基于侧抑制网络的二维Otsu阈值分割算法

传统二维Otsu阈值分割算法未考虑人类视觉特性,分割结果不符合人眼视觉感受。为此,提出一种二维Otsu算法与侧抑制网络相结合的分割算法。该算法从基于人类视觉系统的侧抑制网络出发,利用侧抑制网络增强中心,抑制周围的特性,通过侧抑制网络处理原始图像,得到侧抑制图像,构建基于像素的灰度信息和侧抑制信息的二维直方图,并采用类间最大方差作为最佳阈值的选取准则。实验结果表明,与传统的Otsu算法和二维Otsu算法等相比,该算法具有较好的对比度、光照强度适应性和间断拟合能力,并能提高对图像噪声的鲁棒性,获得更理想的分割结果。     

基于二维直方图双斜率划分的快速Otsu图像分割算法

为了克服Otsu算法对图像分割的不足,本文在二维Otsu的基础上提出了基于二维直方图双斜率划分的快速Otsu分割算法,该算法将二维直方图上像素点之间关系转化为斜率值,构建斜率值与频率的一维直方图,利用双阈值Otsu对灰度斜率的一维直方图取双阈值,利用求出的双阈值（临界斜率）对图像二维直方图进行重新划分,对划分的图像二维直方图的有效区域,再次利用一维Otsu方法划分,从而得到最终结果。最后通过实验,验证此方法有较强的抗噪性,比二维Otsu方法计算效率高,处理效果好。     

基于改进交叉视觉皮质模型的图像分割新方法

从人类视觉特性出发,将具有“中心抑制,周边加强”性能的人眼视觉侧抑制现象与交叉视觉皮质模型相结合,形成了一种与人类视觉保持一致的适合图像分割的侧抑制-交叉视觉皮质模型.在此基础上,利用灰度级-邻域平均灰度级二维直方图,将一维卡方散度推广至二维,构造出了基于最小二维卡方散度的分割准则,进而提出一种实时性高的图像分割新算法.实验仿真表明,这种分割算法效果优于原始ICM算法和经典的Otsu算法,同时该准则计算速度远高于基于二维最小交叉熵准则的计算速度.     

一种结合粒子群算法和自适应加权窗的二维Otsu图像分割新方法

针对传统二维Otsu门限分割方法中滤噪和小目标保持性能的不足,提出了一种基于自适应加权窗的二维Otsu门限分割的新方法。新方法对二维Otsu的部域窗口设置方法做了改进,使用中心点的局部平稳特征来自适应地确定下一邻域窗口的尺寸大小,然后利用粒子群算法来加快门限的计算速度,从而提高门限分割的性能。实验结果表明:与目前广泛使用的一维Otsu、二维Otsu方法以及直线型门限二维Otsu方法相比,新方法有着更好的门限分割效果,并且有更好的噪声抑制和目标保持效果。     

基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法

为了克服图像噪声对图像分割结果的影响,利用图像中与像素具有相似邻域结构的像素提取当前像素的非局部空间信息,构造了基于像素的灰度信息和非局部空间灰度信息的二维直方图,并将此二维直方图引入到Otsu曲线阈值分割法中,提出了基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法。实验结果表明,该方法能进一步提高原始二维Otsu曲线阈值分割法对于图像噪声的鲁棒性,获得了更加理想的分割结果。     

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法.该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割.实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想.     

基于梯度阈值对象提取的图像检索技术研究

为加强图像检索领域中图像有效特征的提取,提出一种基于对象提取的图像检索技术.该方法采用二维Otsu梯度阈值选取的快速迭代算法,利用灰度级-最大梯度二维直方图进行阈值选取,同时采用迭代思想代替穷举搜索,快速选取阈值进行对象分割,提取出目标对象,克服了传统二维Otsu算法分割效果不够准确、计算复杂度较高的缺点.将分割出的目标对象进行特征提取与比对,用于检索系统进行检索.实验结果表明,该算法能够较准确的分割出适于图像检索的对象,同时可以得到较高的查准率.     

基于遗传算法的二维最大类间方差图像分割算法

为解决传统二维最大类间方差(Otsu)阈值分割算法处理图像时计算复杂度高、实时性差、易受噪声干扰等问题,本文将遗传算法应用到二维Otsu法中,提出一种基于遗传算法的最大类间方差法的灰度图像分割算法.二维Otsu算法考虑了图像的灰度信息及邻域空间的相关信息,以保证图像分割的精度;利用遗传算法则能提高运算速度.因此,基于遗传算法的最大类间方差法的灰度图像分割算法兼有二者优点,不仅提高运算速度而且能保证图像分割精度.     

一种基于K-L变换和Otsu阈值选择的彩色图像分割算法

提出了一种基于K-L变换和Otsu阈值法的彩色图像分割算法.该算法选取HSV彩色空间对图像进行处理,对色度使用K-L变换使其降为一维.考虑到人眼视觉特性,对亮度和色度分别用Otsu阈值法处理,得到图像的二维特征图.最后将具有相同二维特征的邻接像素合并即完成分割.仿真结果表明,该算法有效地提高了分割的速度和质量.     

二维Otsu阈值法的快速迭代算法

提出二维Otsu阈值法的快速迭代算法.针对传统二维Otsu阈值法及改进的递推二维Otsu阈值法等具有高计算复杂性的不足,假设被分割图像及其邻域平滑图像形成的二维联合直方图是连续二元概率分布函数的条件下,利用求多元函数极值的方法得到二维Otsu阈值法的快速迭代算法.大量实验结果表明,本文方法是可行的且有良好的分割性能.     

结合伪彩色与上下文感知的肺癌PET图像分割算法

由于肺癌PET成像质量较低且待分割区域边界没有明显的灰度差,使得基于颜色特征的图像分割算法不能做到有效分割。本文提出了结合伪彩色与上下文感知的肺癌PET图像分割算法。首先,将原始的肺癌PET图像根据彩色查找表生成对应的伪彩图;然后,使用改进的上下文感知模型获得伪彩图对应的显著图,并采用大津法对显著图进行二值化处理,初始化显著图的分割区域;最后,使用改进的GrabCut算法迭代分割图像。算法应用于肺癌的PET图像分割。实验结果表明,本文算法有效提升肺癌PET图像的分割效率、提升分割精度,取消GrabCut算法、Snake算法的用户操作,实现图像分割自动化,具有较高的可靠性、执行效率、以及实际应用价值。     

基于三维Otsu法的红外图像阈值分割

常用的阈值分割方法在对红外图像进行分割时,由于红外图像本身的特点,会出现准确性不高的问题。为此,提出一种基于灰 度-平均灰度-梯度直方图的三维Otsu法,使用稀疏矩阵和改进的粒子群优化(PSO)算法,并在标准PSO算法中加入判断早熟停滞的因子,进行最佳阈值的选取,以提高运算速度,保证准确度。实验结果表明,该方法能够快速有效地对红外图像进行分割。     

复杂背景下小麦叶部病害图像分割方法研究

针对复杂背景下小麦叶部病害图像分割问题,以小麦条锈病、叶锈病为研究对象,提出一种结合K-means聚类、Otsu阈值法等多种方法的分割策略。主要分三个步骤将小麦病斑图像分割出来:首先,利用背景与叶片a*b*分量的差异性,采用K-means聚类分割方法,去除泥土、杂草、阴影等背景,分割出小麦植株图像;其次,利用Otsu动态阈值法进行二值化处理,并结合数学形态学运算及面积阈值法分割出带有病斑的主要小麦病害叶片图像;最后,采用K-means算法对小麦病害叶片图像进行聚类运算,最终分割出小麦病斑图像。利用该方法进行分割实验,分割准确率达到95%以上,分割效果理想,为小麦叶部病害图像分割提供了参考,也为后续的小麦病害识别和诊断提供了基础。     

改进人工蜂群算法在二维Otsu图像分割中的应用

为了迅速准确的分割图像,通过对传统蜂群算法选择蜜源方式和缺陷蜜源的调整,提出了一种基于改进的人工蜂群算法分割二维Otsu图像的新方法. 此方法把图像阈值由人工蜂群算法中的蜜蜂表示,通过引领蜂、侦查蜂和跟随蜂之间的信息共享和分工协作来求出最佳阈值,成功解决了传统二维Otsu图像分割计算量大、运行时间长的缺陷. 实验结果表明,所提出的算法不仅能得到理想分割结果,而且分割速率快.     

基于图像边缘信息的2维阈值分割方法

为了改善2维阈值分割性能,提高图像分割的效率,在传统2维Otsu阈值分割算法的基础上,提出了一种基于图像边缘信息的2维阈值分割方法。这种改进的方法保留了2维Otsu阈值分割算法分割结果准确的优点,并在此基础上充分利用图像的边缘信息,通过分析图像的边缘直方图和阈值的关系来得到最优分割阈值。仿真实验结果表明,该方法与传统2维分割算法相比,不仅计算简单,而且实时性好。     

复杂背景下的多姿态人眼定位

针对彩色图像中人脸在复杂背景及多姿态下眼睛定位困难的情况,提出了一种基于肤色分割与Gabor滤波的人眼定位方法。首先采用粒子群算法优化改进的最大类间方差(Otsu)对图像进行肤色分割,找到人脸的候选区域;然后构造Gabor滤波器对候选区域进行滤波;最后经过灰度投影得到眼睛的精确位置。仿真结果表明,该分割算法在复杂背景和多姿态情况下的人眼定位中有明显优势,对于现实环境中的人脸识别有重要意义。     

A multi-scale 3D Otsu thresholding algorithm for medical image segmentation

Thresholding technique is one of the most imperative practices to accomplish image segmentation. In this paper, a novel thresholding algorithm based on 3D Otsu and multi-scale image representation is proposed for medical image segmentation. Considering the high time complexity of 3D Otsu algorithm, an acceleration variant is invented using dimension decomposition rule. In order to reduce the effects of noises and weak edges, multi-scale image representation is brought into the segmentation algorithm. The whole segmentation algorithm is designed as an iteration procedure. In each iteration, the image is segmented by the efficient 3D Otsu, and then it is filtered by a fast local Laplacian filtering to get a smoothed image which will be input into the next iteration. Finally, the segmentation results are pooled to get a final segmentation using majority voting rules. The attractive features of the algorithm are that its segmentation results are stable, it is robust to noises and it holds for both bi-level and multi-level thresholding cases. Experiments on medical MR brain images are conducted to demonstrate the effectiveness of the proposed method. The experimental results indicate that the proposed algorithm is superior to the other multilevel thresholding algorithms consistently.     

综合边界和纹理信息的合成孔径雷达图像目标分割

目的 针对传统Grab Cut算法需要人工交互操作,无法实现合成孔径雷达（SAR）图像的自动分割,且方式单一（仅利用边界或纹理信息中的一种）的问题,提出一种综合利用边界和纹理信息的改进Grab Cut算法,实现对SAR图像目标的自动分割。方法 首先将其他格式的彩色或灰度SAR图像转化为24 bit的位图,采用图形理论对整幅SAR图像建模,根据最大流算法找到描述图的能量函数最小的割集,从而分割出目标区域;然后采用中值滤波抑制相干噪声;最后通过邻域生长算法滤除图像斑点和小目标的干扰,从而达到目标边界的连接,实现自动对SAR图像中的目标进行分割。结果 在64位Window 7环境下采用MATLAB R2014处理平台,对楼房、车库、大树、汽车群等4幅分辨率不同的SAR图像进行目标分割实验,特征目标被自动分割出来,耗时分别为1.69 s、1.58 s、1.84 s和3.09 s,相比Mean-shift和Otsu算法,平均计算效率分别提升150%和3%,并且图像中的背景杂波、目标阴影和干扰小目标均被有效去除。结论 综合利用边界和纹理信息能够有效抑制相干噪声,去除图像斑点和小目标的干扰,从而达到目标边界的连接,实现对SAR图像目标的自动分割。实验结果表明,本文算法可以满足工程化应用要求,自适应性强,分割精度高,且具有较好的鲁棒性。     

基于广义调和均值距离的图像分割新算法

提出了基于广义调和均值距离的最小偏差图像阈值化分割新算法。Otsu阈值法是图像分割中最典型阈值法之一,因其计算简单、速度快和性能稳定等优点而在图像分割中得到广泛应用;但是,传统Otsu阈值法是基于欧式距离的最小偏差阈值法,由于欧式距离没有可调节参数而导致Otsu阈值法分割图像缺乏鲁棒性。首先将Otsu图像分割法中的欧式距离用广义调和均值距离代替并得到一种具有鲁棒性的图像分割新算法,其次给出该算法中参数选取办法。大量实验结果表明,新的图像分割算法相比Otsu法更有效。     

Skin cancer extraction with optimum fuzzy thresholding technique

This paper discusses a new approach to segment different types of skin cancers using fuzzy logic approach. The traditional skin cancer segmentation involves the analysis of image features to delineate the cancerous region from the normal skin. Using low level features such as colour and intensity, segmentation can be done by obtaining a threshold level to separate the two regions. Methods like Otsu optimisation provide a quick and simple process to optimise such threshold level; however this process is prone to the lighting and skin tone variations. Fuzzy clustering algorithm has also been widely used in image processing due to its ability to model the fuzziness of human visual perception. Classical fuzzy C means (FCM) clustering algorithm has been applied to image segmentation with good results; however, the classical FCM is based on type-1 fuzzy sets and is unable to handle uncertainties in the images. In this paper, we proposed an optimum threshold segmentation algorithm based on type-2 fuzzy sets algorithms to delineate the cancerous area from the skin images. By using the 3D colour constancy algorithm, the effect of colour changes and shadows due to skin tone variation in the image can be significantly reduced in the preprocessing stage. We applied the optimum thresholding technique to the preprocessed image over the RGB channels, and combined individual results to achieve the overall skin cancer segmentation. Compared to the Otsu algorithm, the proposed method is less affected by the shadows and skin tone variations. The results also showed more tolerance at the boundary of the cancerous area. Compared with the type-1 FCM algorithm, the proposed method significantly reduced the segmentation error at the normal skin regions.