Fisher评价准则下的彩色磨粒图像自动分割

本文针对彩色显微磨粒图像特征 ,选择最大类间方差分割法 ,并对其进行推广以应用于彩色图像分割 .在详细分析各种彩色特征的前提下 ,通过选择合适的正交彩色特征量 I1 、I2 和 I3,成功地进行了两类彩色磨粒图像分割和目标提取 .同时 ,本文提出了基于 Fisher评价准则的彩色特征量自动选取技术 ,通过比较 Fisher准则函数的最大值以实现彩色特征量的自动选取 ,避免了人的主观判断和决定 ,最终实现了彩色磨粒图像的自动分割 .

基于模糊聚类分析的彩色磨粒图像目标提取

运用模糊聚类分析的模糊 C-均值算法 (FCM算法 )。针对两类彩色显微磨粒图像 ,选用适当的正交彩色特征 ,实现了对磨粒目标的有效提取。并考虑在一维分割特征向量情况下 ,通过引入直方图统计特性 ,实现了模糊 C-均值算法的快速运算。本文算法为磨粒识别和机械磨损状态监测及故障诊断提供了可靠的前提。最后 ,分割实验表明了本文方法的简洁有效性。

基于背景色彩和PCNN的磨粒图像单通道分割

为有效地从磨粒图像中分离出磨粒区域,根据彩色磨粒图像背景相对单一的特点,提出了一种基于背景色彩和脉冲耦合神经网络(PCNN)的磨粒图像单通道分割方法。首先,利用Otsu算法对磨粒图像进行预分割处理,并计算图像背景色彩的统计特征,以此作为背景的特征色彩矢量;然后,引入综合色距函数,通过计算图像中各像素与背景特征色彩之间的色差,将彩色磨粒图像三通道问题转化成单通道问题;最后,利用简化PCNN对构造的色差矩阵进行分割,从而得到彩色磨粒图像的分割结果。实验结果表明,该方法对含有单个磨粒和多个磨粒的彩色磨粒图像均能进行精确自动分割,是一种比较理想的分割方法。