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 PDF

Info

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
Application number
CN201610294446.9A
Other languages
English (en)
Inventor
陈秀宏
刘季
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201610294446.9A priority Critical patent/CN106023141A/zh
Publication of CN106023141A publication Critical patent/CN106023141A/zh
Pending legal-status Critical Current

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

一种结合颜色协方差流形的MEAP聚类图像分割方法
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。
CN201610294446.9A 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 Pending CN106023141A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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