基于云模型的多粒度彩色图像分割_马鸿耀

格式：pdf
大小：2.18 MB
文档页数：4

下载文档原格式

一种改进的多类 SVM 彩色图像分割算法

一种改进的多类 SVM 彩色图像分割算法
吕景美
【期刊名称】《核电子学与探测技术》
【年(卷),期】2013(000)008
【摘要】针对复杂自然场景下的目标分割和识别问题，提出了一种基于多类支持
向量机（SVM）的彩色图像分割算法，该算法综合纹理特征和颜色特征，把灰度
共生矩阵（GLCM）提取的纹理特征和LAB颜色空间的颜色矩组成输入向量，用
主成份分析（PCA）算法降维，提取样本特征向量，再用改进后的多类SVM进行彩色图像分割。

通过数据预处理并结合中值滤波算法，有效克服了SVM基于像素分割产生无效边缘的缺点，提高了彩色图像的分割质量，并分析了不同颜色空间和核函数对该分割算法的影响。

实验结果表明，与快速模糊C均值聚类算法（FFCM）相比，图像分割的质量有明显改善，缩短了分割时间，分割图像中的目标明显，适用于以目标识别为目的的图像分割。

【总页数】5页(P990-994)
【作者】吕景美
【作者单位】长沙师范学院教育技术中心，湖南长沙，410100
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种改进的模糊C-均值(FCM)彩色图像分割算法 [J], 邓富强;庞全
2.一种改进的Laplacian SVM的SAR图像分割算法 [J], 刘若辰;邹海双;张莉;张萍;焦李成
3.一种改进的彩色图像分割算法 [J], 贾丽娟;张光年;葛庆平;姜长胜
4.一种新的基于SLICO改进的GrabCut彩色图像分割算法 [J], 陈鑫;何中市;李英豪
5.一种改进的基于小波去噪和区域生长的彩色图像分割算法 [J], 刘肖;李宏;葛立敏因版权原因，仅展示原文概要，查看原文内容请购买。

一种新的云综合方法在彩色图像分割中的应用

合方法缺乏相应的理论解释．根据正态云模型的“ ３Ｅｎ ” 规则，推导出一种新的云综合方法，并结合Ｐ阶逆向云变换算法将其应用于图像分割中．将结果分别与“ 软或 ” 云综合方法在彩色图像分割中的结果和基于云模型和数据场的灰度图像分割结果做比较，实验结果说明了该方法的有效性．关键词：云模型；彩色图像分割；云综合；Ｐ阶逆向云变换
４０００６５，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００３１，Ｃｈｉｎａ；３．Ｉｎｓｔｉｔｕ —
ａｃｏｌｏｒｆｕｌｉｍａｇｅ［Ｊ］．ＣＡＡＩＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｅｍｓｔ。２０１３，８（６）：５１７・５２５．
网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１５３８．ＴＰ．２０１３１０３０．１５０８．００１．ｈｔｍｌ
一
种新的云综合方法在彩色图像分割中的应用
ｔｅｏｆＥｌｅｃｔｒｏｎｉｃＩｆｏｎｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＣｈｏｎｇｑｉｎｇＩｎｓｔｉｔｕｔｅｏｆＧｒｅｅｎａｎｄＩｎｔｅｌｌｉｇｅｎｔＴｅｃｈｎｏｌｏｙ，ＣｇＡＳ，Ｃｈｏｎｇｑｉｎｇ４０１１２２，Ｃｈｉｎａ）

基于S-CIELAB空间的彩色图像分割

基于S-CIELAB空间的彩色图像分割李光;王朝英;侯志强【摘要】提出一种基于S-CIELAB颜色空间的彩色图像分割算法.在人类视觉彩色传递模型的基础上,将原始的RGB图像转换到S-CIELAB空间,运用均值漂移算法对图像进行分割.实验结果表明,该算法能模拟人类视觉模糊特性,得到与人类视觉非常接近的分割结果.对于被高斯噪声严重污染的彩色图像,该算法也能有效地进行分割.【期刊名称】《计算机工程》【年(卷),期】2010(036)004【总页数】2页(P198-199)【关键词】彩色图像分割;模式-彩色分离模型;颜色空间;均值漂移算法【作者】李光;王朝英;侯志强【作者单位】空军工程大学电讯工程学院,西安,710077;空军工程大学电讯工程学院,西安,710077;空军工程大学电讯工程学院,西安,710077【正文语种】中文【中图分类】TP3911 概述图像分割是图像分析与理解过程中一个最基本的处理步骤，其目的是将图像划分为多个互不重叠的区域，每个区域内的像素具有相似或一致的性质，并且相邻区域不具有类似性质。

由于图像分割实现了对图像中人们感兴趣区域的分离，使得目标特征和参数的提取成为可能，因此多年来它一直是人们高度重视的研究领域[1]。

然而，现有算法还存在一些重要的问题有待解决[2]。

传统分割算法很少考虑人眼的视觉模糊机制，当处理有空间频率变化的图像时，如mosaic或半色调图像，传统算法的效果就很差。

而且，分割算法的性能在很大程度上依赖于颜色空间的选择，在大量的颜色模型中，如RGB, YUV, HIS, Lab, Luv，哪个空间最适合用来进行图像分割还没有一个明确的标准。

人类视觉系统具有优良的彩色图像分割性能，在实际应用中对彩色图像分割的最终结果也是由人眼主观判定的。

文献[3]用颜色的非对称匹配方法研究人眼的彩色传递特性，在一系列生理实验的基础上，提出了模式-彩色分离(patterncolor separable)模型，该模型是目前较为完整的人眼彩色视觉模型。

基于水平集的彩色图像分割方法

基于水平集的彩色图像分割方法陈小娟【期刊名称】《科学技术与工程》【年(卷),期】2013(013)023【摘要】实现了一种新的彩色图像融合分割方法.首先,通过对彩色图像进行YCbCr 变换,提取其颜色特征.进一步,对亮度图像进行Gabor变换,提取其纹理特征.同时,为了消除特征向量的冗余,引入PCA变换对高维特征向量进行压缩.然后,采取向量C-V模型对提取的特征向量进行分割.最后,对分割图像迸一步后处理,消除小的区域.真实彩色图像实验结果证明了方法的有效性.%A new method about color image segmentation is proposed.Firstly,the color image is transformed to YCbCr color space to extract color features,and the texture features are extracted from luminance image by using Gabor Filters.Moreover,PCA transform is used to eliminate the redundance of feature vector.Secondly,the vector C-V model is used to segment the feature vector.At last,a further processing is used to eliminat the small regions.Experimental results demonstrate the effectiveness of the method.【总页数】5页(P6756-6759,6766)【作者】陈小娟【作者单位】北京工商大学计算机与信息工程学院,北京100037【正文语种】中文【中图分类】TP391.413【相关文献】1.基于HIS色彩空间的水平集彩色图像分割算法 [J], 赵越;杨玉强2.基于水平集的新型彩色图像分割算法 [J], 陈沅涛;徐蔚鸿;吴佳英3.一种基于混合方法的彩色图像分割算法*----结合分水岭算法、种子区域生长和区域合并的混合方法 [J], 徐国雄;王海娜;胡进贤;王立强;卜应敏;;;;;4.基于析取正态水平集的彩色图像分割 [J], 王雷; 王升; 汪丛; 廖毅; 汪凌5.基于深度学习和水平集的彩色图像分割方法 [J], 杨宇;崔陶因版权原因，仅展示原文概要，查看原文内容请购买。

基于SVM的虚拟人彩色切片图像自动分割

基于SVM的虚拟人彩色切片图像自动分割薛志东;李利军;邱德红;王乘【期刊名称】《华中科技大学学报：自然科学版》【年(卷),期】2006(34)1【摘要】为实现对数字虚拟人彩色连续切片的自动分割,提出了一种基于支持向量机的自动分割方法.该方法首先利用虚拟人连续切片图像间在颜色、纹理等特征的相似性,使用支持向量机分类方法对相邻图像进行分割.在分割结果达不到预定允许最小相似度条件或一次训练结果用于连续分割切片次数达到给定的最大允许次数时,则再利用相邻切片在空间上的相似性,自动对当前切片进行重新采样,然后继续训练、分割.使用虚拟中国人女性一号(VCH-F1)数据集中切片图像进行实验,对比研究了允许的最小相似度测度及允许最大连续分割次数对分割质量和分割时间的影响,并给出了受噪声污染图像的自动分割结果.该方法能有效实现对虚拟人连续切片图像的自动分割,能在保证一定分割质量的同时,兼顾分割速度,并能较好地克服噪声影响.【总页数】4页(P42-45)【关键词】图像分割;数字虚拟人;支持向量机【作者】薛志东;李利军;邱德红;王乘【作者单位】华中科技大学数字化工程与仿真中心;华中科技大学软件学院【正文语种】中文【中图分类】TP391.41【相关文献】1.一种分割虚拟人彩色冰冻切片图像的混和方法 [J], 薛志东;隋卫平;王乘2.基于训练样本自动选取的SVM彩色图像分割方法 [J], 张荣;王文剑;白雪飞3.基于HSV颜色空间的中国虚拟人脑图像自动分割方法 [J], 陈允杰;张建伟;韦志辉;王平安;夏德深4.分割虚拟人切片数据的SVM多类分割方法 [J], 薛志东;隋卫平;李利军5.基于森林变换的交互虚拟人彩色图像分割 [J], 于龙;王乘;李利军因版权原因，仅展示原文概要，查看原文内容请购买。

一种织物彩色图像的分割算法

一种织物彩色图像的分割算法
殷海明;张明敏;潘志庚
【期刊名称】《计算机应用》
【年(卷),期】2005(025)004
【摘要】提出了一种针对织物彩色图像的分割算法.该算法在颜色聚类的基础上,把每种颜色用不同的序号来表示,生成一个与原图同大小的序号矩阵,然后根据矩阵中序号的分布进行初始分割并产生种子区域,再把初始分割未能确定的像素指派到种子区域中,最后根据颜色信息合并过分割的区域,并对区域边缘进行平滑,得到最终的分割结果.实验表明,该算法能较有效地实现各类彩色织物图像的分割.
【总页数】3页(P966-967,970)
【作者】殷海明;张明敏;潘志庚
【作者单位】浙江大学,CAD&CG国家重点实验室,浙江,杭州,310027;浙江大学,CAD&CG国家重点实验室,浙江,杭州,310027;浙江大学,CAD&CG国家重点实验室,浙江,杭州,310027
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种HSI空间基于模糊聚类的火灾彩色图像分割算法 [J], 周凤
2.一种改进的多类 SVM 彩色图像分割算法 [J], 吕景美
3.一种自适应FCM彩色图像分割算法 [J], 宋娈娈;杨明
4.一种新的基于SLICO改进的GrabCut彩色图像分割算法 [J], 陈鑫;何中市;李英豪
5.一种基于图的彩色图像分割算法 [J], 沃焱;金璇
因版权原因，仅展示原文概要，查看原文内容请购买。

基于GS-SVM的彩色图像分割算法

基于GS-SVM的彩色图像分割算法
黄挺;王元庆;张自豪
【期刊名称】《电子测量技术》
【年(卷),期】2017(40)7
【摘要】图像分割是图像分析、模式识别等领域的关键技术,为减少光照等因素对颜色的影响,增加图像分割质量,提出一种基于GS-SVM的彩色图像分割算法。

首先提取图像RGB和HSI颜色分量,组合成样本的特征空间对支持向量机进行训练,训练时利用网格搜索法对支持向量机进行参数寻优,最后训练后的GS-SVM对彩色图像进行分割。

实验表明该算法能够在网格范围内寻找全局最优解,分割精度达到95.6%,具有良好的精度和鲁棒性,且分割效果更加符合人类视觉特性。

【总页数】5页(P105-108)
【关键词】支持向量机;图像分割;核函数;维数灾难;网格搜索;交叉验证
【作者】黄挺;王元庆;张自豪
【作者单位】南京大学电子科学与工程学院
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.一种基于遗传算法的彩色图像分割改进算法 [J], 常竞;王玲
2.一种基于混合方法的彩色图像分割算法*----结合分水岭算法、种子区域生长和区域合并的混合方法 [J], 徐国雄;王海娜;胡进贤;王立强;卜应敏;;;;;
3.基于混沌电磁场优化算法的多阈值彩色图像分割 [J], 马军; 贾鹤鸣
4.基于改进飞蛾扑火算法的多阈值彩色图像分割 [J], 马军; 贾鹤鸣
5.基于改进鬣狗优化算法的多阈值彩色图像分割 [J], 贾鹤鸣; 姜子超; 彭晓旭; 康立飞; 李瑶; 孙康健
因版权原因，仅展示原文概要，查看原文内容请购买。

基于RGB分量统计的可变区域彩色图像分割算法

基于RGB分量统计的可变区域彩色图像分割算法
王志良;高晓亮;王鲁
【期刊名称】《计算机应用研究》
【年(卷),期】2010(027)011
【摘要】为了能够对彩色图像进行高效的分割,提出了一种可变区域的图像分割算法,利用基于图像全局RGB分量统计信息的活动轮廓模型进行曲线演化,并使用水平集表示轮廓.通过改变和缩小分割区域的策略,将分割过程分为多个阶段进行.在灰度图像的分割算法的基础上,将可变区域策略拓展到彩色图像.实验结果表明,图像中多连通区域的物体能够被准确且快速地分割出来.与现有模型相比,可以自动地完成工作而无须人工干预,并且算法快速方面有明显的改进.
【总页数】4页(P4341-4344)
【作者】王志良;高晓亮;王鲁
【作者单位】北京科技大学,信息工程学院,北京,100083;北京科技大学,信息工程学院,北京,100083;北京科技大学,信息工程学院,北京,100083
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于模糊C均值聚类的多分量彩色图像分割算法 [J], 卜娟;王向阳;孙艺峰
2.基于小波变换的彩色图像RGB分量同分裂编码算法 [J], 邱自华;胡娟;杨华
3.基于单通道 RGB 分量的彩色图像加密算法 [J], 马庆禄;魏悦川;潘晓中
4.统计区域合并的彩色图像分割算法 [J], 郭昕
5.基于S、V分量的模糊C均值彩色图像分割算法 [J], 申铉京;何月
因版权原因，仅展示原文概要，查看原文内容请购买。

一种形态学彩色图像多尺度分割算法

一种形态学彩色图像多尺度分割算法彭启民;贾云得【期刊名称】《中国图象图形学报》【年(卷),期】2006(011)005【摘要】为了对彩色图像进行快速有效的分割,提出了一种用于分割彩色图像的多尺度形态学算法.该算法首先用基于张量梯度的彩色分水岭算法来得到初始分割结果,即局部水平集连通区域,并综合考虑了面积和色彩计算区域间的相似性,构造了区域间的RAG(region adjacency graph)和NNG(nearest neighbor nraph),用于后续形态学处理;接着,基于HSV空间中的色彩全序关系,定义了彩色形态算子;然后采用顶点塌缩算法实现的彩色形态学开闭算子生成了所需的非线性尺度空间;最后,利用图像中的极值点与物体间的对应关系,逐级提取图像中包含的物体来得到分层级的表示,并用区域在不同尺度下熵的变化来决定尺度树的构成,从而完成了彩色图像的分割.试验结果表明,该算法不仅具有出色的形状保持能力,而且可提高计算效率.【总页数】5页(P635-639)【作者】彭启民;贾云得【作者单位】北京理工大学信息科学技术学院计算机科学与工程系,北京,100081;北京理工大学信息科学技术学院计算机科学与工程系,北京,100081【正文语种】中文【中图分类】TP391【相关文献】1.一种基于多尺度形态学的彩色图像边缘检测方法 [J], 商艳丽;王小鹏;夏志成2.基于多尺度的矢量形态学彩色图像边缘检测 [J], 雷方元;郝重阳;王海南;张汗灵3.多尺度形态学在彩色图像去噪中的应用 [J], 贾书香;任小洪;王天文;梁立飞4.基于多尺度形态学的彩色图像滤波算法的研究 [J], 王慧玲;王浩;张岩5.一种融合数学形态学运算的多尺度建筑物分割算法 [J], 於雪琴;左小清;黄亮因版权原因，仅展示原文概要，查看原文内容请购买。

基于色彩空间变换的彩色图像分割方法

162 2019，55（9）
Computer Engineering and Applications 计算机工程与应用
基于色彩空间变换的彩色图像分割方法
李伟斌 1，2，马洪林 1，易贤 1，赵凡 1，李维浩 1 1. 中国空气动力研究与发展中心空气动力学国家重点实验室，四川绵阳 621000 2. 中国空气动力研究与发展中心计算空气动力研究所，四川绵阳 621000
putational Aerodynamics Institute, na Aerodynamics Research and Development Center, Mianyang, Sichuan 621000, China
Abstract：Nowadays, color image is main form of digital images, and its segmentation problem becomes a hot and difficult topic in image processing. Aimed to improve the accuracy and efficiency of color image segmentation, a method based on a color space is presented. The effect of the proposed color space is mainly to increase difference among the three tunnels, thus the color information of images can be fully used. In order to give segmentation results in a high efficiency, the proposed segmentation method takes vector image as the target, follows the background removing idea and applies split Bregman to solve the corresponding minimization problem. Experimental results demonstrate that the proposed method can segment all target parts in image effectively and integrality, which has a highly accuracy. Key words：color image; color space; image segmentation; variational model; split Bregman method

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

2.3
HSV 颜色空间描述 RGB 颜色空间分 3 个通道：Red，Green，Blue，分别
反映颜色在某个通道上的亮度值，缺点在于：(1)改变一个颜色时，3 个通道上的颜色全部需要修改；(2)它是一种不均匀的颜色空间，颜色空间上的距离，并不能代表人眼视觉上的颜色相似性，不适合彩色图像的分割。 HSV 颜色空间是一种面向视觉感知的颜色模型，通常用于计算机图形应用中，它把彩色信号表示为 3 种属性：色调，饱和度，亮度。 HSV 颜色空间反映了人观察彩色的方式，同时也有利于图像处理，并具有 2 个特点： (1)色调和饱和度分量包含了颜色信息，与人感受颜色
第 38 卷第 20 期 Vol.38 No.20 ·图形图像处理·
计算机工程 Computer Engineering
文章编号：1000—3428(2012)20—0184—04 文献标识码：A
2012 年 10 月 October 2012
中图分类号：TP391
基于云模型的多粒度彩色图像分割
[5]
186
计
算
机
工
程
2012 年 10 月 20 日
4
4.1
基于粒计算和云模型的图像分割
HSV 颜色空间的非均匀量化颜色量化技术分为均匀量化和非均匀量化两类。根据
和 [Xj], (i j ) 之间不存在交集，根据“软或”的概念提升思想的云综合方法 [9]并修正云粒合成参数，给定 2 个相邻的云粒 Cgi( Exi, Eni, Hei)、Cgj( Exj, Enj, He j)，合成后得到新的更高层次、更高概念的云粒 Cgk( Exk, Enk , Hek)，于是实现粒度空间 {([ X i ],[Cgi ]), ([ X j ],[Cg j ])} ([ X k ],[Cg k ]) 的转换，其中， [ X k ] {ai b j | ai [ X m ], b j [ X n ]} 。形 (5)利用极大判定法对图像像素 x 进行隶属的选择，成最后粒度空间，实现对图像的分割。极大判定法原理如图 2 所示。
Ex1 En1 He1 Cg1 μ1
光学理论，物体的颜色与光的波长和频率有关，本文对 HSV 颜色空间进行非均匀量化。按人的视觉分辨能力，将 HSV 颜色空间非均匀量化成 256 维，即色调 ( H)16 维，饱和度 ( S)和亮度 ( V)都是 4 维，构造一维特征矢量：
像中有意义的特征或区域提取出来的过程。图像具有复杂的多种特征，如灰度、颜色、纹理、形状、空间关系等。不同的研究者，对其具有的有意义的特征也不相同，认知图像的方法和过程也可能不相同，但对事物认知的本质思想是相同的，即都是从不同的粒度和不同的角度来分析问题、求解问题，然后得到问题的全面的、综合的解 ( 或近似解 )。文献 [6] 将人类的认知能力概括为粒化 (granulation) 、组织 (organization)和因果 (causation)。粒化指将整体分解为部分，组织指将部分合并为整体，因果是指原因和结果的关联。粒计算正是模拟了人脑的这 3 种能力，把现实世界中的某个领域抽象成多个粒，使用粒、粒集以及粒间关系对事物进行认知的。因此，粒计算为处理图像分割问题提供了一种思路，即首先根据图像的某种特征把图像粒化，分解为较细的粒 ( 或称区域 ) ，然后根据某种规则把相近的特征聚合成一个较大粒度的粒，最后由不同粒度的粒聚合
第 38 卷
第 20 期
马鸿耀，王国胤，张清华，等：基于云模型的多粒度彩色图像分割
185
粒计算即研究在给定数据空间上的不同粒度之间的关系和转换。粒计算的基本问题主要包括： (1)如何构建信息粒，即粒化； (2)如何利用粒去计算 (问题求解 )，即粒的计算。前者处理粒的形成、粗细、表示和语义解释，而后者处理怎样利用粒去求解问题。 2.2 云模型简介云模型是用自然语言值表示的某个定性概念与其定量表示之间的不确定性转换模型。设 U 是一个用精确数值表示的定量论域， C 是 U 上的定性概念，若定量值 x U ，且 x 是定性概念 C 的一次随机实现， x 对 C 的确定度 ( x) [0,1] 是有稳定倾向的随机数： : U [0,1] x U
————————————
2
2.1
基本概念
粒计算理论粒计算是当前计算智能研究领域中模拟人类思维和
解决复杂问题的新方法，它覆盖了所有有关粒度的理论、方法和技术，是复杂问题求解、海量数据挖掘、模糊信息处理的有效工具 [2]。信息粒的粗细影响着计算复杂度和问题的求解效率。粒度概念可以用云模型来表示，不同粒度的概念就体现为不同粒度的云粒，不同粒度的云粒构成数据，张清华 1a,1b，徐宁2
(1. 重庆邮电大学 a. 计算机科学与技术研究所；b. 数理学院，重庆 400065；2. 西南交通大学信息科学与技术学院，成都 610031) 摘要：图像信息中存在的不确定性问题会影响图像的分割效果。为此，提出一种基于粒计算和云模型的彩色图像分割算法。研究多粒度认知模型，在 HSV 颜色空间中利用云模型构建彩色图像的信息粒，进行多粒度、多层次的云粒合成，实现彩色图像分割。实验结果表明，与 PCNN 算法和 K 均值算法相比，该算法的分割效果较好。关键词：粒计算；云模型；彩色图像分割；云变换；多粒度；HSV 空间
识别、图像理解、计算机视觉等领域的重要环节。图像分割的目标是将数字图像划分为若干具有某些共同性质的互不相交的区域，将目标和背景分离，为计算机视觉的后续处理提供依据。传统的图像识别、分类方法主要是把图像进行变换，得到一系列特征表达，根据这些特征表达进行识别。不足之处是：很少考虑人眼的视觉模糊机制，当处理有空间频率变化的图像时效果就很差 [1]，且对于复杂的系统，需要描述的特征多、计算复杂度大、实时延误，而基于粗糙集的粒计算方法可以在适当降低精确度为代价的条件下解决这一问题 [2]。基于粒计算的图像处理模型简化了知识表达的维数，降低了计算复杂度，分类精度下降不大，速度更快，减少了迭代细化分类陷入局部最小的问题，而且对强噪音环境也有较好的处理效果。
基金项目：国家自然科学基金资助项目(61073146)；重庆市杰出青年科学基金资助项目(2008BA2041)；重庆市教委科学技术研究基金资助项目(KJ110512) 作者简介：马鸿耀(1985－)，男，硕士研究生，主研方向：图像处理，粒计算；王国胤，教授、博士生导师；张清华，副教授、博士；徐硕士研究生收稿日期：2011-12-02 修回日期：2012-02-22 E-mail：mahongyao0204@ 宁，
Multi-granularity Color Image Segmentation Based on Cloud Model
MA Hong-yao1a, WANG Guo-yin1a, ZHANG Qing-hua1a,1b, XU Ning2
(1a. Institute of Computer Science and Technology; 1b. College of Mathematics and Physics, Chongqing University of Posts and Telecommunications, Chongqing 400065, China; 2. School of Information Science and Technology, Southwest Jiaotong University, Chengdu 610031, China) 【Abstract】Image information contains a lot of uncertainty which may cause the unsatisfactory image segmentation effect. In order to solve this problem, this paper proposes a algorithm of color image segmentation based on granular computing and cloud model. It granulates color images in HSV color space, and cloud-granule concept is generated in multi-granularity and multi-level, finally the color image is segmented. Experimental results show that the proposed algorithm has better performance compares with PCNN and K-means algorithm. 【Key words】granular computing; cloud model; color image segmentation; cloud transformation; multi-granularity; HSV space DOI: 10.3969/j.issn.1000-3428.2012.20.047
1
概述
图像分割是图像分析和处理技术的重要手段，是模式
云模型能很好地表达概念的不确定性、降低概念分层的不确定性，可以有效地研究图像分割中的不确定性问题，解决传统图像分割算法对不确定性信息的忽视和像素不确定性在不同域不一致性的问题 [3]。本文针对灰度特征丢失了颜色特征这一重要属性，利用云模型对彩色图像进行信息粒的构建，实现粒化，并探索一种新的云粒合成方法，以实现对彩色图像的有效划分。
布称为云模型，简称为云，每一个 x 称为一个云滴 [4]。云模型的数字特征用期望 Ex 、熵 En 和超熵 He 来表征，它们反映了定性概念 C 的整体上的定量特征。给定 Ex =0 、 En =3 、 He =0.3 、 n =10 000 时，生成云图如图 1 所示。