CN106023141A - 一种结合颜色协方差流形的meap聚类图像分割方法 - Google Patents
一种结合颜色协方差流形的meap聚类图像分割方法 Download PDFInfo
- Publication number
- CN106023141A CN106023141A CN201610294446.9A CN201610294446A CN106023141A CN 106023141 A CN106023141 A CN 106023141A CN 201610294446 A CN201610294446 A CN 201610294446A CN 106023141 A CN106023141 A CN 106023141A
- Authority
- CN
- China
- Prior art keywords
- color
- meap
- image
- super
- segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Image Analysis (AREA)
Abstract
一种结合颜色协方差流形的MEAP聚类图像分割方法。本发明对MEAP算法在彩色图像分割上的应用起到指导作用,其特征是:(1)通过简单线性迭代聚类算法对伯克利数据库中的彩色图像进行超像素分割,得到超像素块集合;(2)提取每个超像素块的颜色协方差特征和空间位置特征,分别用黎曼流形距离和欧式距离对它们进行相似性度量并进行特征融合,构建新的相似度矩阵;(3)将融合后的相似度矩阵作为多代表点仿射传播聚类算法中的相似度矩阵,再利用多代表点仿射传播聚类算法对彩色图像进行分割。该发明简单易行,当图像较大时,能够通过超像素减少图像分割的计算时间,利用颜色和空间信息作为特征进行分割的同时能够保证分割精确度。
Description
技术领域:
本发明涉及图像分割领域,具体地说给出一种对彩色图像进行图像分割的方法。
背景技术:
随着计算机的性能不断提高和图形图像处理领域的不断发展,围绕聚类算法展开的图像分割技术也得以不断推进。该类方法是属于特征空间聚类,也就是将图像中的区域以某种特征按照聚类规则进行划分,每一个区域对应一个类簇。具体地讲,先对图像中的像素点进行聚类,将同属于一个类簇的数据点标记出来,再将标记结果映射到原图像从而获得图像的区域划分。这种方法的可操作性高,易于实现。
图像分割是图像处理的重要环节,对目标图像中的内容可以通过数字化和信息化来进行内容分析和解释。
发明内容:
本发明的目的是为构建一种具有较高应用价值、简单易行的彩色图像分割方法。
本发明通过计算图像的超像素块集合,提取每个超像素的颜色和信息特征并进行特征融合得到新的特征用于图像分割。对伯克利数据集中不同的彩色图像进行分割的结果表明,与已有的方法(如NCAP和SLICDBSCAN算法等)相比,在图像较大时,能够通过超像素数减少图像分割的计算时间,并且利用颜色和空间信息作为特征进行分割时能够保证分割具有较高的精确度。
具体的技术方案如下:
(1)将待分割图像的颜色空间由RGB映射到CLELAB空间,通过简单线性迭代聚类算法对彩色图像进行超像素分割,得到超像素块集合;
(2)提取每个超像素块的颜色协方差特征和空间位置特征。分别用黎曼流形距离和欧式距离计算相似性度量并进行特征融合,构建新的相似度矩阵;
(3)将融合后的相似度矩阵作为多代表点仿射传播聚类算法中的相似度矩阵,并利用多代表点仿射传播聚类算法对彩色图像进行分割。
本发明的有益效果是:
1、建立一个结合颜色协方差流形的MEAP聚类图像分割;
2、本发明简单易行,在图像尺寸变大时,能够通过超像素块控制分割时间,利用颜色和空间信息作为特征进行分割时能够保证分割的精确度。
本发明的适用于彩色图像的图像分割,可以用数字化和信息化来实现目标图像的内容分析和解释。
附图说明:
图1为本发明对伯克利图像数据集的分割效果图;
图2为本发明对伯克利图像数据集的分割效果评价表。
具体实施方式:
下面结合附图和实例进一步说明本发明的实质内容,但本发明的内容并不限于此。
实施例1:
选取伯克利数据集中的彩色图像,将待分割图像的颜色空间由RGB映射到CLELAB空间,通过简单线性迭代聚类算法对彩色图像进行超像素分割,得到超像素块集合;提取每个超像素块的颜色协方差特征和空间位置特征,分别用黎曼流形距离和欧式距离对它们进行相似性度量并做特征融合,构建新的相似度矩阵;将融合后的相似度矩阵作为多代表点仿射传播聚类算法中的相似度矩阵,实现对彩色图像的分割。
Claims (4)
1.一种结合颜色协方差流形的MEAP聚类图像分割方法。本发明对MEAP算法在彩色图像分割上的应用起到指导作用。其特征在于:
(1)通过简单线性迭代聚类算法彩色图像进行超像素分割,得到超像素块集合;
(2)提取每个超像素块的颜色协方差特征和空间位置特征,为构建新的相似度矩阵,分别用黎曼流形距离和欧式距离对这些特征计算相似性度量并特征融合;
(3)将融合后的相似度矩阵作为多代表点仿射传播聚类算法中的相似度矩阵,实现彩色图像的分割。
2.根据权利要求1所述的一种结合颜色协方差流形的MEAP聚类图像分割方法,其特征在于:通过简单线性迭代聚类算法对伯克利数据库中的彩色图像进行超像素分割,得到超像素块集合。
3.根据权利要求1所述的一种结合颜色协方差流形的MEAP聚类图像分割方法,其特征在于:提取每个超像素块的颜色协方差特征和空间位置特征后分别用黎曼流形距离和欧式距离计算相似性度量并进行特征融合,以构建新的相似度矩阵。
4.根据权利要求1所述的一种结合颜色协方差流形的MEAP聚类图像分割方法,其特征在于:将融合后的相似度矩阵作为多代表点仿射传播聚类算法中的相似度矩阵,再利用多代表点仿射传播聚类算法对彩色图像进行分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610294446.9A CN106023141A (zh) | 2016-05-05 | 2016-05-05 | 一种结合颜色协方差流形的meap聚类图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610294446.9A CN106023141A (zh) | 2016-05-05 | 2016-05-05 | 一种结合颜色协方差流形的meap聚类图像分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106023141A true CN106023141A (zh) | 2016-10-12 |
Family
ID=57082210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610294446.9A Pending CN106023141A (zh) | 2016-05-05 | 2016-05-05 | 一种结合颜色协方差流形的meap聚类图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023141A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080649A (zh) * | 2019-12-10 | 2020-04-28 | 桂林电子科技大学 | 一种基于黎曼流形空间的图像分割处理方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118049A (zh) * | 2015-07-22 | 2015-12-02 | 东南大学 | 一种基于超像素聚类的图像分割方法 |
-
2016
- 2016-05-05 CN CN201610294446.9A patent/CN106023141A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118049A (zh) * | 2015-07-22 | 2015-12-02 | 东南大学 | 一种基于超像素聚类的图像分割方法 |
Non-Patent Citations (1)
Title |
---|
林天炜 等: "基于协方差描述子的彩色图像分割算法", 《信息技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080649A (zh) * | 2019-12-10 | 2020-04-28 | 桂林电子科技大学 | 一种基于黎曼流形空间的图像分割处理方法及系统 |
CN111080649B (zh) * | 2019-12-10 | 2023-05-30 | 桂林电子科技大学 | 一种基于黎曼流形空间的图像分割处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeng et al. | 3dmatch: Learning local geometric descriptors from rgb-d reconstructions | |
Chen et al. | Real‐time hand gesture recognition using finger segmentation | |
Zhang et al. | Chinese sign language recognition with adaptive HMM | |
US8442307B1 (en) | Appearance augmented 3-D point clouds for trajectory and camera localization | |
WO2020259481A1 (zh) | 定位方法及装置、电子设备、可读存储介质 | |
Uchiyama et al. | Random dot markers | |
Li et al. | In-field tea shoot detection and 3D localization using an RGB-D camera | |
CN105528794B (zh) | 基于混合高斯模型与超像素分割的运动目标检测方法 | |
EP2443589B1 (en) | Method and system for near-duplicate image searching | |
WO2022001623A1 (zh) | 基于人工智能的图像处理方法、装置、设备及存储介质 | |
CN105184238A (zh) | 一种人脸识别方法及系统 | |
Pham et al. | Interacting geometric priors for robust multimodel fitting | |
Li et al. | Bottom-up pose estimation of multiple person with bounding box constraint | |
CN103927387A (zh) | 图像检索系统及其相关方法和装置 | |
CN111667005B (zh) | 一种采用rgbd视觉传感的人体交互系统 | |
Yi et al. | Motion keypoint trajectory and covariance descriptor for human action recognition | |
KR102131592B1 (ko) | 딥러닝 기반 3차원 원형 예측 장치 | |
CN112149762A (zh) | 目标跟踪方法、目标跟踪装置及计算机可读存储介质 | |
Liu et al. | Leaping from 2D detection to efficient 6DoF object pose estimation | |
Zhu et al. | ASPP-DF-PVNet: atrous Spatial Pyramid Pooling and Distance-Filtered PVNet for occlusion resistant 6D object pose estimation | |
Cao et al. | Fast and robust local feature extraction for 3D reconstruction | |
Li et al. | Contrastive learning for mitochondria segmentation | |
CN104778272B (zh) | 一种基于区域挖掘和空间编码的图像位置估计方法 | |
CN102004795B (zh) | 一种手语检索的方法 | |
Ji et al. | News videos anchor person detection by shot clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161012 |
|
WD01 | Invention patent application deemed withdrawn after publication |