的Grab cut算法需要人工交互操作,无法实现SAR图像的自动分割;且SAR图像的斑点噪声干扰容易降低图像的分割质量。针对以上问题,文中以Grab Cut图像分割算法为基础,首先利用FCM算法对SAR图像进行预分割,根据预分割结果标记SAR图像中的前景与背景集合,得到两组较为准确的GMM初始化参数,迭代求得能量函数的最小化,实现SAR图像前景区域与背景区域的自动分割;并结合二维熵算法滤除SAR图像中的阴影,分割出目标区域。实验表明,利用该方法可自动分割出SAR图像中的目标,且分割质量良好。

基于Grab Cut和八方向链码法的藻类细胞轮廓提取算法

为了解决藻类细胞轮廓提取的困难,提出了一种不同于传统方法的新的边缘提取算法。首先对图像进行Grab Cut处理,然后进行阈值法二值化,接着用八方向链码法轮廓跟踪,最后用傅立叶描述子进行边界平滑。实验结果表明,该算法不仅忽略了藻类细胞内部杂乱的纹理,还较好地保留了细胞边缘信息,精确地提取了外部轮廓。

应用于刹车盘复杂背景去除的改进Grab Cut分割算法

针对无序分拣过程中车间光照不均导致的分割结果不准确问题,提出一种改进的Grab Cut图像分割算法。该算法采用自适应中值滤波去除图像表面噪声;通过限定对比度自适应直方图均衡化提升图像整体亮度,增强对比度;进一步使用Laplacian算子对刹车盘区域进行锐化处理;在此基础上对刹车盘图像复杂背景进行去除;最后通过仿真实验对比分割效果、PSNR、误分割率、分割准确性和运行时间来评价算法模型。实验结果表明:提出的改进Grab Cut分割算法相较于原始算法能有效降低光照不均对刹车盘复杂图像背景去除的影响,使分割准确率提高了12.5%,分割结果与实际刹车盘模型相比误差小,为刹车盘图像复杂背景去除提供参考。

基于Grab Cut和区域生长的服装图像前景提取算法

针对Grab Cut算法应用于服装检索系统中服装图像的前景提取时所存在的交互式和复杂背景提取效果差问题,首先提出了一种全自动化的Grab Cut算法,以实现自动根据背景情况,对单一背景和复杂背景图像分别采用不同的方法生成初始矩形框并进行前景提取.由于该算法仍存在欠分割或过分割现象,故将该算法与区域生长算法相结合,给出了一种结合区域生长的全自动化Grab Cut算法.实验结果表明,无论对于单一背景还是复杂背景的图像,改进算法的前景提取效果都明显优于传统算法,不仅能准确获取服装前景区域,而且对于服装内部的过分割问题也有很大的改善.

肤色检测结合Grab Cut的服装图像前景提取

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取.实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.

基于GrabCut算法和四帧差分法的目标提取算法

提出了一种基于Grab Cut算法和四帧差分法相结合的运动目标检测和提取算法。首先,利用四帧差分法对视频中连续的四帧图像进行二次差分;然后,对差分后的图像分别做水平投影和垂直投影,计算运动目标区域;最后,使用Grab Cut算法分割目标区域得到完整的运动目标。实验结果证明,该方法既能精确和完整地检测出运动目标,又能有效地去除空洞、拉伸等现象。

遥感图像污染监测分析的Grab-Cut算法实现

长期以来,监测天津市附近渤海湾的污染状况,数据获取均依靠人力租船进行,此方法耗时费力。文中主要利用美国卫星遥感图像,借助改进的Grab-Cut图像分割算法分析天津市附近渤海湾的污染情况变化,结果表明近3年海洋污染状况严重,但天津市附近3个重要的排污口的排污情况近1年已得到明显的改善。此外,文中将改进的Grab-Cut算法与其它一些常见的图像分割算法的分割效果进行比对,结果显示改进的Grab-Cut算法在很少的用户标记下能够很快分割出目标区域,是分割效果最好的方法之一。

基于热红外成像技术的油菜菌核病早期检测研究

将热红外成像技术和低空遥感技术相结合,基于冠层和叶片两个尺度对菌核病侵染油菜的过程进行检测研究。从冠层尺度分析,首先获取整株样本的温度值(平均温度与最大温差),并采集其生理指数(气孔导度、 CO_2浓度、蒸腾速率及光合速率)。然后,将染病样本与健康样本的温度值进行判别分析,并对其进行单因素方差分析。从结果可知,平均温度和最大温差值都可以对染病样本与健康样本进行区分,且最大温差相较平均温度结果较明显。同时单因素方差分析也显示,最大温差三次检测中均存在显著性差异。对获取的生理指数进行分析,发现染病样本与健康样本之间可以通过生理指数进行明显区分。另外,将生理指数与叶片温度进行相关性分析,结果表明二氧化碳浓度与叶片温度之间的三次检测均存在显著性差异。基于叶片尺度,首先从单一叶片来看健康区域和染病区域的温度差异,可以明显区分出染病区域和健康区域的温度差异。然后,提取健康区域与染病区域的的温度值(最大温度、最小温度、平均温度以及最大温差)对进行对比分析,并对其进行单因素方差分析。结果表明,以上四个温度指标均可以区分叶片的染病区域和健康区域。但根据单因素方差分析结果可知,与冠层尺度相同,最大温差三次检测中均存在显著性差异,可以实现对油菜菌核病的早期识别。

基于视觉显著性的场景目标识别

场景目标识别是场景理解的重要内容之一,提出一种新颖的基于视觉显著性的场景目标识别方法。该方法受生物视觉认知机理的启发,利用视觉显著机制来凸显场景中的感兴趣区域。首先利用GBVS模型对图像数据进行高效筛选,获得特定感兴趣的显著性区域。然后基于图分割理论(Graph Cuts Theory)的Grab Cut算法被用于提取图像中的显著性目标。最后运用SURF特征描述目标对象,通过SURF特征的学习产生目标物体的Bo VW视觉词包,运用视觉词包的SVM分类匹配实现目标对象的图像特征与语义描述之间的知识映射。麻省理工学院LabelMe图像库的实验测试结果表明所述方法具有较高的识别率。

基于图割算法的木材表面缺陷图像分割

木材表面缺陷分割的研究能够有效提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。为了更好地对板材表面的节子和虫眼进行快速有效地分割,论述了基于图割算法的图像分割方法(Graph Cuts)及其改进方法(Grab Cuts)的原理。针对传统Graph Cuts算法只能针对灰度图像进行分割、运行时参数的选择比较复杂,并且存在该算法效率和精度较低的缺陷,采用这两种方法分别对3种木材表面缺陷活节、虫眼和死节图像进行分割实验。为了验证Grab Cuts方法的适用性,用含有多个缺陷目标的木质板材图像做了图像分割验证。结果表明:缺陷图像的目标和背景的种子点选取直接影响Graph Cuts算法的分割结果,Graph Cuts算法的计算效率较低,分割时间较长,对相邻像素间的区分度较差,分割结果不理想。改进后的Grab Cut算法是迭代的Graph Cuts,该方法虽然在图像分割前也需要人工画定初始化矩形框,但操作相对简单,分割结果能够得到完整的闭合缺陷区域边界,且不受木材表面缺陷的类型、数量、尺寸和缺陷形状的影响,分割效果好,分割速度快,抗噪性强,对灰度图像和彩色图像都可使用。

宫颈细胞核质自动分离算法研究

宫颈细胞核质分离在宫颈细胞形态学研究中是十分重要且具有挑战性的环节。论文提出了一种基于Grab Cut算法结合Canny算子边缘检测高效分离宫颈细胞核与细胞质的方法。对获取宫颈细胞图像进行灰度变化预处理求得灰度直方图,根据直方图求解确定Canny算子双阈值,进而获取宫颈细胞核和细胞质的轮廓;根据获取的轮廓利用改进的Grab Cut算法进行核质分离,并且针对Grab Cut算法进行相应改进,使其高斯混合模型的参数的确定效率提升。实验结果表明,该算法不仅有较好的分割效果而且分割准确率与效率也很高。

基于图像分割算法的篮球对象提取方法

本文提出了一种基于图像分割算法的篮球对象提取方法。针对篮球视频中篮球对象唯一性的特点,对视频图像进行混合高斯建模,采用Grab Cut算法对篮球对象进行分割,实现对篮球前景的提取。仿真实验结果表明对篮球视频中篮球对象分割提取具有良好的效果,且该方法具有交互操作少,分割精确度高的优点,能够推广到彩色图像领域。

在线学习机制下的Snake轮廓跟踪

针对复杂环境下非刚体目标轮廓跟踪存在跟踪失败的问题,提出一种基于在线学习的Snake模型及其轮廓跟踪算法。利用跟踪-学习-检测(TLD)机制实现目标快速跟踪,通过跟踪结果在线更新Snake模型约束,进而提高目标轮廓跟踪的准确性。初始化阶段,在Grab Cut算法的基础上,将待跟踪目标分成若干个子块,并在后续跟踪过程中,利用TLD实现各子目标的定位跟踪,形成目标的轮廓置信图。同时针对各子目标提取特征,产生正负样本,更新各子目标跟踪模型。应用置信图建立参数化Snake模型的约束条件,进而得到目标轮廓。实验结果表明,该算法能适应光暗变化与较为复杂坏境下的跟踪,并获得精确的轮廓。