1) color area segmentation
彩色区域分割
1.
This paper uses a license plate location method based on gradient projection and color area segmentation to realize the crucial procedure—license plate recogni.
尝试使用梯度投影与彩色区域分割相结合的方法来实现车牌识别系统中的关键步骤——车牌定位。
2) color region segmentation
颜色区域分割
1.
This paper introduces an algorithm for digital inpainting based on color region segmentation.
该文提出一种基于颜色区域分割的图像修复方法,其目标匹配块的搜索限定在源样本块所覆盖的颜色区域中。
3) Color segmentation
色彩分割
1.
Non-rigid object tracking via color segmentation and part model match;
基于色彩分割与局部模型匹配的非刚性目标跟踪
2.
A new license plate location method, which is based on color segmentation,license plate shape analysis and mathematic morphology operation, is presented.
本文提出了一种基于色彩分割、体态分析及数学形态学纹理分析的车牌定位方法。
3.
The image processing procedure such as color segmentation, run length encoding (RLE), connected components finding, and region merging are introduced .
介绍了相关的图像处理过程,包括色彩分割,游程编码,邻接色块查找,区域合并等。
4) color segmentation
彩色分割
1.
One of the problems of Self-Organizing Maps in color segmentation is that the numbers of clusters should be specified in advance and the success of the clustering algorithm largely depends on the specified number of clusters.
针对利用一维自组织映射进行彩色分割时聚类数目应该根据经验人为预先设定这一问题,基于误差平方和准则,提出了一种根据误差平方和的变化速率来自动地确定类数的方法。
2.
Another method is to use color segmentation and multiplayer perceptron classifier.
本文中提出了两种提取方法 ,即利用扫描行离差数据、有效谷峰点特征及先验知识来初步定位车牌区域 ;采用彩色分割及多级联合混合集成分类器的车牌提取技术 ,通过多层感知器网络对输入彩色图像进行彩色分割 。
3.
An approach for automatic recognition of a vehicle license using color segmentation and hierarchical hybird integrated classifier is presented.
提出一种采用彩色分割及多级混合集成分类器的车牌自动识别方法。
5) color segment
彩色分割
1.
A color segmentation based adaptive weight algorithm is adopted to improve the accuracy of distinctiveness estimation, which has an important influence on the result of disparity matching.
采用基于图像彩色分割的自适应权重方法,提高了DSM算法中像素点显著性估计的准确度,降低了视差匹配的误匹配率;并利用同一彩色区域的像素视差的相关性,缩小了视差匹配的搜索范围,减少了视差匹配的运算量。
6) HSV color segmentation
HSV色彩分割
补充资料：图象区域分割
图象区域分割
image region segmentation
tux一ang quyu fenge图象区域分割(image region义gmentation) 基于图象区域特性的差异对图象进行分割的技术。区域分割的基本思想是标识图象中各个具有相似特征的区域。相似的特征可以是形状、象素值或纹理等。在模式识别中的聚类技术也可用于基于区域的图象分割。 模板匹配基于区域分割图象的一种直接方法是将图象中的区域和一组给定的模板进行比较匹配，从而将符合模板的物体从图象的其它部分中分割出来，而剩余的图象则可根据需要再用其它方法分析。例如，模板匹配可用于分割图文混排的书稿。当文字用模板匹配的方法找出来以后，图形可再用其它方法进行分析。模板匹配的过程往往用相关或卷积计算来进行(参见图象处理的基本运算)。 纹理分俐当物体置于明显的纹理背景中或物体本身具有较强的纹理特征时，就需要利用基于纹理的区域分割方法。由于纹理是某种模式，或者说图案、花样、结构等的重复，所以不能用单个的象素的特性(灰度或颜色)来描述。当然也无法用基于象素的分类方法(参见图象象素分类)。由于纹理经常包含有大量的边缘，因此，除非滤去纹理，否则用边界跟踪的方法分割有丰富纹理的图象很难有好的效果。 纹理的描述与分类是分割的基础(参见图象特征提取)。当我们知道图象中有某种纹理存在时，可利用已知纹理的特征(如该纹理在频域中的描述或空间灰度关系矩阵)在图象中寻找。如果事先没有知识的话，可以采用基于区域的聚类方法进行纹理区域的分割。一种容易想到的办法是:把图象分成若干(小)块，计算每一块的纹理特征，根据特征差别的程度决定是否把小块合并。 区域聚类法聚类法一般可分为区域生长法及分裂合并法。 区域生长区域生长的基本思路是:从满足检测准则的点或一块区域开始，在各个方向上“生长”物体。“生长”的依据是:同一类型区域的特征，如灰度、颜色及纹理特征等，相差不会太远。满足一定合并条件的邻域可以并人该区域。在生长过程中，合并条件可以调整。当再也找不到可合并的邻域时，生长停止。 区域的分裂和合并这个方法的基本思路是:首先将图象分为若干“初始”区域，然后再分裂或合并这些区域，逐步改进区域分割的指标，直到最后将图象分割为数量最少(或符合某一要求)的“基本一致”的区域为止。通常，“一致”性的标准可用特性的均方误差来量度。 与基于边界的图象分割方法(参见图象边缘检测)相比，基于区域生长法和分裂合并法对噪声相对不敏感，但是计算复杂度较高。(俞志和)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条