基于Otsu阈值分割算法的变化检测

本文重点介绍了最大类间方差算法的计算流程,并使用VC++编程实现的该算法进行变化检测,进而与其他变化检测方法进行对比分析.总结最大类闻方差算法的特点.     

基于最大信息熵阈值红外图像分割方法研究

红外图像技术是在飞机检测中使用广泛的图像之一,其最大信息熵阈值分割方法拥有易行、简单、有效的优点,在使用中比较广泛。为了有效分割出实际拍摄的红外目标信号,传统最大信息熵阈值分割方法所求出的最佳阈值和手动切分阈值点存在着一定的偏差。本文提出一种新的预处理方法,使得最大信息熵阈值分割结果在计算最终阈值能更加接近手动分割阈值。     

基于狼群算法优化Snake模型的图像分割算法

针对图像分割中难以分割出精准的目标以及分割速度较慢的情况,使用狼群算法优化Snake模型中的能量函数,逐渐找到目标的位置点。实验表明:该算法避免Snake模型中的能量函数早熟引起的过早停滞在目标伪边缘上,分割出来的目标在精度上有所提高,分割的速度有一定的提高。     

基于小波变换的并行图像分割算法分析与优化

研究了基于小波变换图像处理的可行性,在分析了二维小波变换的数学模型后,改进了基于多处理机的均匀分块并行算法,有效减少了算法中的通信量。该算法具有通信量小、负载均衡等特点,适合实现多级小波变换,符合实际应用中对分辨率的要求。     

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。     

基于灰度图像分割的改进遗传算法

本文在基于灰度图像分割的基础上对传统遗传算法进行改进,提出基于染色体、基因位的改进遗传算法.该方法利用图像的直方图,对进行初始种群预处理,减少遗传算法的迭代次数.实验表明,改进的遗传算法应用于灰度图像分割能取得较好的效果.     

基于信息论的图像分割算法研究

图像处理是一项技术性较强的工作,当前社会,科学技术发展越来越快,人们对图像的认识有了较大的提高,图像处理的难度在不断加大,有的图像本身比较繁杂,在处理时,需要应用先进的处理技术。基于信息论的图像分割算法是图像处理的关键技术,其可以对图像进行识别、压缩、编码等,分割的准确性比较高。本文对信息论进行了介绍,对图像分割算法进行了介绍,还对基于信息论的图像分割算法进行了研究,希望可以推动图像处理事业更好的发展。     

基于局部阈值的图像分割方法

本文提出了一种基于局部阈值的图像分割方法,该方法针对全局阈值处理方法在背景照明不均匀时可能无效的局限性,通过应用形态学开运算、闭运算和最大类间方差得到一个局部变化的阈值函数,然后利用该阈值函数对图像讲行阈值处理,最后得到分割后的图像.Matlab仿真实验表明,该方法运算速度快,能更好的抑制噪声.     

基于聚类分析的医学图像分割综述

聚类分析是医学图像分割的重要方法。针对聚类算法中存在缺少先验知识、人为因素干扰、分割速度慢等缺陷,涌现出了大量的改进算法。结合现有的国内外研究成果,文章对近年来的基于聚类分析的医学图像分割算法、发展现状、发展趋势及部分改进算法进行综述,主要介绍区域生长法、K-means算法、FCM算法、基于密度算法以及AP算法等在医学图像分割领域的应用。     

基于可扩展规则的表格图像分割

根据表格图像直线交点特征以及表格中标题域与数据域的依赖关系,将表格的布局划分为3类基本布局结构,并以此提出了结构体的定义.在此基础上,提出了一种可扩展规则的表格图像分割算法,该算法不仅可以按照基本的布局结构进行分割,将相互依赖的单元格划分在同一个子表中,而且具有可扩展性的特点.     

基于彩色坐标系的图像分割方法

图像分割是实现图像识别的关键步骤。采用大量实验统计的方法,利用图像中前景颜色与背景颜色的相异性,得出不同彩色坐标系下图像的颜色分布特征,提出最利于分割前景和背景的方法建立YS彩色坐标系,对前景进行有效地定位分割。结果证明,该方法能准确地对图像的前景和背景进行分割。     

基于遗传算法的图像分割技术研究

遗传算法是模拟自然界的遗传选择和自然淘汰的生物进化过程的计算模型,是一种全局优化搜索算法,具有实用性强、稳定性好、适于并行处理及高效等显著特点,在很多领域得到了广泛应用。图像分割是数字图像处理的重要研究领域之一,它对于图像特征提取、图像分析和识别、计算机视觉等有着重要意义。     

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Vega的红外图像仿真技术研究

本文首先阐述了红外图像仿真原理及仿真过程,然后对目标红外辐射、大气传输、光学系统等相关模块进行了深入研究。利用Multi-gen Creator及Vega软件生成了红外仿真图像,同时还得到了考虑噪声的红外仿真图像。     

基于信息熵图像分割算法的若干改进

最大熵阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用。针对原有最大熵阈值法的不足,从3个方面对其进行了改进研究:参数化最大熵分割准则,引入灰度对比度对分割进行评价来选取参数来改善最大熵阈值法的分割性能;加权图像指数熵,引入了信息熵的指数形式并对其加权,依照灰度的分布选取权重,并通过分割后灰度对比度来确定权的参数,更充分地利用了图像的灰度信息;基于高频率灰度信息对原始熵进行变形,充分考虑了高频率灰度对分割的影响。通过对比实验表明,改进算法确定的阈值可以获得更佳的分割效果。     

基于改进遗传算法的双阈值图像分割

将双种群遗传算法用于阈值的选取,仿真结果表明:合适的遗传算子选定后,基于遗传算法的双阈值图像分割方法可以正确有效地分割图像,将遗传算法用于图像处理中,是非常有效的.     

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。     

基于形态学重构的分水岭图像分割算法

提出一种改进后的分水岭算法,运用形态学重构技术对图像进行预处理,并通过距离变换实现图像的区域分割。实验结果表明,相较于传统的分水岭算法,改进后的算法可以有效地遏制过分割现象,提取出连续、准确的单像素宽分割线。     

基于模糊信息处理的图像分割方法研究

图像分割在计算机视觉领域有极其重要的位置,尤其在图像理解、成像目标的识别与跟踪中更是关键技术所在,因为分割技术的好坏直接影响视觉系统的良莠,所以它的影响是巨大的。     

基于脉冲耦合神经网络的图像分割方法

为进一步提高脉冲耦合神经网络(PCNN)在图像分割中的应用水平,本文对PCNN模型作了简化和改进。利用粒子群优化算法实现网络参数优化,从训练图像中提取熵和能量的比值作为PSO的适应度函数,提出了一种参数自适应的PCNN图像分割方法。最后,通过仿真验证所述方法的分割性能,结果表明:与传统PCNN图像分割方法相比,该方法能够有效地实现不同图像的自适应分割,具有一定优越性。