导读:本文包含了颜色空间分割论文开题报告文献综述及选题提纲参考文献，主要关键词:RGB,猪肉,大理石纹,图像分割
颜色空间分割论文文献综述
钱蓉,李小金,董伟,王重龙[1]（2019）在《基于RGB颜色空间的猪肉大理石纹分割》一文中研究指出自然光或白炽灯照射下的猪肉图像会因反光作用导致亮斑噪声,且猪肉大理石纹纹理具有细小、分布较散等特点,不利于大理石纹识别。针对上述问题,通过对比多种光源条件,找到最佳拍摄环境,避免图像出现亮斑噪声。提取猪背最长肌横截面图的RGB颜色空间的R、G、B 3个颜色分量图,分别用阈值分割法、模糊C均值聚类分割算法(FCM)和基于高斯核的模糊C均值聚类分割算法(KFCM),对R、G、B分量图进行分割试验,通过图像处理技术自动识别出猪肉大理石纹,研究结果表明KFCM算法在R分量图上的分割结果最优。(本文来源于《江苏农业科学》期刊2019年20期）
王凯,曹晓杰[2]（2019）在《结合颜色空间变换与GrabCut的超声相控阵图像分割》一文中研究指出为实现工业故障诊断的自动化,应先解决超声相控阵无损检测图像的目标分割问题。为此提出一种结合颜色空间变换与GrabCut算法的超声相控阵图像分割方法。该方法改进了传统的GrabCut算法,通过自适应直方图均衡化对超声相控阵图像进行增强,然后结合颜色空间变换和GrabCut算法对目标进行交互式图像分割得到图像目标分割结果。实验表明,与传统GrabCut算法相比,本文所提方法能够更加精确分割出图像中目标,并能克服背景噪声,保留目标图像细节。(本文来源于《智能计算机与应用》期刊2019年04期）
姚学练,贺福强,平安,罗红,万思路[3]（2019）在《基于HSI颜色空间与灰度波动相结合的复杂桥梁蜂窝麻面的图像分割》一文中研究指出针对桥梁蜂窝麻面图像经常存在光照不均、多背景并存的干扰问题,提出了基于HSI颜色空间与灰度波动相结合的复杂桥梁蜂窝麻面的图像分割算法。首先,绘制S分量灰度变化曲线;其次,搜索曲线所有潜在的波峰波谷,并求相邻波峰波谷的高度差;然后,基于灰度像素个数差分值的标准差筛选出部分高度差;最后,基于部分高度差的标准差搜索最佳阈值完成图像的阈值分割。实验结果表明,与二维OTSU法、Niblack法、二维Tsallis熵法等几种算法相比,该算法的分割效果和实时性更好。(本文来源于《计算机应用》期刊2019年03期）
贾新宇,江朝晖,魏雅鹛,刘连忠[4]（2018）在《相对颜色空间下梯度分层重构的分水岭分割》一文中研究指出为了改善传统分水岭算法中的过分割现象,考虑到反射亮光对图像的干扰,提出了一种相对颜色空间下的梯度分层重构的分水岭分割算法。首先将彩色图像由RGB空间转换到与反射亮光无关的相对颜色空间;其次结合图像信息熵获得彩色图像的梯度图像;然后根据梯度直方图的分布信息,对梯度图像进行分层重构;随后采用形态学极小值标定技术对合并后的梯度图像进行强制标定;最后对修正后的图像进行分水岭分割。对不同类型的图像进行分割实验,实验结果显示该算法相比其他3种典型的分水岭算法在分割区域个数、运行时间及区域间差异性指标(DIR)上的表现都较为突出。该算法更符合人眼对图像的感知,分割效果和性能较好,具有较高的鲁棒性和实用性。(本文来源于《计算机科学》期刊2018年S2期）
刘阳,吕晓琪,张明,李菁,谷宇[5]（2019）在《基于RGB和C-Y颜色空间的白细胞分割》一文中研究指出为了解决血细胞图像中白细胞与其它细胞色彩接近、亮度不均匀等问题,采用了一种基于C-Y颜色空间的白细胞分割方法,将原来的RGB图像转化为C-Y图像,分离C-Y图像获得包含全部信息的B-Y颜色分量图像,再根据连通域面积筛选、开运算、像素点操作得到完整的白细胞图像;提取对比度拉伸后的G图像,阈值分割得到细胞核的大概位置,再用连通域面积筛选、开运算方法分割出完整的细胞核图像。结果表明,本文中的算法对嗜酸性粒细胞、淋巴细胞、单核细胞和嗜中性粒细胞图像都具有较好的分割精度,分别取得了94.33%,91.60%,97.72%,98.66%的准确率。本文中的算法能较完整地分割出白细胞,为后续分类研究奠定了基础。(本文来源于《激光技术》期刊2019年04期）
刘赐德,管一弘,赵建军[6]（2018）在《基于颜色空间模型的烟叶图像分割研究》一文中研究指出对于图像分割,在实际运用中尚无通用的算法实现对所有图像分割。针对烟叶图像的分割,传统的基于区域生长、阈值分割等方法分割效果并不理想。为此,文中提出基于颜色空间模型的K-means聚类分割算法。先提取烟叶图像的颜色分量,以RGB颜色分量和HSV分量为聚类样本点进行K-means聚类分割,比较两种算法的结果。结果表明:基于HSV颜色空间模型对烟叶分割效果比较好,适用于对烟叶的图像分割,为准确提取烟叶特征奠定基础。(本文来源于《信息技术》期刊2018年05期）
王礼,方陆明,陈珣,吴超[7]（2018）在《基于Lab颜色空间的花朵图像分割算法》一文中研究指出花朵的图像分割是其自动识别和分类的必要基础。文章提出了一种可快速、精确地分割花朵图像的方法。该方法首先将原始彩色花朵图像从RGB空间转换到Lab空间,并提取出L、a、b叁个分量,然后对图像的L分量、a分量、b分量分别用OTSU算法进行自动阈值分割,从中选取最优的二值图像,利用形态学操作去除噪声,进一步处理后最终得到分割后的彩图。实验结果表明,该方法可精确地分割出图像中的花朵区域。同时发现,白色、浅绿色花朵适合用其L分量分割;红色、粉色、紫色花朵适合用其a分量分割;橙色、黄色、蓝色花朵适合用b分量分割。(本文来源于《浙江万里学院学报》期刊2018年03期）
刘国奇,邓铭,李晨静[8]（2019）在《融合RGB颜色空间的植物图像分割模型》一文中研究指出针对植物图像分割中常见的受复杂背景影响、弱边界及连通性问题,提出一种改进的双凸模糊变分图像分割模型.该模型首先通过RGB颜色空间模型将彩色植物图像划分为两个部分,令植物图像中的目标对象保持原来的颜色,其他部分则设置为与目标对象差异较大的颜色背景,并以提取出的目标对象轮廓作为初始轮廓;其次,使用log边缘检测算子提高对噪声的稳健性,并对植物图像进行图像增强处理;最后在双凸模糊变分模型的基础上提出了一种新的变分分割模型.实验结果表明,该方法把平均JS值提高到95. 68%,实现对莲座植物图像中目标对象边缘轮廓的准确提取,有效解决了受复杂背景影响和像素间的连通性问题.(本文来源于《郑州大学学报(理学版)》期刊2019年01期）
王延年,赵朗月,刘会敏[9]（2017）在《基于混合颜色空间的反应孔图像分割算法研究》一文中研究指出为了准确的分割出卡板上面的反应孔从而不影响和对患者病情的诊断,提出了一种基于Lab颜色空间以及HSV颜色空间的反应孔图像分割方法。根据反应孔图像的自身特点,通过在Lab颜色空间运用最大类间差进行阈值分割,在HSV颜色空间运用全局阈值法进行阈值分割,然后将分割得到的两个结果进行区域合并、滤波,最终得到目标区域。结果表明,该算法能够准确的将反应孔图像从卡板上面分割出来,并有效的抑制了噪声及光照不均带来的影响。(本文来源于《国外电子测量技术》期刊2017年12期）
黄寅[10]（2017）在《基于HSV颜色空间与形态学的车辆目标分割算法》一文中研究指出为了解决车辆目标边缘微弱且背景复杂而导致其难以准确分割的问题,提出了基于HSV颜色空间与形态学的车辆目标分割算法。首先,根据HSV空间内的色度、饱和度特征,构建颜色空间的改进模型,进行分量均衡化处理,达到图像增强的目的;然后根据颜色空间分量关系,对色度和饱和度进行线性运算,达到准确分割车辆,得到包含车辆在内的二值图像;最后,基于形态学颗粒分析,根据结构元素大小逼近目标大小的原则,实现目标特征提取,并完成车辆目标准确分割。验证算法分割结果。实验测试结果显示,与当前分割技术相比,本文算法拥有更高的准确率。(本文来源于《大庆师范学院学报》期刊2017年06期）
颜色空间分割论文开题报告
（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：
为实现工业故障诊断的自动化,应先解决超声相控阵无损检测图像的目标分割问题。为此提出一种结合颜色空间变换与GrabCut算法的超声相控阵图像分割方法。该方法改进了传统的GrabCut算法,通过自适应直方图均衡化对超声相控阵图像进行增强,然后结合颜色空间变换和GrabCut算法对目标进行交互式图像分割得到图像目标分割结果。实验表明,与传统GrabCut算法相比,本文所提方法能够更加精确分割出图像中目标,并能克服背景噪声,保留目标图像细节。
（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。
颜色空间分割论文参考文献
[1].钱蓉,李小金,董伟,王重龙.基于RGB颜色空间的猪肉大理石纹分割[J].江苏农业科学.2019
[2].王凯,曹晓杰.结合颜色空间变换与GrabCut的超声相控阵图像分割[J].智能计算机与应用.2019
[3].姚学练,贺福强,平安,罗红,万思路.基于HSI颜色空间与灰度波动相结合的复杂桥梁蜂窝麻面的图像分割[J].计算机应用.2019
[4].贾新宇,江朝晖,魏雅鹛,刘连忠.相对颜色空间下梯度分层重构的分水岭分割[J].计算机科学.2018
[5].刘阳,吕晓琪,张明,李菁,谷宇.基于RGB和C-Y颜色空间的白细胞分割[J].激光技术.2019
[6].刘赐德,管一弘,赵建军.基于颜色空间模型的烟叶图像分割研究[J].信息技术.2018
[7].王礼,方陆明,陈珣,吴超.基于Lab颜色空间的花朵图像分割算法[J].浙江万里学院学报.2018
[8].刘国奇,邓铭,李晨静.融合RGB颜色空间的植物图像分割模型[J].郑州大学学报(理学版).2019
[9].王延年,赵朗月,刘会敏.基于混合颜色空间的反应孔图像分割算法研究[J].国外电子测量技术.2017
[10].黄寅.基于HSV颜色空间与形态学的车辆目标分割算法[J].大庆师范学院学报.2017