基于颜色特征的图像检索技术

在基于内容的图像检索(CBIR)中,颜色特征作为图像的一种重要视觉信息,由于计算简单,鲁棒性强,已经得到了广泛的应用。从图像的颜色特征出发,针对颜色空间(颜色空间的转换)、颜色的量化(HSV颜色空间)、颜色特征提取及表示和颜色特征的相似性度量做了系统讨论和研究。接着通过经典的分块颜色直方图算法来介绍基于颜色特征的图像检索全过程。最后总结了基于颜色特征的图像检索研究存在的问题以及进一步的研究方向。

基于Mean Shift随机游走图像分割算法

针对传统随机游走算法分割目标轮廓易受自然纹理背景干扰,并且算法运行效率低的问题,提出一种基于Mean Shift随机游走图像分割算法.首先应用Mean Shift算法对图像进行预分割,将图像分成许多同质区域,再将其代替经典随机游走算法中节点来建立对应的无向图;将彩色直方图作为区域描述算子,采用欧氏距离与高斯权函数相结合来建立区域间相似性权函数;最后应用离散电势理论计算图中节点间电势值,并根据节点电势值的大小对预分割得到的同质区域进行分类,以实现图像分割.实验结果表明,与传统方法相比,该算法在分割精度和运行效率上都有很大提高.

一种结合像素空间信息和多维直方图的彩色图像快速分割算法

本文提出了一种新的结合空间和彩色信息的彩色图像快速分割方法.首先对三个单色的直方图进行多阈值分割得到一组谷值和峰值,再用谷值向量将真彩色三维直方图分割成不同区域,然后以峰值组成种子向量实现三维直方图的多阈值分割,最后基于空间相邻关系的最优准则对分割的区域不连续性和"洞"重新分割,提高了过渡区域像素的分割精度.

基于颜色分割与GA-SVM的花生表皮破损识别

传统农作物色选方法以设定颜色阈值为主,具有分类准确率较低、泛化能力较差等缺点,本研究提出基于颜色分割的预处理与遗传算法优化支持向量机参数的花生表皮破损识别算法。根据花生表皮的破损情况将花生分为完好花生及表皮破损花生2类,在不同光照条件下构建了含有多个品种的花生图像数据集。对花生图像提取方向梯度直方图特征,利用支持向量机对花生图像进行分类。为提高分类准确率,在RGB颜色空间基于支持向量机对彩色花生图像进行颜色分割预处理;同时采用软间隔非线性支持向量机模型,并基于遗传算法对模型参数进行寻优。综合优化后的算法在训练集上对花生图像分类时的准确率达到96.88%,在测试集上的准确率达到100%,测试时平均每张花生图像耗时5.6 ms。仿真测试结果表明本文构建的花生表皮破损识别算法对花生品种及光照变化等干扰有较好的鲁棒性,且算法不依赖于人的经验,泛化能力强,具有良好的应用前景。

服装检索中分块加权颜色直方图方法的改进

分块加权颜色直方图算法应用于服装检索时效果并不理想。针对存在的问题,对传统算法进行改进。首先采用3×3不均匀分块方式,通过大量实验获取了最佳分块大小和加权权重比。其次,结合Grabcut图像分割算法,提出了一种基于Grabcut图像分割的前景色分块加权颜色直方图算法。对纯色、带少量图案和花色这三类服装,分简单和复杂背景两种情况,分别进行实验。实验结果表明,相比两种传统算法,改进算法很好的解决了服装背景色干扰的问题。对于三类服装的检索,改进算法的查准率和查全率均比另两种传统算法有了显著提高。尤其是对于复杂背景的情况,改进算法的优势更加明显。

融合色调统计特征的自适应区域增长算法

针对区域增长算法种子点选取及生长条件对分割效果影响大,但难以有效、准确确定的缺点,提出了一种融合色调、色调频度及其曲率的自适应区域增长算法(HARG)。通过曲率求取分割对象的色调频度曲线峰值,以峰值为中心进行加窗累加,当和值满足门限时,峰值作为区域增长的种子点,门限作为区域增长的生长条件。将算法应用于显微镜细胞图像的单个细胞内部分割,实验结果表明,HARG算法自适应确定了种子点及生长条件,能够实现多区域分割,分割精度得到改善。

融合加窗色调直方图的彩色图像FCM分割算法

针对传统FCM算法计算量大、对噪声敏感的缺点,提出了一种融合加窗色调直方图的快速FCM算法(MHFCM)。对彩色图像的色调直方图加窗得到背景色调,对去除背景信息后的有效信息进行FCM聚类分割。实验结果表明,MHFCM算法提高了图像的分割速度,并且克服了图像中背景噪声对分割效果的影响,使分割更加准确。

基于改进K-means的彩色图像分割算法

针对基于K-means算法的图像分割方法对初始参数敏感和分割效果不理想的缺陷,提出基于改进K-means的彩色图像分割算法。构建图像的HSI颜色空间直方图,通过扫描直方图自适应获得分类数K和初始中心点,作为K-means算法的初始参数;提出提取图像像素点的LDP纹理特征,与颜色、空间坐标特征共同构成多维特征向量,以此计算像素间的相似度并进行分割。实验结果表明,该算法可自适应得到更准确的初始参数,在使分割效果更接近基准分割结果的同时保持了较低的时间复杂度。

结合爬山法的模糊C均值彩色图像分割方法

采用传统的模糊C均值聚类(FCM)算法进行彩色图像分割存在聚类数的选取、初始聚类中心的确定、迭代过程中的大计算量及后处理等问题。在对上述问题进行研究的基础上,针对传统FCM聚类分割时初始值选取方法的盲目性和随机性,为了更准确地自动获取待分割图像聚类的初始参数,提出了一种结合爬山法的模糊C均值彩色图像分割方法(HFCM),该方法可根据待分割图像的三维颜色直方图自适应地获取FCM算法的初始聚类中心及聚类数目,同时提出一种最频滤波与区域合并相结合的新的后处理策略,有效消除了小的空间区域。实验表明,相对于传统FCM,该图像分割方法的速度较快,并且分割结果更接近人类分割效果。

电力主变压器油位在线检测

针对传统变压器油位图像检测误差高和效率低的缺点,提出一种变压器油位在线检测.采用双边滤波器对变压器油位实时视频图像进行去噪预处理,有效滤除图像噪声,保留图像边缘信息;采用参数校正直方图均衡化算法增强图像信息,既能加强视觉效果,又可以满足计算效率;采用颜色空间分割算法提取有油区域目标特征,通过计算油位比值实时分析变压器油位变化趋势;开发变压器油位在线检测软件平台,实时检测分析变压器油位变化.结果表明:所提方法的油位增强图像误差达到像素级,且具有实时计算效率.

一种改进Grabcut算法的彩色图像分割方法

针对传统Grabcut分割方法难以很好处理图像阴影部分及分割时间过长的问题,提出结合K-means聚类算法与Grabcut函数的方法改善以上问题。该方法通过直方图均衡化实现图像增强,然后利用K-means算法以二分类的形式对像素进行聚类,利用形态学处理填充孔洞,自动获取目标物体轮廓后,结合Grabcut算法实现图像二次分割,最后利用颜色判定改善图像阴影部分。实验结果表明,该方法可实现图像自动分割、节省大量时间,而且对阴影部分图像处理有明显改善,具有较高的准确性和高效性。

彩色扫描地形图的分色方法

本文提出了一种新的地形图分色方法。首先去除背景像素,然后根据灰度梯度值提取主色像素,利用直方图模糊c-均值(FCM)聚类方法对主色像素进行颜色聚类,对去背景后的图像进行Canny算子的边缘检测。最后,利用加壳变换和障碍距离变换工具对符号周围的过渡像素进行聚类,从而实现黑棕兰绿四个分版图的提取。该方法效率较高,受图纸扫描质量的影响不大,分色效果较理想。