导读:本文包含了彩色图像分割论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,彩色,算法,自适应,岩心,均值,直方图。
彩色图像分割论文文献综述
张红霞,章银娥[1]（2019）在《基于Lab空间的K均值聚类彩色图像分割方法》一文中研究指出在RGB和HSV空间中做图像分割时存在一些问题,比如分割精度低、处理进度慢等.为了解决这些问题,在K均值聚类分割方法的基础上,通过L*a*b*颜色空间进行分割的方法被提出.首先将原始RGB空间利用XYZ空间转换到L*a*b*颜色空间中,在L*a*b*颜色空间模式中使用a*b*二维数据空间的色差,K均值聚类算法的参数被不断调整,并通过数学形态学去校正聚类结果.最后得到病斑图像.本文通过该方法对4种脐橙病虫害进行分割,实验的结果表明,病斑区域能够在本文提出的方法中较为准确地把分割出来,并且对脐橙4种病虫害彩色图像的分割效果理想,显着提高了准确率,同时也表现出了该方法的竞争性.(本文来源于《赣南师范大学学报》期刊2019年06期）
于艺铭,王琪[2]（2019）在《分通道直方图的彩色图像分割模型》一文中研究指出一、引言人类对外界信息的感知绝大部分来源于视觉,而图像是各种观测系统观测客观世界获得的可以直接或间接作用于人眼而产生视觉的实体。随着图像处理技术的发展,人类逐步使用计算机模拟出大脑识别图像中特定目标的过程,将图像转化为更适于人眼观察或者方便仪器检测的数据。在计算机视觉应用研究领域,(本文来源于《广东印刷》期刊2019年05期）
倪翠,李千,玄甲辉[3]（2019）在《高清彩色图像分割的Mini-batch FCM算法研究》一文中研究指出模糊C-均值(Fuzzy C-Means,FCM)聚类算法是一种基于划分的无监督聚类算法,也是较为常见的图像分割算法之一,该算法通过寻找0～1之间的模糊隶属度等级来进行图像分割,并通过在特征空间中寻找聚类中心来达到最小化目标函数的目的。它的局限性主要有实时性较差、初始聚类中心的设置对最终结果影响较大、未考虑空间因素导致抗噪性弱。本文将mini-batch方法应用到FCM算法中,加快了FCM算法的收敛速度,提高了算法的效率及时效性,一定程度上解决了当数据特征复杂、集合较大时,FCM算法的实时性不是很理想的问题,继而节省算法运行的时间。(本文来源于《现代信息科技》期刊2019年19期）
曾绍华,唐文密,詹林庆,黄秀芬[4]（2019）在《基于自适应密度峰值聚类的野外紫色土彩色图像分割》一文中研究指出野外自然环境下采集的紫色土图像背景复杂,将紫色土区域从背景中分割出来是应用机器视觉对紫色土进一步分析处理的首要工作。该文提出基于自适应密度峰值聚类的野外紫色土彩色图像分割算法。该方法首先构造基于熵的相似度矩阵,从而建立基于类间方差最大化类内方差最小化准则的灰度变换优化模型,求解优化模型获得一个提升了紫色土与背景间分离特性的灰度图像。然后,构建无参的密度公式和一个中心决策度量来自动获取聚类中心,实现在密度峰值聚类算法框架下紫色土图像的自适应分割。最后,设计边界提取与区域填充的后处理算法获得完整的紫色土土壤区域图像。通过使用常规样本集、鲁棒样本集试验测试,结果显示:该文分割算法的初分割平均分割精度分别为93.45%和87.40%,比采用原始密度峰值聚类算法的平均分割精度分别提高3.16和12.47个百分点。经该文算法初分割、后处理,平均分割精度分别提高到96.30%和91.63%,平均耗时分别为0.36和0.35 s。研究结果为野外紫色土彩色图像的自适应分割提供参考。(本文来源于《农业工程学报》期刊2019年19期）
邓文晶,周骛,蔡小舒[5]（2019）在《岩心颗粒彩色图像的多维特征KFCM聚类分割算法》一文中研究指出岩心颗粒的彩色图像包含的信息具有复杂性和多样性,除了人眼视觉系统容易感知的颜色与空间形状特征之外,还隐含着更深层次的纹理特征信息。提出一种多维特征核模糊C均值(Kernel Fuzzy C-Means,KFCM)聚类分割算法:首先使用Gabor滤波器组在频域的不同尺度和方向上对岩心颗粒彩色图像进行卷积滤波处理,并将Gabor滤波结果作为频谱的局部纹理特征;然后将纹理特征、颜色特征以及图像像素点空间位置信息合并到核模糊C均值聚类算法中,从而实现岩心颗粒彩色图像的分割。结果表明:与其他算法的分割结果相比,多维特征KFCM聚类分割算法能更准确地识别不同类型的岩心颗粒的彩色图像,获得了良好的分割结果。(本文来源于《中国粉体技术》期刊2019年06期）
吴亚兰,曾绍华,曾卓华,刘萍[6]（2019）在《改进SLIC的紫色土彩色图像分割》一文中研究指出【目的】从野外采集的紫色土机器视觉彩色图像往往具有复杂背景,需要研究从中分割提取紫色土区域图像,为紫色土视觉图像识别打下基础。【方法】首先,引入闵可夫斯基距离重新定义SLIC算法的颜色空间距离,实现SLIC算法改进,利用改进SLIC算法实现对紫色土彩色图像的超像素初分割;然后,重构基于a分量的度量anew拉伸紫色土与背景差异,利用重构anew定义超像素之间的相似度,并根据类间方差最大准则建立优化模型,优化超像素之间相似度的合并阈值,根据阈值从初分割图像中心超像素开始由内而外合并紫色土超像素;最后,提出填充算法来填充紫色土区域内部空洞,获得最终分割提取的紫色土区域图像。【结果】仿真实验图像结果显示:提出的算法从具有复杂背景的野外采集的紫色土机器视觉彩色图像中,分割提取紫色土区域图像是有效的;对有不同阴影覆盖的视觉图像样本的分割提取也具有有效性;仿真实验定量分析的数据结果显示:提出的算法相对于用来对比的阈值分割算法、聚类分割算法、已有的改进SLIC算法在杰卡德系数评价指标上有一定程度的提高。【结论】提出的算法对从紫色土机器视觉彩色图像中完整分割提取紫色土区域图像,能实现自适应分割,算法是有效的。(本文来源于《重庆师范大学学报(自然科学版)》期刊2019年05期）
周凯红,乔新新,李福敏[7]（2019）在《基于支持向量机的彩色图像分割研究》一文中研究指出为了提高彩色图像分割方法的性能,提出一种基于支持向量机的手动选择样本点集的分割方法。该方法通过人为主观观察颜色特征变化,在像素峰值处选择样本点,使得背景和目标样本点的颜色差异较明显,达到了简化样本点的目的,从而实现了彩色图像的快速分割,同时比较和分析核函数参数及样本点数目的不同对分割效果的影响。实验证明,与传统的窗口取样相比,该方法更加的快速有效,且算法简单,易于推广。(本文来源于《现代电子技术》期刊2019年18期）
曾绍华,罗俣桐,杨圣明,王帅,曾卓华[8]（2019）在《基于切比雪夫不等式的紫色土彩色图像分割》一文中研究指出野外采集的机器视觉图像往往包含复杂背景,会对机器视觉识别紫色土产生影响,为了避免背景干扰,分割提取紫色土区域图像是首要的工作.本文应用3×3小子阵的标准差测度,建立模型优化紫色土区域的土壤与杂质类间和类内方差比,获得优化的置信概率P和H域分割阈值,提出了一种基于切比雪夫不等式的自适应H阈值分割算法,实现基于图像自身紫色土特征的自适应分割,提升初分割出紫色土区域图像的精度.针对初分割结果中的孤立点、离散小土块和空洞,提出了从图像中心点出发的剔除背景区域孤立点和离散小土块的螺旋生长算法和基于4方向边界点确认的紫色土区域的空洞填充算法.仿真实验结果显示:自适应切比雪夫阈值分割算法与螺旋生长算法和空洞填充算法结合,分割提取出紫色土区域图像的误分率降低到3.24%,总时间花销更少,算法是有效的.(本文来源于《西南大学学报(自然科学版)》期刊2019年08期）
吕雪,吴轩[9]（2019）在《基于彩色图像分割的数字技术图像识别方案研究（英文）》一文中研究指出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。(本文来源于《机床与液压》期刊2019年12期）
侯志强,赵梦琦,余旺盛,李宥谋,马素刚[10]（2019）在《基于SLIC与分水岭算法的彩色图像分割》一文中研究指出为了克服传统分水岭算法引起的过分割问题,提出了一种基于简单线性迭代聚类(SLIC)与分水岭算法相结合的彩色图像分割算法,以获得更理想的分割效果。该算法首先利用图像复杂度计算预分割的超像素个数,并利用SLIC对原始图像进行超像素分割预处理,以减少后续处理中的冗余信息;然后,提出了一种自适应计算阈值的方法对预处理图像的梯度图像进行阈值处理,以有效去除噪声,获得较完整的轮廓信息;最后,利用分水岭分割算法对进行极小值标记提取后的图像进行分割。通过对大量图片进行实验表明,本文算法可以有效地抑制传统分水岭算法所产生的过分割问题,在LCE和GCE的对比上优于传统算法,分割质量有所提高。(本文来源于《光电工程》期刊2019年06期）
彩色图像分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
一、引言人类对外界信息的感知绝大部分来源于视觉,而图像是各种观测系统观测客观世界获得的可以直接或间接作用于人眼而产生视觉的实体。随着图像处理技术的发展,人类逐步使用计算机模拟出大脑识别图像中特定目标的过程,将图像转化为更适于人眼观察或者方便仪器检测的数据。在计算机视觉应用研究领域,
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
彩色图像分割论文参考文献
[1].张红霞,章银娥.基于Lab空间的K均值聚类彩色图像分割方法[J].赣南师范大学学报.2019
[2].于艺铭,王琪.分通道直方图的彩色图像分割模型[J].广东印刷.2019
[3].倪翠,李千,玄甲辉.高清彩色图像分割的Mini-batchFCM算法研究[J].现代信息科技.2019
[4].曾绍华,唐文密,詹林庆,黄秀芬.基于自适应密度峰值聚类的野外紫色土彩色图像分割[J].农业工程学报.2019
[5].邓文晶,周骛,蔡小舒.岩心颗粒彩色图像的多维特征KFCM聚类分割算法[J].中国粉体技术.2019
[6].吴亚兰,曾绍华,曾卓华,刘萍.改进SLIC的紫色土彩色图像分割[J].重庆师范大学学报(自然科学版).2019
[7].周凯红,乔新新,李福敏.基于支持向量机的彩色图像分割研究[J].现代电子技术.2019
[8].曾绍华,罗俣桐,杨圣明,王帅,曾卓华.基于切比雪夫不等式的紫色土彩色图像分割[J].西南大学学报(自然科学版).2019
[9].吕雪,吴轩.基于彩色图像分割的数字技术图像识别方案研究（英文）[J].机床与液压.2019
[10].侯志强,赵梦琦,余旺盛,李宥谋,马素刚.基于SLIC与分水岭算法的彩色图像分割[J].光电工程.2019
论文知识图
