最近做了一些关于颜色空间的图像分割的研究,略有心得体会
最常见的应该是rgb颜色空间模型,还有LAB颜色空间,HSV颜色空间,这是我经常使用的,偶尔会用用XYZ,XYZ的话似乎可以在单通道中可以再次进行通道分离,具体怎么应用还不清楚。
然后谈谈关于颜色空间的应用。
稻谷分类,脱壳未脱壳我用的rgb和hsv模型中的两个通道。首先使用图像分割,将一粒一粒的稻谷分割裁剪出来,然后背景颜色置零,这个时候可以将稻谷的r,g,b,h,s,v通道分离出来,求出他们的平均值,然后使用聚类,SVM等算法可以很好的区分出来,分离效果非常好,准确度达到了96%以上。
血管分割用的是rgb模型中的g通道,然后使用直方图均衡化,在使用多模态模型方法也可以很好的将其分割出来,无论是开源的视网膜图像或者是私有数据集,调整一下参数,就可以很好的解决,如果需要发文章的话,将传统的图像分割方法的几个重要参数使用神经网络或者遗传或者粒子群算法进行回归拟合寻优,也可以发个不错期刊,至少核心以上,英文四区三区也还可以,因为神经网络虽说是已经玩烂了,但是神经网络和优化算法结合寻优还是非常少的,结合一下好的应用场景,也不在话下。
植被遥感图像分割等,将颜色空间各自的特点结合,多种颜色空间多模态结合,也是很少有人研究的,目标植被和非目标植被之间会有颜色,亮度,饱和度等的差异,用优点弥补缺点,也是一个应用创新的方向。
其他的应用场景都可以根据目标的特点使用对应的方法,结合多种方法基本都可以解决,毕竟交叉学科也是一个热点。
传统的图像分割还是有它存在的地位,不会说是神经网络的出现一定能取代它的位置,神经网络内部结构的黑盒模型就决定了它一定存在局限性,所以,未来的话肯定是传统图像的分割参数越来越多,眼花缭乱,传统图像分割方法和深度学习图像分割方法我觉得可以解决遇到的绝大多数问题。
大家有什么问题可以互相讨论讨论,欢迎辩解,讨论,一起研究进步。
转载说明一下哈……
另外有需要参考代码或者什么学习内容的都可以私聊我,欢迎共同进步!