基于改进熵率超像素和区域合并的岩屑图像分割

岩屑颗粒的分割与提取在地质分析、矿物处理中起着关键的作用,是岩性识别和分析的基础。针对岩屑颗粒图像纹理、阴影、形状、边缘特征复杂的特点,本文提出一种改进熵率超像素分割和区域合并后续处理方法。熵率超像素算法提出具有紧凑性、区域一致性约束的目标函数,考虑岩屑颗粒的形状,对此目标函数加入基于镜面对称系数的几何对称性约束条件,用此目标函数对岩屑颗粒聚类超像素分割,使岩屑颗粒图像分割边缘定位更加准确。针对超像素过分割严重的特征,提出基于和差直方图的最大相似度合并算法,降低岩屑图像过分割率。实验结果表明,此算法用于岩屑的分割,比其他算法取得较好的分割结果。

基于熵率超像素和区域合并的岩屑颗粒图像分割

针对岩屑颗粒密集和颗粒表面纹理复杂的特点,提出一种基于熵率超像素分割和区域合并的分割方法。熵率超像素分割将图像分为一系列紧凑的、具有区域一致性的区域,不仅边缘定位准确且降低图像计算的复杂度;针对存在的过分割情况,提出一种结合颜色直方图和形状信息的合并准则,进行基于RAG结构的快速区域合并,得到最后分割结果。实验结果表明,将该方法用于岩屑颗粒图像分割,能够取得较好的实验效果。

一种融合光谱差异的空间约束模糊聚类的熵率超像素分割方法

针对高分辨率遥感影像中传统超像素分割方法存在过分割和边缘分割一致性的问题,选取五景高分辨率遥感影像,提出了一种融合光谱差异的空间约束模糊聚类的熵率超像素分割方法。首先,采用熵率超像素进行过分割,生成超像素过分割区域;然后,分析影像地物的空间信息,对比区域相似性;最后,采用空间约束模糊聚类和光谱差异进行区域合并,获取最终分割影像。定性和定量分析结果表明,该方法改善了过分割问题,能有效提高分割精度,使得分割影像的地物边缘一致性较优。

融合空谱特征的MR-KRVFL高光谱地物识别模型研究

针对高光谱图像复杂空谱特性影响地物识别模型分类精度的问题,提出一种融合空谱特征的流形正则化核随机向量函数连接网络(MR-KRVFL)高光谱图像地物识别方法。首先,对高光谱图像进行熵率超像素分割(ERS),获取对应的同质区域;其次,利用主元分析(PCA)对同质区域进行降维并提取其空谱联合特征;最后,基于空谱特征信息,构造核随机向量函数连接网络(KRVFL)地物识别模型,并对模型进行流形正则化约束,提高高光谱图像地物识别模型的泛化性能。将该模型应用于Indian Pines和Pavia University高光谱数据集,分类精度达到了96.84%和98.83%,证明所提模型的有效性。

植物根系X射线CT图像序列分割方法研究

为解决土层CT图像边界模糊以及由于CT成像过程中的射束不均匀造成的灰度不一致等问题带来的分割技术难点,本文基于土层序列在三维空间上的连续性和规律性,针对植物根系CT序列分割与表征,研究了基于熵率超像素分割的随机游走算法。该方法通过熵率超像素分割方法将分割目标进行标记,再根据图像序列的结构连续性提出了自动获取分割种子点的方法,将获取的有效标记点作为随机游走算法的种子点对图像进行分割。实验结果表明,该算法解决了逐层搜索种子点的问题,可以较为准确地分割出复杂图像序列的目标区域,提高了算法效率。