基于色彩空间变换的彩色图像分割方法

彩色图像是当今数字图像的主要表现形式之一,彩色图像分割是图像处理的热点与难点问题之一。针对彩色图像分割的精度与速度问题,提出了一种基于色彩空间变换的彩色图像分割方法。该色彩空间重在突出图像三分量间的差异,从而充分利用彩色信息。同时,分割方法以向量化图像为对象,从背景去除的思想出发,采用分裂Bregman快速求解算法,从而达到高效分割的目的。数值实验表明,该方法能有效分割出图像的所有目标区域,分割区域较为完整,结果具有较高的精度。

基于交叉视觉皮质模型的彩色图像自动分割方法

通过对传统彩色图像分割方法的分析,结合最新的交叉视觉皮质模型,给出了一种新的彩色图像自动分割算法。将图像转换到HSV色彩空间,并利用判决机制选择熵最大的分量进行分割,与传统的对H,S,V分别进行处理并将处理结果合并作为分割结果的方法相比,传统HSV方法耗时7.533s,该算法整个处理过程耗时2.57s,约为传统HSV方法耗时的三分之一,大大提高了处理的速度;将最大类间交叉熵判决机制引入到交叉视觉皮质模型中,从而实现图像自动分割,避免了人为干预,提高了分割的准确性。将该方法与基于最大香农熵的分割方法进行了比较,仿真结果表明,该算法对于彩色图像自动分割具有良好的性能。

融合改进分水岭和区域生长的彩色图像分割方法

彩色图像分割结果的好坏直接影响对图像的理解。针对分水岭分割存在过分割现象,以及以像素为种子的区域生长速度慢的现象,基于LUV色彩空间模型,提出了融合分水岭和区域生长的方法,对彩色图像进行分割。实验表明,该方法分割效果好、速度快。

基于多FART神经网络的彩色图像分割

提出了一种适用于彩色图像分割技术的多模糊自适应谐振(FART)神经网络结构。网络的输入为RGB色彩空间的彩色图像,并将其转换为HSV色彩空间的三组彩色分量-色调,亮度和饱和度,而后利用多FART神经网络的分类能力,将三组分量进行分类的图像输入到决策层,经过融合和分割处理后,最终得到正确的彩色分割图像。与彩色分水岭算法相比,采用上述图像分割算法得到了较好的分割效果。

基于HSV色彩空间的图像分割

为了辨识和分析目标,需要将这些有关区域分离出来,在此基础上才有可能对目标进一步处理。本文提出了一种利用HSV色彩空间的图像分割方法,根据HSV色彩空间的颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿地植被信息进行提取得到分割结果。实验表明该方法具有很强的鲁棒性。

改进的分层马尔可夫随机场彩色图像分割算法

针对传统的分层马尔可夫随机场(MRF)算法难以描述彩色图像像素值分布等问题,提出一种基于RGB色彩统计分布的分层MRF分割算法。在分层MRF模型的基础上,设定了相关参数并对分割过程进行了公式推导;结合RGB色彩统计分布模型,重写了分层MRF能量函数,利用k-means算法作为预分割算法,实现了算法的无监督分割。相比传统的分层MRF分割模型,该算法充分利用了彩色图像的像素值的信息,可有效地减少颜色分布参数和计算成本,能更准确地描述各分割对象的颜色分布;且该算法不受目标和背景颜色区间分布、目标空间分布的限制,能够很好地描述不同目标和背景。通过大量实验验证了算法的有效性,其在运算速度、分割精度等方面均优于传统MRF算法和模糊C均值(FCM)算法。

数字仪表彩色图像分割方法

针对石英晶体振荡器在计量检定中对数字仪表高精度识别的要求,通过对多种图像分割技术的比较研究,提出一种在HSV颜色空间进行彩色图像分割的方法,首先将图像从RGB颜色空间转换到HSV颜色空间并进行色彩预处理,然后根据选定的参考颜色计算各像素色差,得到色差直方图,通过色差直方图确定色差阈值,最后通过色差阈值对彩色图像进行分割。该方法对一些老化的数码管比较有效,对面板存在部分反光的仪器有较好的拟制作用,在实际应用中取得了满意的彩色图像分割效果。

基于彩色图像分割的带网格底纹文档笔迹提取方法

本文介绍了一种基于彩色图像分割的带网格底纹文档笔迹提取方法,该方法充分利用图像的亮度信息、色彩信息,以及对象的几何空间分布特征进行图像分割。本文首先对要解决的问题背景进行描述与分析,然后讲解本文方法的主要步骤,接下来介绍二值图像空间分布离散度计算方法,以及基于HSV色彩空间3D密度图进行k-means初始中心点选择方法,然后通过对比实验,以及数据的可视化证明本文方法的有效性,最后对本文方法的创新性与不足之处进行了总结。

基于彩色空间的二维OSTU的图像分割算法

图像分割的研究一直是图像处理研究的热点问题,尤其是对彩色图像的分割研究更为重要,虽然对彩色图像分割的研究提出很多分割算法,但是很多算法仍存在缺陷,本文针对解决二维OSTU分割算法分割图像时计算复杂和易受噪声干扰的问题,提出将Lab彩色空间应用到二维OSTU算法中,首先将色彩图像从RGB空间转到Lab空间,然后联合利用L通道、a通道、b通道图像信息进行粗分割,最后针对其中某个通道的图像信息进行二维OSTU细分割。通过试验表明,该方法对彩色图像有较好的分割效果。

彩色图像采集分析与应用

◆前言机器视觉已在全世界范围内广泛运用于半导体、电子业、汽车、食品、医药、纺织、交通等各种产业。在中国,随着配套基础建设的完善,技术、资金的积累,各行各业对采用图像和机器视觉技术的工业自动化、智能化需求广泛出现,逐步开始了工业现场的应用,比如,制药行业的药品检测分装、印刷业的印刷色彩检测、PCB板的表面质量检测、LCD屏的质量检测等等。

基于改进K-均值聚类的纸币冠字号图像分割算法

针对传统彩色图像分割方法的局限性,提出了基于HSI色彩空间和改进K-均值聚类的图像分割方法,通过将彩色图像分解成三个相互独立的H、S、I分量,利用各个分量特点及其直方图确定聚类类别和初始聚类中心,在高饱和度区和低饱和度区分别聚类,并将聚类结果合并取交集,从而分割出目标区域。将该方法用于纸币冠字号码图像分割,经仿真验证,结果不受噪声和局部边缘变化的影响,分割效果得到明显提升,为后续冠字号准确识别提供了良好的基础。

LUV色彩空间中多层次化结构Nystrm方法的自适应谱聚类算法

提出一种在LUV空间中基于多层次化结构Nystrm方法的自适应谱聚类算法。首先引入LUV色彩空间,避免了RGB色彩空间中色彩辨别阈对分割的影响,在纹理、边缘区域取得了更好的分割效果;其次将谱聚类算法中基于多层次化结构的方法和基于Nystrm采样的方法结合起来,有效减少了运算时间、解决了数据量较大时计算过程中内存溢出的问题;最后在K均值聚类中通过对特征间隙(eigengap)的分析,自适应地选择K值的大小,解决了自动确定聚类数目的问题。将提出的方法在LUV色彩空间中和RGB色彩空间中分别进行图像分割实验,结果表明在LUV色彩空间中取得效果更加理想。同时也将提出的算法与基于Nystrm方法的谱聚类算法(spectral clustering-Nystrm,SC-N)进行比较。实验结果表明,该算法在数据运算量、运行时间和分割结果上都优于SC-N方法。