结合JSEG与分水岭方法的彩色图像分割

doi:10.3778/j.issn.1002-8331.2010.21.053

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (21): 185-187.DOI: 10.3778/j.issn.1002-8331.2010.21.053

• 图形、图像、模式识别 • 上一篇下一篇

结合JSEG与分水岭方法的彩色图像分割

孙卫芳^1，2，段智勇¹，朱仲杰²

1.郑州大学物理工程学院，郑州 450001
2.浙江万里学院宁波市数字信号处理（DSP）重点实验室，浙江宁波 315100

收稿日期:2009-08-14 修回日期:2009-11-18 出版日期:2010-07-21 发布日期:2010-07-21
通讯作者: 孙卫芳

Color image segmentation based on JSEG and watershed methods

SUN Wei-fang^1，2，DUAN Zhi-yong¹，ZHU Zhong-jie²

1.Physical Engineering College，Zhengzhou University，Zhengzhou 450001，China
2.Ningbo Key Lab of Digital Signal Processing（DSP），Zhejiang Wanli University，Ningbo，Zhejiang 315100，China

Received:2009-08-14 Revised:2009-11-18 Online:2010-07-21 Published:2010-07-21
Contact: SUN Wei-fang

摘要/Abstract

摘要： 针对JSEG算法在分割过程中需要在多个尺度下反复进行局部J值计算和区域生长，分割过程繁琐、算法复杂度高的不足，提出一种结合分水岭与JSEG的图像分割新算法。新算法在计算得到图像J图后，通过引入分水岭算法直接对J图进行空域分割，在基本保证良好分割效果的前提下，有效降低了原JSEG算法的复杂度、提高了分割效率。

关键词: 图像分割, 静态图像压缩标准（JSEG）算法, 分水岭算法, 区域合并

Abstract: The JSEG is a classic algorithm for color image segmentation.However，it need iterate computing the local J-values and performing region growing under predefined multiple scales，which makes the segmentation process complex and computationally expensive.Hence，to overcome this drawback，a novel method based on joint JSEG and watershed technologies is proposed.The new method implements spatial segmentation for only once with the watershed algorithm after the J-image is acquired，which can effectively reduce the computational load while keeping good perceptual results.Thus，the segmentation efficiency is improved.

Key words: image segmentation, Joint Systems Engineering Group（JSEG） algorithm, watershed algorithm, region merging

中图分类号:

TP391

孙卫芳^1，2，段智勇¹，朱仲杰². 结合JSEG与分水岭方法的彩色图像分割[J]. 计算机工程与应用, 2010, 46(21): 185-187.

SUN Wei-fang^1，2，DUAN Zhi-yong¹，ZHU Zhong-jie². Color image segmentation based on JSEG and watershed methods[J]. Computer Engineering and Applications, 2010, 46(21): 185-187.

[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]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	王德鑫，常发亮. 六足机器人动态目标检测与跟踪系统研究[J]. 计算机工程与应用, 2021, 57(12): 180-185.
[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]	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.
[14]	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.
[15]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.

结合JSEG与分水岭方法的彩色图像分割

Color image segmentation based on JSEG and watershed methods

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