共查询到20条相似文献,搜索用时 171 毫秒
1.
提出了一种新的考虑到HIS颜色空间和颜色纯度的多尺度遥感影像分割方法.使用HIS颜色空间来取得像素的颜色信息.当饱和度和亮度值较低时,色调值会非常敏感,用颜色纯度作色调值的加权值.不但考虑了像素的属性,还考虑了像素集合的属性.图像先被根据特定尺度分割成不同的区域对象,各个区域对象的平均值和方差值作为区域对象的属性.用区域对象特性和相对位置信息把小的对象合并到大的对象中. 相似文献
2.
为解决传统谱聚类算法在图像分割时计算量大、使用单一特征分割的局限性问题,设计一种融合谱聚类和多特征的图像分割算法。首先进行超像素分割以减少计算量,分别提取每个超像素的颜色特征和纹理特征,构建超像素相似度矩阵|然后采用特征加权方法线性融合颜色和纹理特征的超像素相似度矩阵|最后采用谱聚类算法进行聚类分割。在UCMerced_LandUse和Berkeley数据集上进行实验测试,并与现有方法进行比较。实验结果表明,大多数实验图像IOU指标均在90%以上,相比于传统方法有了显著提高。 相似文献
3.
王惠 《宁波职业技术学院学报》2016,(4):89-91
针对标准FCM算法在算法迭代中忽略像素的空间信息,提出了一种结合像素空间邻域信息改进的FCM图像分割算法(SAFCM)。新算法首先计算出像素的邻域平均值,然后求出邻域平均值和像素的差异,把该差异值作为空间信息的影响权值,利用像素值和空间信息构造新的目标函数,从而实现图像的分割。仿真实验表明,新算法能够更好的抑制噪声,降低噪声敏感性,提高图像的分割质量。 相似文献
4.
针对以像素为节点建立图模型进行图像分割颇为耗时的弊端,提出了一种基于平面超像素图割的图像分割方法,并应用于图像分割。首先用改进的分水岭算法将图像分割成区域一致性小区域(超像素),用分割得到的超像素作为图的节点构建图模型;以每个超像素的灰度值代表所在分块的全部像素点参数;最后用图割算法达到最优分割。该算法以极少数超像素代替海量像素,在得到较好分割结果的同时,极大地缩短了运行时间。 相似文献
5.
模糊c均值(FCM)聚类算法广泛用于图像的自动分割,但是该算法没有考虑像素的灰度和空间特征,对噪声十分敏感。提出了一种基于直方图的加权模糊c均值(WFCM)聚类的图像分割方法,在传统的FCM聚类的基础上,该方法考虑了灰度直方图的灰度、邻域像素灰度的相关性对图像进行加权聚类分割。实验结果表明,该方法可显著提高图像分割的速度和精度。 相似文献
6.
张健 《湖州职业技术学院学报》2014,(1):84-87,91
图像分割是一种对不同特征的像素进行聚类的过程,过程中涉及像素的梯度、灰度及邻域特征。由于蚁群算法的离散性、并行性、全局优化性和稳定性等特点,基于蚁群算法提出一种有效的图像分割改进算法。首先通过蚁群改进算法的模糊聚类能力可以分别计算出像素与目标、背景、噪声点、边界点的隶属关系;然后对于蚁群算法循环次数多、计算量较大的问题,设置启发式引导函数和聚类中心,解决传统聚类中运行效率低、初始化敏感度高等缺点;最后引入梯度算子,对目标与背景灰度值相似图像进行分割,对结果进行了进一步的优化。实验表明,应用该改进算法得到的图像分割结果具有较高的准确度和效率。 相似文献
7.
针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点. 相似文献
8.
传统模糊C均值算法没有充分利用像素周围的空间信息,所以算法抗噪效果不理想,且该算法仅利用像素隶属度信息,分割规则过于单一。因此,提出一种基于包含度及空间信息的聚类算法以提高图像分割抗噪性和准确性。首先将包含度信息加入到目标函数中,以弥补隶属度单一化的不足;其次将像素周围的邻域信息作为空间信息加入到目标函数中,使用信息熵与交叉熵调节像素信息和空间信息之间的权重;最后使用梯度下降法优化该目标函数以便对图像进行正确分割。以4组卫星图像为例进行分割,并分别与FCM算法、PCM算法、AFCM_S1算法进行对比。实验结果表明,基于包含度和空间信息的聚类算法对噪声点具有较好的处理效果,可提升分割精度和负率度。 相似文献
9.
10.
11.
彩色图像分割是彩色图像处理和图像识别的重要问题,彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用。根据HSV颜色空间颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿色信息进行提取得到分割结果。试验表明,这是一种计算高效的分割算法。 相似文献
12.
YE Zhi-wei 《教育技术导刊》2007,(13)
针对传统C-Means算法在图像分割应用中的缺陷,本文提出一种蚁群算法(Ant Colony Optimization ACO)融合C-Means算法的图像聚类分割方法,它融合了C-Means算法和蚁群算法的优点,比传统的C-Means算法能得到更好的分割质量。实际图像分割试验结果表明该方法是一种良好的图像分割新方法。 相似文献
13.
14.
15.
《南阳师范学院学报》2018,(1):25-29
利用机器视觉量化西洋参外观特征的过程中,为了消除图像背景的影响,基于K均值聚类算法的思想,先将图像从RGB色彩空间转换成颜色重心角描述的色彩空间,并把颜色重心角从0360度划分成12区域,对各颜色重心角区域进行直方图统计,将K个频数最大的颜色重心角区域指定为初次聚类中心进行迭代实现图像分割.经对比实验表明,25幅样本图像中,传统的K均值聚类算法15幅存在过分割与10幅存在欠分割的情况,改进的K均值聚类算法收敛速度有所加快,普适性较好,25幅样本图像均能精准分割出目标与背景. 相似文献
16.
《南阳师范学院学报》2021,(4):22-27
针对道路图像语义分割效果不够精确的问题,提出一种基于深度学习的道路图像语义分割的改进方法,并与传统的全卷积神经网络模型(FCN)相结合实现道路图像语义分割.先验概率层利用道路图像的先验知识,在所有道路图像训练标签的基础上构建二维数组表示像素点的分类概率,并将它结合传统全卷积神经网络模型对道路图像进行语义分割.实验结果表明:提出的先验概率层的后处理算法能够优化传统全卷积神经网络模型的分割效果,使像素精确度由88.8%提高到91.3%,平均像素精确度由82.9%提高到85.7%,平均交并比值由72.5%提高到77.9%. 相似文献
17.
由于单一特征不足以准确地描述图像特征,提出了一种结合颜色特征和边界方向特征的图像检索方法.针对传统颜色直方图中图像对所有像素具有相同重要性的问题进行了改进,提出了像素加权的改进颜色直方图方法;然后采用非分割图像的边界方向直方图方法提取图像的形状特征,该方法相对分割方法具有简单、有效等特点,并对图像的缩放、旋转以及视角具有不变性.为进一步提高图像检索的质量引入相关反馈机制,动态调整两幅图像相似度中颜色特征和方向特征的权值系数,并给出了相应的权值调整算法.实验结果表明,上述方法明显地优于其它方法. 相似文献
18.
19.
为了解决雾天图像增强中的细节信息优化问题,提出了一种新的雾天图像增强算法。采用背景亮度作为激励亮度值对图像的亮度块进行分割,然后采用IIR低通滤波器对分隔块进行增强,最后对像素的边缘信息进行分割,并按照一定比例对块信息进行融合。仿真结果表明,与传统的Retinex算法相比,该算法的信息熵较大,增强之后图像细节更丰富。 相似文献
20.
在基于颜色直方图的基础上,提出一种新的检索方法。首先将图像在HSV空间中进行量化,然后对图像进行环形等距分割,计算每种颜色的三阶中心矩作为特征向量,进行图像间的相似度比对,实现图像检索。实验结果表明,本文算法比单纯利用颜色直方图在查准率上有更好的检索效果。 相似文献