基于改进人工蜂群正余弦优化的红外图像分割方法

针对红外图像背景复杂且分割难度较大等问题,提出了一种改进人工蜂群正余弦优化的红外图像阈值分割方法。首先是将二维Otsu函数作为蜂群算法的适应度函数;其次采用混沌对立的学习方法和差分进化的方法改进了初始化种群和蜜蜂搜索方程;然后利用改进的蜂群算法优化阈值,缩小阈值的搜索区域;最后利用正余弦法计算出全局最优解,该最优解即为分割的最佳阈值。实验结果表明:论文方法与Otsu法、k-means法、区域生长法以及分水岭法相比,图像目标区域分割的平均交并比为84.13,平均准确率为89.18,有效提高了红外图像的分割精度。     

改进人工蜂群优化的K均值图像分割算法

K均值聚类在图像分割时精度较低且缺乏稳定性.人工蜂群算法在对K均值聚类进行优化后存在算法效率不高的缺点.针对以上问题,提出一种改进人工蜂群和K均值聚类的图像分割算法IABC-K.根据人工蜂群算法在蜜源更新和蜜源开采阶段的不同特点,对人工蜂群算法进行了改进.在蜜源更新阶段,采用了最优适应度关联的自适应邻域搜索机制,提高了蜜源更新速度;在蜜源开采阶段,采用了最优适应度关联的线性递减邻域搜索策略,提高了蜜源开采质量.实验结果表明:IABC-K算法在质量、效率和稳定性方面均优于其它类似算法.IABC-K算法可应用在质量和性能要求较高的图像处理领域.     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

基于粒子群优化的Otsu肺组织分割算法

为减少肺组织分割算法的运算时间,提出了一种基于粒子群优化的Otsu肺组织改进自动分割算法。针对传统粒子群优化的二维Otsu算法中二维直方图计算量大、粒子搜索容易陷入局部最优解的缺陷,使用灰度级-梯度二维直方图减少二维直方图的计算量,并减小粒子搜索范围,采用基于粒子空间对称分布的改进粒子群获取最佳阈值。算法实现过程中利用孔洞填充算法去除背景,基于形态学操作去除噪声、修补病变区域产生的孔洞。仿真实验结果显示,本文算法对图像尺寸为512像素×512像素CT图像的阈值分割时间约为0.2s,比基于灰度级-邻域均值二维直方图的粒子群优化的Otsu算法的阈值分割速度提高了约16%。较好地实现了胸腔CT图像的肺组织自动分割,与传统算法相比较,本算法在保证分割精度的基础上分割速度明显提升。     

改进人工蜂群算法在图像分割中的应用

作为图像处理技术的一个分支,多阈值图像分割技术已经越来越吸引人们的注意.然而,很多阈值分割技术计算时间较长,且其随着维数的增加而呈指数性增长.因此,为了提高分割的效率,引入基于改进人工蜂群优化算法的多阈值图像分割技术.在分析了标准人工蜂群算法缺陷的基础之上,从雇佣蜂和观察蜂的搜索公式进行改进,使其能够更有效率地收敛至全局最优,同时采用最大类间方差法(Otsu)作为测试改进算法性能好坏的标准.实验证明,改进后的算法更好地平衡了全局搜索和局部寻优能力,在加快收敛速度的同时提高了寻优精度,获得了良好的图像分割效果.     

基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

一种改进的Otsu阈值分割算法

Otsu法是一个常用的阈值分割方法.该算法是基于一维直方图来确定阈值的,因此仅适合图像目标和背景分布呈正态分布且各像素量和方差基本相当的情况.针对这个不足,文中提出了一种结合邻域信息的改进Otsu算法.实验结果表明,改进算法比传统的Otsu算法有更好的分割效果.     

复杂环境下的自适应红外目标分割算法

针对现有图像分割算法存在分割效果不佳及耗时长等缺点,提出了一种二维Otsu法红外目标阈值分割算法。根据局部邻域熵引入图像背景因子来对图像进行预分类,并采用最佳阈值与类内与类间方差的归一化处理对图像进行图像分类;最终通过约束阈值的搜索范围,来提高算法的准确性与稳定性。实验结果表明,该方法能够对不同类型的图像进行有效的图像分割同时保持较高的编码效率,与其他算法比较,该算法的图像分割效果及消耗时间具有一定的优势。     

基于截距直方图和Otsu融合的弱光图像分割

直线截距直方图Otsu法具有良好的分割性能,但在处理图像的偏暗部分时通常只能将其划分为背景,使得图像大量的细节信息丢失.在分析直线截距直方图算法本质的基础上,提出了一种基于方向模糊导数的Otsu法来对图像的弱光部分进行分割.为了增强算法的普适性,将分割的结果与Otsu算法分割结果进行融合.首先,通过使用方向模糊导数的值来替代像素的邻域均值以更好地分割出图像弱光部分的细节信息并抑制噪声,然后将分割结果与Otsu法分割的结果融合,以得到更精确的阈值分割结果.实验结果表明,与其他多种分割算法相比,本文算法可以更精确地分割图像弱光部分,提供更好的降噪效果.     

基于形态学与二维Otsu相结合的红外图像分割方法

Otsu法是常用的基于阈值的图像分割方法之一,二维Otsu法利用图像的像素灰度值分布及邻域像素的平均灰度分布构成的二维直方图对图像进行阈值分割。由于红外图像具有低对比度、低信噪比、边缘模糊的特点,仅采用二维Otsu对其进行分割,由于噪声的影响,分割后的图像会有边缘信息不清晰以及误分割的问题。针对这个问题,本文提出的形态学与二维Otsu相结合的红外图像分割方法。实验证明,利用形态学可以保留图像基本形状,弥补分割图像细节,并使图像的轮廓更光滑的特点,达到较好的红外图像分割效果。     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

一种快速递归红外舰船图像分割新算法

针对背景复杂、对比度低的红外舰船目标分割问题,提出了一种红外舰船图像分割的新算法.由于二维最大类间方差法不仅反映了图像的像素点灰度分布信息,还反映了邻域空间相关信息,因此有较好的抗噪能力.但是由于其解空间维数的增加,计算量的变化是以指数增长的,而粒子群优化算法可实现高效并行、随机、自适应群体搜索.基于这一特点,提出了基于粒子群优化的二维最大类间方差局部递归分割方法,有利于实现红外图像的实时处理.该方法同样适用于复杂背景下的其他红外目标图像的分割.     

基于改进蜂群优化的图像分割算法

针对图像分割算法各个性能不均衡的问题,提出一种基于蜂群优化与多颜色空间特征提取的图像分割算法.首先,对CIE颜色空间的L分量使用Gabor滤波器提取图像的纹理特征,并且在图像的HSV颜色空间计算图像的局部一致性,共提取图像的7个特征,组成特征向量;然后,本文对蜂群搜索算法进行优化,设计了一个有效的局部搜索算法,使得蜂群可高效地收敛至较优的帕累托最优解;最终,使用改进的蜂群算法对种子区域生长法进行改进与优化,指定种子的最优位置,决定每个种子点一致性准则的最优阈值,并将多准则作为多目标优化的问题,使用蜂群优化搜索帕累托最优解,最终获得分割结果.对比实验结果表明,该分割算法的时间效率、一致性误差以及类内散布度等性能较为均衡,具有较好的实用价值.     

一种新的含噪遥感图像Otsu分割算法研究

Otsu（最大类间方差）是经典的非参数、无监督、自动获取最佳阈值的最优图像分割方法。但是,在用于含噪图像的分割时,Otsu方法并不能取得理想的分割效果。针对这一问题,本文在Otsu分割方法的基础上,给出了一种新的含噪遥感图像分割算法。该算法首先用小波包对含噪图像进行全局阈值的去噪处理,然后利用局部加权回归对图像像素逐一估计去噪,得到去噪后的图像,之后采用Otsu方法对估计图像分割。仿真实验表明：该算法不仅计算量小,具有良好的抗噪能力,而且获得了较好的分割效果。     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。     

基于万有引力搜索算法图像分割的实现

图像分割是计算机视觉中研究的热点和难点之一,原始图像只有在分割之后才能被分析与理解。为了更快更准确地分割图像,本文将万有引力搜索算法和最大类间方差法的双阈值法相结合,提出了一种新的图像分割方法。该方法首先把图像分割的阈值看成引力搜索算法中空间的粒子;其次利用最大类间方差法的双阈值法设计适应度函数;最后,通过粒子在空间中相互的万有引力作用,逐渐逼近最优阈值。实验表明,基于万有引力搜索算法(GSA)的图像分割在运行速度、运行时间等方面要优于传统的图像分割算法,该方法分割后的目标图像更加适合后续的分析和处理。     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。     

采用局部动态阈值的图像分割算法

针对图像全局Otsu分割算法和传统的局部闻值分割算法在复杂背景图像分割中的不足,提出了一种采用局部动态阈值的图像分割算法.首先通过分析图像直方图类型对图像进行划分,并使用Otsu算法确定各个子图像的阈值.然后对阈值矩阵进行平滑和插值处理,使之成为和原图像像素数目相等的新阈值矩阵.最终利用此阈值矩阵完成图像分割.实验结果...