一种具有灰度约束的二维Otsu分割方法研究

当图像中目标类类内方差与背景类类内方差差异较大时,灰度约束Otsu分割法能够获得更好的分割结果。然而,灰度约束Otsu分割法降低了分割阈值,因而更容易受到图像中噪声的影响而出现分割错误。针对这一问题,本文将灰度约束策略推广到了二维Otsu分割法,从而提出了一种具有灰度约束的二维Otsu图像分割方法,即根据二维Otsu分割法的阈值特点选定二维灰度约束值并获得灰度约束二维直方图,而后再使用灰度约束二维直方图选取分割阈值。实验结果表明,本文方法能够更为有效的抵抗图像中的噪声,可以获得更好的图像分割结果。     

图像分割技术在昆虫识别中的应用

以浙江省66种重大检疫性害虫为研究对象,采用Otsu算法实现昆虫图像的分割,取得了较好的效果.首先对昆虫图像进行灰度化处理,加快分割速度,再对灰度图像进行中值滤波,去除大部分噪声,最后,用Otsu算法对灰度化和中值滤波后的昆虫图像进行分割.针对存在的不足,运用数学形态学方法进行修正.首先利用数学形态学中的膨胀和腐蚀运算对昆虫图像进行增强,然后运用Otsu算法对图像进行分割.实验结果表明,将Otsu算法与数学形态学方法结合起来能够有效地提取昆虫图像.     

一种应用于乳腺图像分割的改进Otsu算法

阈值法是一种得到广泛应用的图像分割方法.本文对经典Otsu算法进行了改进,并应用在MIAS和DDSM两个标准乳腺图像数据库的图像分割中.与经典Otsu及最大熵阈值法、迭代阈值法对比,本文方法的乳腺图像分割效果更好.     

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。     

基于粒子群优化的双凸透镜缺陷Otsu阈值分割算法

为提高双凸透镜在实时缺陷检测时阈值分割的速度和精度,提出了改进粒子群优化算法(particle swarm optimization, PSO)优化Otsu双阈值分割(Otsu’s thresholding method)。通过改进粒子群算法的权重函数并引入约束因子增强粒子前期全局搜索能力,提升了后期局部收敛速度;在判断是否陷入局部最优时加入扰动,防止粒子后期陷入局部最优;用粒子当前位置替换全局位置时,为减少粒子资源浪费,通过重新分配位置和速度激活粒子搜索能力,提升了整体粒子群的全局搜索能力。实验证明,采用改进的PSO算法对图像进行双阈值分割,比Otsu双阈值分割节省约52.7%的时间,比PSO+Otsu算法节省约32.3%的时间,而且其阈值分割的精度也得到了提升。     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．     

基于并行四邻域区域生长的遥感图像分割方法

针对当前主流的灰度图像分割算法进行了分析、分类,指出了各类方法的优缺点,提出了并行四邻域区域生长的图像分割算法,将其用于遥感图像的分割,并取得了较好的效果。     

基于区域生长算法的CT序列图像分割

由于人体腹部CT图像纹理结构复杂,灰度差别特别小,边缘又很不明显,本文提出了基于区域生长法的序列图像分割算法.在提取肝脏图像时,将全部序列图像分成若干组,然后利用区域生长算法先分割出每组的第一张图片.对于本组内其余图片的分割,充分利用相邻图片的灰度相似性实现序列图像的分割.对于血管的分割,由于血管在三维空间上的连通性,采用三维区域生长算法实现血管管道的提取.实验结果表明,应用本文算法能得到准确的肝脏及血管分割结果.     

基于Ostu优化的PCNN电力故障区域提取

为更好实现红外图像中电力设备故障区域的提取,提出改进PCNN(脉冲耦合神经网络) 的故障区域提取方法。基于Otsu 算法(大津法,又称最大类间差法) 计算红外图像的最优分割阈值,作为PCNN 迭代的初始阈值。以最大类间方差作为PCNN 模型的收敛判据,实现红外图像自动分割以提取电力故障区域。实验表明,该算法与Otsu、K-means、传统PCNN 方法相比,能够更全面、精确地提取电力故障区域,为后续故障类型识别奠定基础。     

基于鸡群算法的Tsallis熵多阈值图像分割

为了改善Tsallis熵在多阈值图像分割时存在计算量大、耗时长、实用性差的问题,提出基于鸡群算法的Tsallis熵多阈值图像分割方法。首先分析基于Tsallis熵的单阈值分割原理并将其推广到多阈值分割,同时推导出Tsallis熵的多阈值选取公式;其次用鸡群算法求解Tsallis熵函数的最优问题;最后,用穷举法、粒子群算法、差分进化算法及鸡群算法分别对4个典型图像进行多阈值分割,并将各算法的分割数据分别作比较。实验结果表明,鸡群算法能够快速准确地分割复杂图像,且分割效果优于穷举法、粒子群算法以及差分进化算法。     

基于并行粒子群算法的Otsu双阈值医学图像分割

医学图像分割一直是医学影像分析领域的研究热点。由于粒子群优化(PSO)容易陷入局部极小,因此该算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,结合Otsu分割技术,提出了一种基于并行粒子群优化算法的Otsu双阈值医学图像分割算法。在该算法中,将粒子群体分成若干个子群体,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验结果表明,提出的分割算法与传统粒子群算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性,其收敛速度明显优于基于单种群的粒子群算法的Otsu双阈值医学图像分割。     

一种基于Mean-shift算法的稳健的图像分割

提出一种基于Mean-shift的灰度图像分割算法.首先提取图像的灰度值、梯度、邻域特性作为Mean-shift的特征向量,然后用Mean-shift算法收敛于概率密度最大点的特点,找到图像的聚类中心,从而实现了分割图像,增加了梯度和邻域特性的Mean-shift算法分割图像更精确的效果.     

基于IBCC优化算法的多阈值图像分割

图像阈值分割算法中,如何确定最优阈值是关键.使用传统多阈值法对较复杂图像进行分割,存在计算复杂度高、分割速度慢等问题.文章将细菌群体趋药性优化算法和阈值分割算法相结合,并且对细菌群体趋药性算法进行改进,提出了基于改进细菌群体趋药性优化算法的多阈值图像分割算法.实验结果证明,文章提出的算法具有很好的收敛性和稳定性,得到了较好的图像分割效果和图像分割速度.     

基于PCNN的手腕骨图像自动分割方法研究

在骨龄自动评价系统研究过程中,对X射线图像中的手腕骨有效分割是一项艰巨的工作。为了解决棘手的手腕骨分割问题,提出了一种基于脉冲耦合神经网络(PCNN)的自动分割方法。该方法在合理简化传统PCNN模型的基础上,利用图像的灰度迭代阈值确定PCNN的迭代次数,实现了对手腕骨有效分割,分割结果优于OTSU算法、分水岭分割算法、阈值迭代算法。     

基于迭代自组织数据聚类阈值PCNN的图像分割法

基于迭代自组织数据聚类阈值的脉冲耦合神经网络的图像分割算法改进了传统脉冲耦合神经网络在图像分割中由于不恰当的参数选择而导致图像欠分割和过分割的问题.基于迭代自组织数据聚类阈值的脉冲耦合神经网络图像分割算法无需确定参数和循环次数,也不需要用特定原则确定循环结束的条件,只需利用图像中的每个像素点的灰度值进行聚类,然后利用改进的迭代自组织数据算法确定图像的初始聚类数目以及聚类中心,并以此作为脉冲耦合神经网络的最佳阈值,一次点火过程自动完成分割.实验结果表明,这种算法具有较好的分割结果和分割速度,提高了分割的准确性.     

基于局部自适应阈值分割算法的高压线图像检测方法

采用数字图像处理技术,针对高压线及其环境图像的特点,提出一种基于局部自适应阈值分割算法的高压线图像检测方法。利用灰度图像特性,采用图像算术运算方法去除图像背景,以降低后续处理的难度。在检测高压线和滤除“虚假边缘”时,采用图像局部自适应阈值分割算法,弥补Hough变换算法的不足。实验结果表明,该算法能在复杂背景中对高压线进行有效识别。     

局部动态阈值图像分割算法研究

图像分割是预处理图像转入图像分析的关键环节,在图像分析、模式识别中起着重要的作用,采用图像分割可以将图像中感兴趣物像、不感兴趣物像进行分离,实现了提取目标参数、特征的可能性,所以图像分割一直受到人们的重视。提出了一种应用局部动态阈值进行图像分割的算法,通过试验表明:采用局部动态阈值进行图像分割算法在分割复杂背景图像时具有较好的分割效果,是一种有效的分割算法。     

一种改进的指纹图像分割算法

基于自适应动态阈值分割算法,针对采集的指纹图像灰度值不均特点加以改进,提出了一种改进的指纹图像分割算法,结合阈值分割与区域分割,从而使指纹的背景和目标区分开来,这样处理出来的指纹图像效果更好.实验证明,本文提出的指纹图像分割算法能达到很好的指纹图像处理效果.