基于Renyi熵的图像模糊阈值分割

针对图像阈值分割问题,基于Renyi熵与模糊集理论,构造出一种模糊Renyi熵用于图像直方图阈值化分割。在建立的模糊Renyi熵基础上,依据最大熵原则获取用于阈值分割的最佳阈值。通过在大量真实图像上的实验,验证了提出方法的有效性。     

改进的逼近迭代法在帘子布疵点识别中的应用

数字图像分割对于图像处理来说是很关键的。在逼近迭代的基础上引入了信息熵的概念。文中算法改变了逼近迭代法中循环终止条件,并且使阈值的选取自适应地根据分成的目标与背景的频数比率来确定,使其均值更能接近整幅图的期望值,结果更精确。实验结果表明,与直方图双峰法、最大类间方差法（Otsu法）、逼近迭代法相比,文中方法能有效克服背景和目标灰度对比度不大造成的困难,分割所得的图像最清晰、完整,去噪能力最强。     

基于二维Havrda-Charvat熵与混沌粒子群优化的图像分割

图像分割是目标识别与跟踪的基础,为了精确地实现目标分割,提出了二维Havrda-Charvat熵红外图像分割方法。利用图像的二维直方图,二维Havrda-Charvat熵分割方法不仅考虑了图像像素的灰度信息,而且还充分利用了像素的空间邻域信息,能取得比一维熵方法更好的分割结果。为了降低二维熵阈值搜索时间及准确地获得最佳分割阈值,设计了基于Kent映射的混沌粒子群优化算法。在红外小目标图像上的实验结果表明,提出的方法能获得比较好的分割结果,同时大幅度降低了CPU计算时间,与其它方法的比较也说明了所提出方法的有效性。     

基于改进自动语义标注的图像识别方法

当前图像识别采取边缘算子切割技术,图像目标边缘会出现一些灰度急剧变化的情况.采用阈值法,图像中存在的阴影,照度不均匀,各处的对比度不同的情况,所以不能采用全局阈值法,而采用局部阈值法,即将图像划分为若干个小图像,先对各子图像用阈值法进行分割,再将分割后的小区域合并在一起,得到整幅图像的完整分割结果,这样,不同的区域由于不同的情况,就可以选取相应的阈值,达到最好得分割效果.     

一种基于最大熵的改进型PCNN图像分割新方法

提出了一种基于最大熵的改进型PCNN图像分割算法。该算法对传统的PCNN模型进行了简化,采用线性方式调整动态阈值函数,采用最大熵确定PCNN网络的循环迭代次数,并对神经元反馈输入函数进行了修正,实现了对图像的最优分割。仿真实验结果表明,该方法能获得视觉效果较好的分割效果并具有较强的普适性。     

基于DSP和FPGA的激光图像处理系统研究

为提高激光图像的处理速度和精度,提出了一种基于DSP和FPGA的激光图像处理方法。通过FPGA实现图像数据预处理,大幅缩减DSP运算量,进而提高了DSP的处理速度。基于脉冲耦合神经网络设计了一种激光图像分割方法,根据图像像素的灰度分布特性以及噪声响应特点自适应调整神经元的关键参数;同时可实现噪声位置神经元行为的抑制;利用最大二维Renyi熵准则确定了一种梯度下降法,可用于确定神经元的动态阈值。为验证所述算法的图像处理效果,文中与最大类间方差分割算法进行了对比。对比结果表明:所述算法的CI值可以达到0. 417,图像分割效果比较理想;分割速度和准确性明显优于最大类间方差分割算法,具有较高的实践价值。     

基于最大信息熵原理的显微细胞图像多阈值分割算法

文章应用最大信息熵原理,实现了显微细胞图像的多阈值分割。选用图像像素灰度值和各灰度值在图像中出现的概率构成一维灰度直方图,针对显微细胞图像多域值分割的要求,将一维灰度直方图划分成3个独立的子块,确定各个子块的信息熵。根据最大信息熵原理,当总的信息熵为最大值时,确定的阈值t1、t2为最佳分割阈值。     

基于BA*优化Otsu的电力设备红外图像分割

红外图像感兴趣区域(ROI)分割是电力设备故障智能诊断技术的关键步骤之一,针对分割过程中最大类间方差(Otsu)法阈值选取困难、耗时量大的问题,提出了一种基于改进蝙蝠算法(BA*)的Otsu分割方法。为加快蝙蝠群收敛速度,引入Logistic函数模型更新蝙蝠算法脉冲响度因子,使用BA*搜索Otsu最佳分割阈值。结果表明:相比于Kapur法、Kittler法、PSO+二维熵法,该方法提高了图像分割精度,与蝙蝠算法(BA)优化Otsu的分割法相比,该方法的收敛性能更加优越,有效地解决了红外图像阈值分割的问题,为后续设备温度场特征提取与分析奠定了基础。     

三维脑分割中灰度阈值的选取方法

三维人脑体数据分割是医疗图像处理中的一项重要技术,其中阈值的选取最为关键。在介绍了3种具有代表性的图像阈值求取方法的基础上,将它们分别用于分割实验;从实验效果及算法性能两方面对这3种方法进行比较,结果表明模糊最大熵结合遗传算法求取阈值的方法效果较好,受噪声影响小。     

一种基于图像区域最大熵的特征信息提取系统

利用最大熵原理动态地为源特征信息设定分类阈值,将最大熵原理应用于对扫描仪生成图像的特征信息识别分类器设计中,从图像文件中提取特征信息。最后将特征信息存储在相应数据库中,用户则通过建立在此数据库上的各种Web应用了解相关信息。     

基于直方图的迭代式自动阈值分割技术研究

首先介绍了直方图及其实现,进行了灰度处理,最后对迭代式自动阈值法技术进行了研究,介绍了其核心思想以及算法的实现,完成了图像阈值分割。     

刮板输送机中部槽焊缝缺陷机器视觉识别

焊缝透视的数字化图像由CCD摄像机拍摄焊缝胶片来获取,对图像进行中值滤波和小波变换等去噪处理,分割图像用熵关联法,roberts确定缺陷边缘,提取缺陷,分析焊缝缺陷特征,选取识别参数,建立了识别焊缝缺陷的支持向量机模型。实验结果表明该方法识别率高、稳定性良好。     

基于改进遗传算法的最佳阈值的图像分割

设计了改进的遗传算法,通过内外两层的选择、交叉和变异等遗传操作,快速逼近最佳阈值,大大缩短最佳阈值图像分割中阈值的选取时间,提高分割效率;通过实验比较,证实改进的遗传算法在最佳阈值的图像分割上优于传统的遗传算法。     

一种获取脑部MR影像标记点的新方法

本文提出了一种获取脑部MRI影像标记点的新方法,该方法基于脑部影像的灰度介于非脑组织灰度与背景灰度之间这一先验知识,依据图像的灰度分布特性获取图像的两个阈值,通过对图像进行平滑减少了噪声引入的极小值点的数目.针对三种梯度算子分别进行了试验,采用Roberts算子来计算图像的梯度,然后荻取梯度图像的极小值点.并选取位于阈值值之间的极小值点作为标记点.根据这些标记点,对脑部影像应用分水岭算法,实现了脑部轮廓的提取.     

基于色差与梯度特征的冰糖橙图像自动分割

冰糖橙图像的快速有效分割是冰糖橙采摘机器人视觉系统研究的重要步骤。针对采用传统阈值分割法对水果灰度图像分割的不足,提出了基于色差法与梯度特征的冰糖橙图像分割算法。该算法利用图像颜色特征中R与G分量色差的绝对值和图像边缘梯度特征相结合,运用最大类间方差法对图像进行分割。此方法与传统方法相比,分割效果更好,处理速度快,分割一幅图像仅需0.1017秒,符合冰糖橙采摘机器人的实时视觉系统识别。对分割后的图像进行形态学处理,进一步提高图像效果。     

变电站设备红外检测图像分割及故障诊断技术研究

针对变压器红外检测中存在图像清晰度不足、故障位置指示不明显的问题。本文提出将改进稳健模糊核聚类算法(IRKFCM)应用到散热器红外检测图像分割中,以提高散热器的故障诊断正确率。通过将红外设备采集到的散热器实时图像信息融入到改进的稳健模糊核聚类算法,根据图像所包含的灰度信息和空间信息对其进行进行区域分割,并引入聚类中心的初始化方法有效减少迭代次数,增强算法的稳健性。实验表明该算法相对于FCM分割算法能准确有效地分割出有故障的散热器片和位置,精度满足系统要求。     

基于改进的区域生长与GVF snake的超声图像分割

针对传统的区域生长法应用于超声图像时,在选取相邻的生长阈值的情况下会分别出现欠分割与过分割而导致分割失败的现象,提出一种改进方案,在生长之前先将每个待生长像素进行压缩之后再与种子点进行比较,并通过改进的方案与各向异性滤波技术的结合获得超声图像目标区域并提取其轮廓,然后将此轮廓作为GVF Snake模型的初始轮廓收敛获得最终的分割结果。通过对临床采集的超声图像进行的实验结果表明,改进后的区域生长法能成功地应用于超声图像,并能很好地作为GVFSnake的初始模型从而获得理想的分割结果。     

新疆地方性肝包虫CT图像纹理特征的分类研究

纹理特征是图像分析的重要线索,灰度共生矩阵法提取的纹理特征具有很好的鉴别和分类能力。本文运用灰度共生矩阵分析新疆地方性肝包虫CT图像并进行特征提取,对图像进行尺寸归一、去噪和增强的预处理,计算0°,45°,90°和135°方向的能量、熵、对比度、相关性和逆差矩的均值,构成特征向量,并进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。实验结果表明,灰度共生矩阵法提取的特征在统计分析中存在差异,最大类间距计算获得的特征能提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。     

图像阈值分割方法的研究

图像的检测、识别技术广泛应用于各个领域,而阈值分割法在图像预处理过程中是比较基本的图像分割方法.该文从现有的各种图像阈值分割的方法进行了比较以及分析,重点介绍并研究了基于图像灰度值的阈值分割方法.     

一种基于KNN纹理分类的超声图像自动分割方法

针对HIFU超声图像中目标的自动识别和分割进行了研究。提出了一种结合了动态阈值分割和K-最近邻(KNN)纹理分类方法的全自动图像分割方法。首先对图像进行预处理,减小噪声干扰。然后进行动态阈值分割,得到包括目标轮廓在内的很多轮廓。同时利用KNN纹理分类方法对预处理后的图像进行分类,其中用到的纹理特征通过灰度共生矩阵计算得到。接着将动态阈值分割结果与KNN分类结果做一个与运算,与运算以后的结果通过形态学操作和区域滤波就得到准确的目标区域轮廓。从对HIFU超声图像的分割结果和对该方法的评价结果来看,该全自动图像分割方法是可行并且有效的,有可能进一步将其投入实际应用中去。