融合mean shift和区域显著性的彩色图像分割算法

提出了一种无监督的提取图像中显著区域的彩色图像分割算法。首先,运用meanshift算法对图像进行分割,得到初始的分割结果;然后,根据给出的区域显著性的定义和区域合并策略,对初始分割结果进行合并,得到最终的分割结果。仿真结果表明,对于大多数测试图像,该算法都能获得很好的分割结果,并且具有较高的运行效率。

改进的Mean-Shift遥感影像分割方法

基于高斯核Mean-Shift(MS)算法因收敛速度慢难以满足遥感图像处理的实时应用要求,提出一种改进的MS算法应用于遥感图像分割。针对传统MS算法需多次人工试用来确定固定带宽的问题,给出几种类型遥感影像的空间带宽参考值,且不同波段影像用plug-in规则分别计算值域带宽。针对遥感影像数据量大、MS迭代计算时间长的不足,使用一些加速策略来加速收敛;由于采用MS算法检测出的模点数较多,采用基于全局模点融合来稳定遥感影像分割结果;可用于分割遥感影像的特征很多,模点检测时用灰度特征,全局模点融合时用纹理特征,这样充分利用了遥感影像多维特征且不降低计算速度。采用Quickbird影像进行分割试验,研究结果表明:本文算法自适应程度高,速度和精度也能满足应用要求,是一种稳健的自动分割方法。

基于Mean Shift图像分割和支持向量机判决的候梯人数视觉检测系统

根据电梯群控系统的需求,提出了一种基于视觉检测技术获得候梯人数的新方法。考虑候梯人数检测系统的监测目标为候梯人群,而候梯人群的心理、建筑风格,摄像机的安装角度、复杂背景等因素均会影响到待识别模式的提取,故作者提出了以人体头部作为模式进行模式识别来检测候梯乘客的数量。该方法以Mean Shift图像分割算法和支持向量机(SVM)决策分类器为核心,考虑候梯人群图像采集角度、拍摄镜头的特殊性等对候梯人群头部进行精确识别,较为快速地得到了准确的识别结果。实验证明,该方法处理图像速度可保持在每幅图片2s以内,准确率超过80%,满足了电梯群控系统的需求。由于能够使电梯群控系统获得稳定可靠的输入参数,从而提高了电梯群的运送效率。

基于Mean Shift方法的视频车辆检测与分割

提出了一种基于Mean Shift方法的视频车辆检测和分割方法.首先将交通场景图像与路面区域所对应的二值掩模图像进行“与”运算以排除无关背景干扰,并对所得的结果图像用Mean Shift聚类方法进行分割以得到原始的分割图像.然后根据区域的面积、分布以及颜色的均匀性和相似性等特征有效过滤出路面区域.进一步基于颜色的不相似度量,将路面区域置“黑”,所有其他区域置“白”,对路面区域图像进行二值化.最后通过特定的后处理过程可把路面区域中所存在的动、静态车辆检测出来.

动态成像条件下基于SURF和Mean shift的运动目标高精度检测

针对动态成像条件下运动目标检测的难点问题,提出了一种将SURF特征和Mean shift图像分割相结合的高精度运动目标检测方法.首先利用SURF特征进行图像配准,以补偿背景图像的运动漂移;然后利用差分求积二值化和形态学滤波方法检测出运动目标区域;最后结合Mean shift图像分割方法实现运动目标的精确检测.通过一系列实拍视频的运动目标检测实验验证了此算法的有效性和可行性.实验结果表明,此方法能精确检测出动态成像条件下所形成的动态背景中的运动目标,而且具有良好的鲁棒性和抗噪能力,对于光照条件和亮度变化等不利因素也有较强的适应能力.

利用视觉显著性与图割的图像分割算法

图割算法是图像分割中经典有效的算法,针对其在前景/背景颜色有重叠时容易产生分割错误、shrinkingbias现象及交互实时性不佳的问题,提出一种利用视觉显著性与图割的交互式图像分割算法.首先利用Mean Shift算法将原始图像高效地预分割为基于区域的图结构,使得计算量大大下降;然后结合图像内容的显著性分析提高数据项约束的可靠性,并结合局部自适应的正则化参数,有效地改善了shrinking bias现象.实验结果表明,该算法交互快速,分割结果更加精确.

基于均值漂移的自适应纹理图像分割方法

提出了一种基于小波多尺度分析和均值漂移的无监督纹理分割方法.该方法利用均值漂移聚类实现基于小波特征的完全无监督自适应多尺度分割,既不需要进行训练也不需要分割类别数等先验知识.该方法根据一定的策略在尺度间进行信息传递,自适应地为图像不同区域确定合适的分割尺度,即纹理内部区域使用粗尺度特征而不同纹理间的交界处使用较细尺度特征,这样就在保证区域一致性的同时更准确地定位图像边缘.对比实验结果表明,该方法在合成纹理和真实纹理图像中都有较好的性能,其多尺度的分割过程类似于人类视觉系统感知,并且较之有监督的传统分割方法也更具优势.

基于视觉显著性的非监督图像分割

交互式的图像分割算法需要用户输入先验信息,从而增加了算法的时间复杂度和用户的负担。提出了基于视觉显著性的非监督图像分割算法。该算法首先通过均值漂移算法先对图像进行预处理,将图像过分割成互不重叠的小区域。这些区域采用区域邻接图表示,当两个区域相邻时对应的节点之间存在边。其次,通过计算各个区域的颜色相异性和纹理一致性,得到相邻区域之间的合并概率。再次,根据区域的颜色和空间位置信息,定义每一个区域的显著性指标,选择最大显著性指标对应的区域作为目标种子区域,图像边缘区域中显著性指标最小的区域作为背景种子区域。最后,基于最大相似性合并策略,对与种子区域相邻的且合并概率最大的区域进行合并。实验表明,所提算法不需要先验信息,且可以得到较好的分割效果;与非监督图像分割算法相比,所提算法可以避免过分割。

基于显著性检测的声呐图像快速降噪研究

声呐图像在获取过程中易受噪声污染,而降噪性能好的算法通常时间复杂度较高。鉴于人类视觉注意机制,将基于流形排序(MR)的显著性检测方法引入声呐图像处理,将图像自动分割为显著区域和非显著区域两部分。对于占比小的显著区域采用三维块匹配(BM3D)算法降噪以保护图像主要信息,对非显著背景区域采用执行效率较高的均值滤波(MF)算法。将所提算法同经典MF,BM3D算法进行主观和客观评价指标对比,结果表明,所提算法在提高图像视觉效果的同时,执行时间较BM3D算法大为减少,可以满足水下航行器实时作业的应用需求。

一种基于中性集和均值漂移的彩色遥感图像非监督建筑物提取方法

建筑物的纹理和光谱信息的多样性一直是自动化识别的瓶颈。针对此问题,提出了一种彩色遥感图像建筑物提取方法,该算法结合中性集和均值漂移,对转换到中性集空间的影像进行均值漂移分割,生成以影像中主要地物类型为核心的光谱类别图像,提取建筑物。通过中性集空间的增强及分割,克服了传统均值漂移分割稳定性低、光谱不连续及信息混杂的缺陷,避免了地物识别前提取连通区等操作。实验证明,提出的算法可以简捷、完整、准确、稳定地提取建筑物,满足高分辨率遥感影像建筑物的提取要求。

基于感兴趣区域的运动人体跟踪

为改善人体在跟踪过程中部分遮挡情况下的表现,提出了一种具有鲁棒性的联合跟踪方法.先利用显著图算法从人体区域中获取基于特征的感兴趣区域(ROI),然后用所提出方法对其进行跟踪.跟踪方法结合了差值平方和准则与基于颜色的均值漂移两种跟踪器的优点,使用卡尔曼滤波器进行状态估计,同时将由显著图算法产生的联合显著点作为局部多区域代替全局区域对人体感兴趣区域进行跟踪.试验结果表明,所提出的跟踪方法在人体部分被遮挡情况下的表现有了明显的改善,适合实时跟踪运动人体,具有很好的鲁棒性.

一种改进的均值偏移算法及其应用

针对道路分割中遇到的问题,对均值偏移算法进行了改进,给出了它在道路分割中的应用。改进的均值偏移算法对原始图像进行了特征空间变换。整个道路分割算法融合了改进的均值偏移算法、相邻帧之间的场景变化信息和车体运动信息。该方法克服了在道路有分叉及道路边界方向特殊时由于建立简化的道路模型而带来的问题。与用未改进的均值偏移算法及其它分割方法得到的分割结果相比,该方法得到的道路边界准确,可靠性高,划分出了车辆能安全通行的路面部分。

基于SLIC超像素分割显著区域检测方法的研究

近年来,图像显著性区域检测已经成为图像处理与分析的热点领域,RC方法是这一领域较为出色的算法之一,然而该方法存在预分割方法不精细、区域显著值分配误差较大等缺陷。为了解决上述缺陷以获得更好的显著图,文中提出了一种基于SLIC超像素分割的显著区域探测方法。该方法首先利用Mean Shift方法对输入图像进行平滑,接着利用SLIC超像素分割方法对平滑图像进行分割,然后通过改进RC方法并引入CA方法中的上下文信息特征对分割区域进行融合,最后通过区域显著值分配得到最终的显著图。实验结果表明,对比RC方法,文中所取得的显著图效果在边缘信息以及背景处理方面都有着明显的提高。在正确率和召回率2个指标上也明显优于RC方法。

一种基于视觉特性的遥感图像分割

SAR图像存在乘性相干斑的影响,传统的图像分割方法不能很好保持图像的结构信息.文章研究了基于视觉特性的组合分割方法,该方法通过塔型方向滤波器组进行去噪,发展了各向异性的核期望转移滤波器,核的形状、尺度和方向都能自适应图像的局部结构,最后结合边缘检测对图像分割进行修正.分析和实验表明该方法对SAR图像是有效的.

一种视觉显著性引导的模糊聚类图像分割方法

传统的模糊C均值聚类算法利用图像的灰度、颜色、纹理、强度等底层特征进行聚类,实现图像的分割,它容易受到噪声的影响,且计算量大,不能提供理想的彩色图像分割结果。针对这些问题,提出一种视觉显著性引导的模糊聚类图像分割方法。首先使用显著性检测对图像进行初始化分割,得到带有区域级标注信息的引导图,然后将引导图作为指导信息,引导模糊聚类算法对图像进行细分割。在公共数据集上的实验结果表明,本文方法与其他改进的FCM算法和深度网络分割模型相比,可以取得较好的分割效果,有效减少了分割时间。

基于显著性密度修正的均值漂移分割算法

针对固定空间和色彩带宽的均值漂移分割算法无法解决的错分割问题,提出一种基于显著性特征进行密度修正的均值漂移分割算法。首先基于密度估计的主颜色量化结果计算区域视觉显著性;其次,将区域视觉显著性融合像素级显著性作为色彩特征空间聚类的密度修正因子,将密度修正后的融合图像作为输入执行均值漂移分割;最后进行小区域合并获得最终分割结果。实验结果显示,所提分割算法在四种尺度上的真实边界准确率和召回率平均值达到0.64和0.78,与其他方法相比,分割精度有显著的提高;同时,在视觉上有效提高了目标完整性,增强了自然图像中目标分割的鲁棒性。

结合均值偏移和多特征的自动人头识别

为提高固定单目垂直摄像方式下人头目标识别的正确率,提出一种新的头部目标区域获取方法。首先给出基于Mean-shift的人头目标分割算法,由于综合考虑了像素点在空间信息和色彩信息的联系,能够较为完整地分割出人头部目标候选区域。在此基础上,基于运动人头区域的轮廓具有近似圆形以及人头发色具有聚类性2个关键特征,提出并建立了基于发色信息的头部区域评价模型和基于连通域边缘轮廓的头部目标评价模型来实现人头部目标区域的识别。实验结果表明,提出的算法能有效抑制光照的影响和消除与发色分布类似的伪目标,静态图像检测正确率约为89.4%。

瓶装食用油异物检测算法

现有的基于旋转-急停平台上序列图像分析的瓶装液体异物检测方法不适用于食用油生产线。文章提出一种基于单帧图像的瓶装食用油异物检测算法。首先利用均值漂移算法实现食用油的彩色图像分割,提取油体兴趣域;其次,利用积分图像快速估计油体区域的光强分布,并对甁壁高光、暗黑背景造成的干扰进行光强误差校正;最后结合异物区域相较油体区域偏暗的准则实现异物检测。在实际生产线上的实验表明,所提算法能够自适应瓶身以及瓶间不同的光照变化,检测正确率高。

基于谱聚类的极化SAR影像分割改进算法

谱聚类的影像分割算法是一种基于点的聚类方法,其通过选用不同的特征构建相似性度量矩阵,来衡量像元间的相似性程度。在解算过程中需要计算每2个像元间的相似性度量,在处理大幅影像时,运算量大、耗时长。针对这一问题,提出了一种改进方法。首先通过均值漂移算法对极化SAR影像进行预处理,然后选取中心像元,构建相似性度量矩阵,采用归一化分割准则完成影像分割。实验结果表明,该算法分割结果优良,准确性高,有效地提高了原算法的分割效率,具有一定的实践意义。

基于Contourlet变换和均值漂移的SAR图像分割

基于斑噪特性和纹理特征,提出了一种完全无监督的SAR图像分割算法。针对SAR图像的Contourlet变换,提出了子带选取的能量标准,对选定的子带计算能量特征和共生特征;依据特征向量的相似度剔除相近特征向量,用均值漂移算法获取纹理区域数和相应的中心特征,用像素的特征向量与相应中心特征向量的距离确定它们的分类。该文提出的方法不需要先验知识和训练样本。实验表明,基于Contourlet变换的均值漂移分割算法对混合Brodatz图像和SAR图像的分割取得了满意结果。