图像阈值分割的Fisher准则函数法

针对图像分割中的阈值选取问题，通过引入模式识别理论中的Fisher评价函数作为图像分割的准则函数，提出了基于Fisher评价函数法的图像分割新技术。该方法利用图像直方图计算各灰度级下的Fisher评价函数值，其最大值即对应于最佳分割闲值。对该方法进行了详尽的图像分割实验，并与著名的Otsu法、最大熵法、最小误差准则法进行了详细比较，结果表明该方法具有分割性能稳定、计算速度快以及受目标大小影响小等优点，是一种实用有效的图像阈值分割新方法。     

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。     

阈值分解下的冷轧极薄带钢表面缺陷分割

为分割具有低对比度和噪声复杂的冷轧极薄带钢缺陷,在二维Otsu分割算法的基础上进行了改进。为了避免在一个很大的二维空间上搜索阈值,分解二维Otsu分割算法的二维直方图,分别在图像像素灰度直方图和像素邻域灰度直方图上进行阈值求解,并将获得的阈值作为最佳分割阈值。为改善分解过程中忽略的边缘和噪声影响,将平衡因子加入到像素邻域灰度分割阈值求解中。最后通过大量实验对二维Otsu分割算法、量子粒子群双阈值分割算法和改进分割算法的分割结果进行对比分析。实验表明,该算法能够快速高效地分割出冷轧极薄带钢表面的各种缺陷。     

基于遗传优化的一种新型阈值分割方法

图像分割中传统阈值法采用穷尽搜索运算,其速度慢且分割效果受目标均匀性的限制,为此提出一种利用偏态指标作为适应度函数的遗传优化阈值选取方法,提高了运算速度,改善了图像分割的质量.通过该方法与最大发方差(Otsu)法的分割结果进行比较,证实了该方法的有效性.     

双阈值法在图像边缘检测中的应用

利用小波变换模极大值法进行图像边缘检测时,需选择阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,如果对变换后的图像取单一阈值,那么微弱边缘将会因为灰度不均匀、噪声等一并被滤除.针对这一问题,在上述算法中用双阈值法代替单阈值,使得图像边缘连续,同时也能很好地消除噪声,实验结果表明该算法简单实用,易于实现.     

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在数字图像处理中,图像分割技术能够对待处理部分进行分割处理,以突出显示所要研究的目标对象.在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果.实验结果证明,此方法能准确表达图像各个灰度组成部分,克服了传统单阈值分割所带来的缺陷与不足.     

差分算子和改进Otsu算法结合的灰度图像阈值分割研究与实现

在对二值化方法 Otsu算法分析的基础上,提出一种差分算子与改进Otsu算法相结合的新算法。该算法通过差分算子保留原图的边界特征,然后再搜寻出与两类类内均值的平均值,并找出该平均值整数部分相等的阈值,确定一个符合Otsu准则的阈值,,然后将一个大的图像分割成若干小的块进行二值化。实验结果表明,该算法能够较好地保留原图的边界信息,有效地提高了低质量图像识别准确率。     

在车牌识别项目中对阈值选定法的一点改进

汽车牌照的识别在交通管理体系中占着非常重要的地位，而在进行汽车牌照自动识别的过程中，应用一个恰当的阈值对图像进行二值化处理是整个识别过程的基础，适当的阈值会减轻后续工作量。介绍了几种阈值选定办法，并在大津法的基础上针对车牌这种特殊图像的识别作了一点改进。     

基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他三种改进算法进行了比较.结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维Otsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分Otsu快速递推算法的1/4,不到文献[11]中快速算法的4%.     

标定板图像二值化中阈值自动选取的一种方法

在机器视觉测量系统中,采集到的标定板图像往往存在光强不均的情况,只用一个阈值对整幅图像进行二值化往往达不到预处理要求.将图像分为几个区域,对每个区域结合Otsu方法和统计学理论,利用均值和方差自动选取闽值,进而对此区域进行二值化.与传统的方法相比较,该算法计算量小,公式简单,实现容易,提高了处理速度,实验结果达到了预期要求.     

基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。     

基于粒子群算法的二维Otsu阈值分割法

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用粒子群算法来求解最优二维阈值向量。通过分别用快速递推算法和改进粒子群算法对显微细胞图像的实验表明,后者不仅能得到理想的分割效果,且相较于前者,计算量大大减少,达到了快速分割的目的,有利于提高图像处理的实时性。     

图像的阈值分割法设计

图像分割阈值法具有实现容易、计算量小、性能稳定等优点,因此这种方法成为图像分割领域中应用最普遍的方法。主要讨论了关于图像的单阈值分割算法的设计与实现,比较了基于迭代法和基于最大类间方差法的单阈值分割算法,设计了阈值最大类间方差的分割算法及实现程序。仿真结果表明所提出的算法有效,分割效果好。     

全局阈值自适应的高亮金属表面缺陷识别新方法

高反射类零部件在其生产及后期处理过程中,可能会产生划痕、擦伤等表面缺陷,严重影响产品的使用性能和寿命。该类零件表面具有镜面反光特性,易导致检测过程中缺陷目标的漏检、错检。针对这类问题,基于数字图像处理技术,提出一种具备全局阈值自适应调整的高亮表面缺陷识别新方法。首先,构造利用空域和值域信息的滤波方式对原始图像进行处理,保护目标边缘信息;其次,以高斯函数的一阶导数构建Canny最优边缘检测器,结合全局阈值最大类间方差法和形态学图像分割法,完成图像分割以及相应阈值的自适应调整,实现对缺陷目标的识别。实验结果验证了算法的有效性及可靠性,能够在排除高光影响的基础上有效地识别缺陷目标,对高亮金属表面缺陷识别具有重要意义。     

基于预分割轮廓的CT图像亚体素表面检测方法

针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D Facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。     

基于MATLAB图像处理的非结构化道路识别

应用MATLAB图像处理工具箱,针对非结构化道路的彩色图像,在颜色空间对道路进行识别处理。首先在颜色空间中使用Otsu法（大津法）对道路图像进行分割,再利用数学形态学和阀值面积消去法对图像进行去噪处理,然后利用Roberts算子检测出道路边缘,最后利用最小二乘法对图像进行曲线拟合,得到平滑的道路边界曲线。