摘要：针对分水岭算法的过分割问题,设计了一种结合标记分水岭和区域合并的彩色图像分割算法.算法首先根据梯度图像局部极小值的综合信息自适应提取标记,在标记的基础上进行分水岭变换获得初始分割结果;然后结合人眼对区域相似性的实际感知定义了融合颜色距离、方差和边缘信息的综合距离度量,通过综合距离度量控制区域进行快速合并得到高级分割结果.仿真结果表明,新设计的算法能够有效抑制过分割,获得更小的局部一致性错分率,与人工标注的分割结果更为接近.

摘要：针对近邻传播(AP)聚类算法存在运算时间长、空间复杂度高而难以应用于较大规模图像数据处理的问题,提出一种将mean shift(MS)算法和AP算法相结合的彩色图像分割方法——MSAP算法.首先应用MS算法对输入目标图像进行预分割,将分割后的区域数目代替原图像像素点数目作为AP算法输入数据的规模,计算每个区域中所有像素的彩色向量平均值,并将其作为AP算法输入的数据点,选用数据点间的距离作为相似度的测度指标;然后应用AP算法在数据相似度矩阵上进行聚类,得到最终的图像分割结果.实验结果表明,与AP算法相比,MSAP算法在运行时间和分割效果方面都有显著的提高.

摘要：彩色图像分割技术是现代图像处理和图像分析领域的重要研究议题.结合粗糙集理论,利用像素邻域的空间信息,可以构造图像色彩分布的上下近似以及量化粗糙性表示,并据此设计基于量化粗糙信息的分割方法:QR measure,该方法依据数据分布获取自适应阈值进行峰值选定和区域合并.实验采用UCBerkeley开放的图像分割测试集,通过比较基于多种统计信息的分割方法,验证提出的优化算法可以取得更好的分割效果.

摘要：设计了一种新的有效稳定的彩色图像分割算法.该算法首先利用均值漂移(MS)算法预分割图像,产生了许多保留了图像不连续特征的分割区域,然后构建预分割区域的相似度图,并利用谱聚类集成算法对相似度图进行全局最优划分.为了避免在构建相似度图时仅利用像素点的亮度信息而产生一些不合适的划分结果,定义了一个局部占优度的变量,该变量综合考虑了局部区域像素的亮度和细节信息.本文算法在彩色图像上的实验结果验证了其高效的运算速度.

摘要：数字图像处理技术对于艺术领域的影响越来越大,特别是图像分割技术。针对美术图像识别中的分割精度问题,提出了一种基于canny算子边缘检测和GrabCut算法的美术图像自动分割方案。首先,通过RGB模型对图像进行预处理,实现对图像进行平滑和锐化。然后,采用canny算子边缘检测对待分割图像进行平滑滤波并计算梯度值。最后,采用GrabCut算法在RGB颜色空间中进行最小化能量函数计算,并按照随机的方法将分割区域与其他区域进行合并从而构造出一张分割图。实验对比结果表明:在直接视觉和量化分析上,相比现有分割算法,提出的方案表现出更好的分割效果。

摘要：提出了一种运用多级语义框架的彩色图像分割方法。通过用户交互,不仅可以分割出多区域对象,还可以对用户定义的该对象的子对象进行识别,并给出它们之间的语义关系,从而反馈修正先前的分割结果,使结果更准确。实验测试了不同种类的图片和视频序列帧。各级分割结果与语义关系可有效应用于后续的基于图像、视频对象或部分对象的编辑应用。

摘要：有效的图像分割是进一步进行图像高层次理解和应用的基础。遗传算法是一种鲁棒性很强的优化算法。该文利用遗传算法对图像进行聚类分析,提出了两种新颖的图像分割算法。染色体码长固定时,按用户指定的特征向量在特征空间内进行聚类分割;染色体码长可变时,可同时对图像应分类数进行动态优化。通过实验对它们各自的优缺点进行了分析,并与其它分割算法的性能进行了比较。利用VisualC++6.0实现了文中的算法,并设计了一具体的小型应用系统。

摘要：目的基于阈值的分割方法能根据像素的信息将图像划分为同类的区域,其中常用的最大模糊相关分割方法,因能利用模糊相关度量划分的适当性,得到较好的分割结果,而广受关注。然而该算法存在划分数需预先确定,阈值的分割结果存在孤立噪声,无法对彩色图像实施分割的问题。为此,提出基于模糊相关图割的非监督层次化分割策略来解决该问题。方法算法首先将图像划分为若干超像素,以提高层次化图像分割的效率;随后将快速模糊相关算法与图割结合,构成模糊相关图割2-划分算子,在确保分割效率的基础上,解决单一阈值分割存在孤立噪声的问题;最后设计了自顶向下层次化分割策略,利用构建的2-划分算子选择合适的区域及通道,迭代地对超像素实施层次化分割,直到算法收敛,划分数自动确定。结果对Berkeley分割数据库上300幅图像进行了测试,结果表明算法能有效分割彩色图像,分割精度优于Ncut、JSEG方法,运行时间较这两种方法也提高了近20%。结论本文算法为最大模糊相关算法在非监督彩色图像分割领域的应用提供指导依据,能用于目标检测和识别领域。

摘要：目的针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。

摘要：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。