基于RGB颜色空间的彩色图像分割方法

基于RGB颜色空间的彩色图像分割方法作者：杨璟，朱雷，YANGJing，ZHULei作者单位：克拉玛依职业技术学院,新疆,克拉玛依,833600刊名：计算机与现代化英文刊名：COMPUTERANDMODERNIZATION年，卷(期)：2010，(8)被引用次数：0次参考文献(14条)1.林开颜.吴军辉.徐立鸿彩色图像分割方法综述2005(1)2.ChengHD.JiangXH.SunYColorimagesegmentation:Advancesandprospects2001(12)3.LezorayO.CardotHCooperationofcolorpixelclassificationschemesandcolorwatershed:Astudyformicroscopicimages2002(7)4.LiuJQ.YangYHMultiresolutioncolorimagesegmentation1994(7)5.NevatiaAcoloredgedetectoranditsuseinscenesegmentation1977(11)6.刘盈盈.石跃祥.莫浩澜基于改进K-均值算法在彩色图像分割中的应用2008(29)7.PalNR.PalSKAreviewonimagesegmentationtechniques1993(9)8.OhlanderR.PriceK.ReddyDRPicturesegmentationusingarecursiveregionsplittionmethod1978(3)9.KumugolluF.SankurB.HarmanciAEColorimagesegmentationusinghistogrammultithresholdingandfusion2001(13)10.AnguloJ.SerraJModellingandsegmentationofcolourimagesinpolarrepersentations2006(1)11.KurugolluF.SankurB.HarmanciAEColorimagesegmentationusinghistorgrammultithersholdingandfusin2001(13)12.姜蓉蓉.肖沙里.高家利改进分水岭算法的彩色图像分割技术2009(19)13.KaratazasD.AntonacopoulosAColortextsegmentationinWebimagesbasedonhumanperception2006(1)14.TremeauA.BorelNAregiongrowingandmergingalgorithmtocolorsegmentation1997(7)相似文献(10条)1.学位论文朱嵬鹏基于聚类算法的图像分割2009图像分割是当今一个比较热门的研究课题，有着广阔的应用前景。它广泛应用于医学、交通、军事等领域，研究它可以为我们进一步理解、分析图像相关信息提供十分重要的帮助；同时它本身也是一门十分复杂和棘手的技术，由于现有图像分割算法的一些不足也促进研究者们不断创新和改进，使图像分割技术不断完善，以便使其在实际应用中发挥更好的作用。br　　图像分割算法有很多种类，它们都基于不同的原理而来。本文主要介绍的是模糊聚类算法在图像分割上的应用。聚类算法在图像分割中的应用是很广泛的，近年来提出的新算法也是层出不穷。本文首先介绍了图像分割的一般原理、意义和应用，然后又介绍聚类算法图像分割的原理及应用，以使读者对聚类算法有更深入的认识。br　　在此基础上，接下来第三章、第四章分别介绍了三种模糊聚类算法在彩色图像分割以及噪声图像分割当中的应用。其中有一个算法应用在彩色图像分割上，是基于一种叫作空间模式聚类算法在彩色图像分割上的应用。由于彩色图像的每个像素点的颜色值是由RGB三个颜色分量值组成的，属于三维空间，无法应用在属于单维的基于空间模式聚类算法的灰度空间上。在此，引入了一个计算公式将彩色图像像素点的RGB值换算为一个亮度值，它取代了算法距离公式当中的灰度值，这样可以使用空间模式聚类算法在该彩色图像的亮度空间中进行聚类分割，在彩色图像分割实验中该方法取得了一定的良好效果。后两个算法均为噪声图片分割。当图片当中含有噪声的时候，聚类算法的分割效果会受到影响。为了增强聚类算法抗噪能力，两种方法被分别应用在了两种聚类算法当中，以提高它们的分割性能。一种改进方法是在空间模式聚类图像分割算法的隶属度公式中引入了一个变量，以修正因噪声原因而导致计算发生错误的隶属度值，因为隶属度矩阵当中保存了聚类算法的分割结果，在理论上，这种修改对于修正错误的分类结果是有意义的。另外一种方法则应用在了一般的模糊聚类分割算法上，通过在聚类算法的距离公式当中引入一个变量。因为如果像素点受到噪声污染，那么像素的灰度值就会发生改变，导致算法计算距离公式的值发生错误，进而影响到隶属度值。最后，再将前一种对隶属度公式改进的方法应用到此算法当中，强化其抗噪能力。这种修改在理论上也是可行的。在对噪声图片的分割实验中，这两个算法均取得了较好的效果。br　　最后一章对文中的主要内容进行了总结。2.会议论文周梅.刘秉瀚一种基于模糊关系的彩色图像自适应分割方法2008本文实现了对模糊相似关系的图像分割算法的改进,提出了一种基于模糊关系的彩色图像自适应分割方法:首先将图像转换到HSV颜色空间,在自适应消除直方图噪声的基础上,定义H分量灰度间的模糊相似关系,并通过模糊相似关系传递闭包算法实现模糊等价关系以进行图像分割.实验结果表明该算法具有良好的分割效果.3.学位论文唐晶磊示温漆图像分割技术的研究2006准确判断温度及温度分布情况在很多领域都具有重要的意义和作用，它广泛应用在航空航天、军事和工业生产领域中。研发专用的示温漆图像识别系统，克服人工分析的弊端，使分析过程数字化和自动化是该领域的研究重点和发展方向。本文在分析当前彩色图像分割面临问题的基础上，提出了一种快速高效的示温漆彩色图像的分割方法。文章将传统的灰度图像分割和彩色图像的分割有机的结合在一起，在“示温漆图像识别系统”课题的基础上，结合其色彩量化和图像分割两个关键技术，主要完成了以下研究工作：1.针对采集硬件和环境对示温漆图像造成较大噪声的影响，采用了PGF进行图像滤波，它能够有效去除图像噪声点并最大限度的保持边界特征。2.在分析色彩量化实质的基础上，本文采用了与具体图像的色彩使用频率相关的中位切割法，并以此为基础，用色彩平均值为中点进行分割，提出了一种有较好量化效果的改进的中位切割法。3.由于RGB色彩空间的非均匀性和分量的高度相关性，使其不适合图像分割和分析。本文通过非线性变换，将RGB色彩空间转换到能独立感知各颜色分量变化的均匀色彩空间HSV。通过把颜色的亮度和色度信息分开并赋予不同的权重，量化颜色之间的差异，并解决了色彩空间的奇异性问题。利用输出合成法实现边缘检测。4.结合示温漆图像颜色分布比较集中，色彩变化缓慢的特点，利用小波变换多分辨率的特性，在B样条函数基础上，改进了小波基并用计算梯度和模极大值的方法检测图像的边缘，有效克服了边缘检测时引入噪声的缺点，较好的实现了彩色图像的分割。试验结果表明，用改进的中位切割法和小波变换相结合的示温漆图像分割方法比人工和其他分割方法有明显的提高，整体分割效果良好。4.会议论文刘海林.彭进业.王大凯.任宏飞.田艳艳一种矢量图像分割的Mumford-Shah模型2008矢量图像可以表示普通的彩色图像，也可表示多通道图像。综合利用矢量图像中各个通道的信息，对Mumford-Shah模型进行推广，从而得到了一种基于Mumford-Shah模型的矢量图像分割模型。该模型能适用于一般纹理图像和彩色图像的分割，对没有明显边缘或具有不完整边缘的矢量图像目标亦能获得好的分割效果，并具有对图像噪声不敏感的特点。5.学位论文钱丹作物与杂草识别中图像分割影响因素的研究2006信息技术的发展对当今社会产生了巨大而深远的影响。应用机器视觉图像处理技术实现杂草的识别能提高农业生产的科学水平、减少草害、降低劳动强度和成本投入、保护生态环境、实现农业的可持续发展，因此机器视觉图像处理技术越来越受到关注。本研究针对机器视觉田间作物与杂草识别的自然环境适应性差和实时性差的问题，对影响青椒苗、成株青椒以及茄科类作物杂草图像的背景分割效果的因素进行了基础研究。本文的主要研究内容如下：1．阐述了植物和土壤的反射光谱特性与形成这一光谱特性的物理与生物机制，对彩色图像背景分割影响因素(光照强度、太阳高度角、土壤干湿程度和拍摄角度)进行了理论分析。2．介绍了机器视觉系统的硬件组成，构建本研究试验所需的机器视觉硬件系统，并根据试验环境和试验要求设计了图像采集的实验方案，在室外自然光照条件下获取作物与杂草图像。3．针对图像的分割效果受光照强度、太阳高度角、拍摄角度、土壤干湿程度的影响，提出用正交试验安排与分析这一多因素问题。通过正交试验，以图像的背景分割误差为指标，获得了四种影响因素的主次关系，并对影响青椒苗、成株青椒、阿拉伯婆婆纳图像的超绿特征阈值分割效果的主要因素进行了分析。4．在影响因素正交试验的基础上，对彩色图像超绿特征阈值分割算法的分割效果的主要影响因素进行进一步研究。在室外自然光照条件下进行试验，获得了作物与杂草图像的超绿特征阈值分割算法中的阈值和主要影响因素之间的关系，并建立了室外自然光照条件下的光照影响因素对成株青椒图像在超绿特征阈值法背景分割下的阈值修正模型。本文的研究内容在不牺牲图像背景分割时间的前提下，提高了作物和杂草图像的背景分割对室外自然环境的适应性，对我国开展机器视觉图像处理技术在自然环境下实时识别作物与杂草领域的研究具有重要的现实意义。6.期刊论文李海.薛河儒.LIHAI.XueHe-ru基于SOM神经网络的彩色牛乳体细胞图像分割-内蒙古农业大学学报（自然科学版）2009,30(1)图像分割是进行图像处理的基础,也是图像识别和图像分析的基础性工作之一.本文在分析了SOM算法的基础上,首先利用各像素的RGB值作为输入样本对网络进行训练,然后采用训练好的SOM神经网络对牛乳体细胞彩色图像进行分割.实验表明,SOM神经网络应用于彩色牛乳体细胞图像的分割是一种有效的方法.7.学位论文高文昀基于骨架的彩色图像分割研究2007本文是作者于攻读硕士学位期间在图像分割方面所做研究工作的总结。图像分割是指把图像分成各具特性的区域并进一步从中提取出感兴趣目标的技术和过程。它是进行图像语义分析的基础。自然场景的图像分割是目前的一个研究热点，它在基于内容的图像检索方面起着不可替代的关键作用，是决定一个图像检索系统性能好坏的一个重要因素。但是，目前还没有一种能够适用于各种自然场景的图像分割方法。这其中涉及很多亟需解决的问题，变化的光照条件就是造成图像分割结果不理想的一个重要因素。在自然场景中，受物体间相互遮挡等因素的影响、光照环境相对复杂；这样，即使是纹理相对单一的物体，其不同区域在图像上所表现出来的狄度也会呈现较大的变化。当一个图像分割算法对上述情况不能正确区分的时候，往往给出过分割的结果。本文针对图像分割中遇到的此类问题，提出了一种基于骨架匹配的彩色图像分割方法。首先利用颜色和纹理相结合的方法对彩色图像进行初分割，将图像分割成多个区域内部颜色或纹理特征基本一致的小区域。接着对自然场景下光照变化对目标物体的颜色和纹理的影响进行统计分析，建立目标的特征模板，利用此模板对分割的图像区域进行种子区域生长。最后，利用骨架模型在假设检验判决的框架下对包括阴影区域在内的目标区域进行融合处理。实验结果表明，本文提出的算法是一种行之有效的算法。该算法能够在一定程度上克服光照变化对图像分割结果产生的影响，获得与人的视知觉相一致的分割结果。8.期刊论文高山.毕笃彦.魏娜.GAOShan.BIDuyan.WEINa基于交叉视觉皮质模型的彩色图像自动分割方法-中国图象图形学报A2009,14(8)通过对传统彩色图像