基于区域的烟尘图像分割方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (13): 193-195.

• 图形、图像、模式识别 • 上一篇下一篇

基于区域的烟尘图像分割方法

张晓梅¹,王诚梅¹,韩琥^2,3

1.山东大学计算机科学与技术学院，济南 250061
2.中国科学院计算所智能信息处理重点实验室，北京 100080
3.中国科学院研究生院，北京 100049

收稿日期:2007-11-08 修回日期:2008-01-31 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 张晓梅

Region based segmentation methods for soot image

ZHANG Xiao-mei¹,WANG Cheng-mei¹,HAN Hu^2,3

1.School of Computer Science and Technology，Shandong University，Ji’nan 250061，China
2.Key Lab of Intelligent Information Processing，Institute of Computing Technology，CAS，Beijing 100080，China
3.Graduate University of Chinese Academy of Sciences，Beijing 100049，China

Received:2007-11-08 Revised:2008-01-31 Online:2008-05-01 Published:2008-05-01
Contact: ZHANG Xiao-mei

摘要/Abstract

摘要： 烟尘图像分割是图像分割方法的一个较新的应用方向。高效、准确的烟尘图像分割技术对于大气污染监控、森林火灾预警以及军事情报获取等方面都有重要的意义。将阈值分割、区域生长、区域分裂与合并等基于区域的方法用于烟尘图像分割，并对三种分割方法在烟尘图像分割中的性能表现进行了分析。研究结果对烟尘图像分割中算法的选型具有一定的参考价值。

关键词: 烟尘图像, 图像分割, 阈值分割, 区域生长, 区域分裂与合并

Abstract: The segmentation for soot image is a new application for soot image segmentation methods.It is important to segment soot images accurately and efficiently for surveillance of atmosphere pollution，forewarning of forest fire as well as acquirement of military information.In this paper，region based segmentation methods，such as threshold，region growing and region split and merge，are used to implement the segmentation for soot images.Also，the performance of three methods for soot image segmentation is analyzed and compared.The study can be useful for the selection of segmentation methods for soot image segmentation.

Key words: soot image, image segmentation, threshold segmentation, region growing, region split and merge

张晓梅¹,王诚梅¹,韩琥^2,3. 基于区域的烟尘图像分割方法[J]. 计算机工程与应用, 2008, 44(13): 193-195.

ZHANG Xiao-mei¹,WANG Cheng-mei¹,HAN Hu^2,3. Region based segmentation methods for soot image[J]. Computer Engineering and Applications, 2008, 44(13): 193-195.

[1]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[2]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[3]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[4]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[8]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[9]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[12]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[13]	韩纪普，段先华，常振. 基于SLIC和区域生长的目标分割算法[J]. 计算机工程与应用, 2021, 57(1): 213-218.
[14]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[15]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.

基于区域的烟尘图像分割方法

Region based segmentation methods for soot image

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics