基于二维最小Tsallis交叉熵和遗传算法的快速图像分割

针对二维Otsu分割方法在求取最佳阈值时假设部分区域近似为0,降低了分割精度,以及采用的shannon熵因为具有广延性而忽略了两个分割子系统之间的相互作用的问题,提出一种基于二维最小Tsallis交叉熵和微粒群寻优的快速图像分割.利用灰度-梯度直方图并聚类得到有用区域,以具有非广延性的二维最小Tsallis交叉熵为优化函数,采用遗传算法得到最优的二维阈值.实验表明该算法对噪声图像具有良好的分割效果和较强的实时处理能力.     

利用二维熵自动确定图像分割的阈值

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用.因此,如何确定阈值是图像分割的关键.建立二维直方图并借助二维熵可以自动确定图像分割的阈值.传统方法产生二维直方图时,选择4邻域中心灰度值和邻域像素的灰度均值.事实上,水平或垂直方向上的灰度变化不能完全地反映邻域像素的整体特性.提出构造二维直方图的新方法,新方法选择3×3邻域中心灰度值和4邻域以外的4个像素的灰度均值.应用新方法和传统方法进行对比实验,分割结果可以看出新方法的有效性.     

一种新的图像分割算法

针对一类普遍存在的图像,采用具有生物学背景的交叉视觉皮质模型进行图像分割.将交叉视觉皮质模型所具有的符合人眼对亮度响应非线性要求的指数衰减的阈值机制,改进为适合图像分割处理的线性衰减的阈值机制,提出了线性阈值-交叉视觉皮质模型.同时采用改进的二维Tsallis交叉熵作为分割准则,可自动地确定交叉视觉皮质模型神经元的分割阈值以及循环迭代次数.实验表明,这种分割算法优于经典的OSTU算法和K-m eans算法,同时基于改进的二维Tsallis交叉熵准则优于基于二维最大Shannon熵准则、传统二维Tsallis交叉熵准则和一维最小Tsallis交叉熵准则.     

基于二维对称交叉熵的红外图像阈值分割

针对现有的阈值选取方法应用于目标与背景面积相差悬殊的红外图像时常导致严重的误分割现象,本文提出了一种基于对称交叉熵及背景与目标面积差的红外目标图像阈值选取方法。对称交叉熵能确保分割后类的内聚性好,而背景与目标面积差可抑制均等分割的趋势,将两者综合构成了更为合理的阈值选取准则函数。首先导出了一维阈值选取公式;然后给出了二维直方图斜分阈值及二维直方图斜分的简化阈值选取方法,抗噪性能明显改善;最后与二维斜分的最大熵阈值、Otsu阈值及非对称交叉熵阈值选取方法进行了比较,实验结果表明,本文方法在分割效果上具有明显的优势。     

基于灰度-梯度不变矩的水下目标识别系统

针对水下图像增强问题,提出了一种基于最小交叉熵的模糊增强方法,该方法定义了一种新的S形隶属度函数,可以减少图像在增强之后灰度信息的丢失;结合最小交叉熵准则自适应确定增强阈值,达到了快速有效的增强效果.针对水下图像光照不均匀问题,提出了基于结合色调的灰度动态线性变换不变矩图像分割算法,结合色调的灰度动态线性变换,抑制受光照不均影响的背景,降低了光照不均对图像分割结果的影响.在图像增强和分割基础上,提取目标的灰度一梯度共轭不变矩特征,以像素梯度特征弥补灰度特征空间信息不足,目标识别率达到94.4%,比灰度不变矩识别提高了6.4%.     

基于二维属性直方图和遗传算法的图像阈值化

给出了二维属性直方图的概念,在此基础上提出了一种基于二维属性直方图和遗传算法的图像自动阈值化方法.该方法对二维阈值进行编码,根据二维属性直方图的Otsu算法确定适应度函数,通过遗传计算确定最佳分割阈值.将该方法用于一种海底小目标图像阈值化,经过240次适应度函数的计算即可得到最佳分割阈值.结果表明,该方法适用于直方图不是理想双峰形状的图像,比基于二维属性直方图的Otsu算法速度更快.     

基于灰度化权值调整的水下彩色图像分割

针对传统自适应阈值法在水下图像分割过程中存在目标与背景粘连等问题,提出一种基于灰度化权值调整的水下彩色图像分割方法。区别于传统阈值分割方法中灰度化权值固定且研究如何确定合适阈值的思路,研究灰度化权值调整方法。本文方法利用统计得到的图像灰度信息来确定不同通道内目标与背景间灰度级差异性的大小,提高差异性较大通道的比例,以增强灰度化后图像中目标与背景的对比度,同时减小差异性较小通道的比例,以降低其对灰度化结果的干扰,对灰度化后的图像进行阈值分割得到最终分割结果。针对水下作业的时序列图像,设计了两步序列图像处理方式来降低耗时。通过4组水下对比实验以及耗时实验对方法的有效性进行了验证。     

基于最小卡方统计的刑侦图像目标提取算法

针对刑侦图像的自动目标提取问题,提出一种基于最小卡方统计的图像阈值化分割算法。该算法在图像一维直方图的基础上,利用卡方统计计算原图像与二值化后图像之间的相似性程度,从而获取最佳的分割阈值,提取图像中的目标区域。在实际刑侦图像库上的测试结果表明,该算法可以有效提取不同类型刑侦图像中的目标区域。     

基于属性直方图的图像分割方法及其在声呐图像分割中的应用

图像分割是图像识别中的主要问题，同时它又是一个经典难题；声呐图像恶劣的品质使图像的分割变得更为困难，属性直方图概念是直方图概念的推广；Otsu阈值化方法是一种性能良好的方法，本文将属性直方图概念应用于Otsu法中，提出了一中基于属性直方图的图像分割方法，文中阐述了这种方法的原理，并以声呐图像分割作为实例说明了这种方法的可行性。     

融合灰度和非局部空间灰度特征的二维Otsu法

为了克服图像噪声对二维Otsu阈值分割方法性能的影响,采用图像像素的灰度和非局部空间灰度特征构造新的二维直方图,其中像素的非局部空间灰度特征是通过对与当前像素具有相似邻域结构的像素灰度加权平均得到的。将此直方图引入到快速二维Otsu阈值分割方法中,可得融合灰度和非局部空间灰度特征的二维Otsu阈值分割法.实验结果表明改进算法对图像噪声具有一定的鲁棒性,在含噪图像上的分割结果比较理想。     

三维最大Renyi熵的灰度图像阈值分割算法

针对现阶段的阈值分割算法(如最小误差法、Otsu法、Renyi熵法等)在灰度、邻域均值或中值构成的二维或三维直方图上进行分割而造成的误分和低抗噪性等问题,提出了一种基于灰度、邻域均值和邻域加权中值三维直方图的最大Renyi熵阈值分割算法。相比目前多种阈值分割算法,新加入的邻域加权中值既能很好地过滤噪声,又能保留一定的图像边缘细节。经过对多幅图像的实验表明,该方法无论在精度上还是抗噪性上都有明显提升。     

基于改进萤火虫算法的多阈值微生物图像分割

针对微生物显微图像噪声干扰大、灰度分布不均匀、单幅图像中包含多个形态丰富的微生物,难以快速准确提取目标满足实际应用要求问题,提出一种基于改进萤火虫算法的多阈值分割方法。首先,通过统计图像灰度直方图峰值,自动获取最佳多阈值数目m;其次,引用二维熵阈值分割原理,将二维熵单阈值扩展到多阈值,并设计基于对数熵的多阈值目标代价函数;最后,针对原始萤火虫智能优化算法容易过早陷入局部最优解且萤火虫个体之间缺乏协同,导致算法效率低下问题,提出基于萤火虫初始化过程优化以及变量参数(步长量化因子α和相对吸引力参数β_(ij))调整的改进萤火虫算法,从而实现快速、准确寻找到多个最佳阈值。并将该算法与一维熵、二维熵、Otsu、粒子群多阈值分割以及原始萤火虫多阈值分割等分割算法作比较。实验结果表明,本文改进算法在微生物分割的准确性与时效性上有明显提高,为后续自动识别奠定良好基础。     

基于直方图的模糊最大指数熵图像分割方法

针对最大熵阈值分割算法的计算缺陷,提出了一种基于直方图的模糊最大指数熵阈值图像分割新算法．该算法把模糊性指数、模糊熵概念应用到图像分割中,结合基于灰度图像直方图的模糊最大熵阈值图像分割理论,给出了模糊最大熵的新定义,同时引入了指数熵的概念．该算法能较好地完成图像分割,较传统分割算法具有更强的抗噪能力,为后续的图像处理提供了良好的基础．通过对真实目标灰度图像的分割和对比实验,表明本文新算法分割准确,性能优越。     

基于结构的无窗口图像滤波器及其应用

无窗口非线性图像滤波器利用阈值分解将灰度图像分解为一组二值图像,然后在二值图像上直接进行不涉及窗口的滤波操作,二值图像中的图像结构可以很容易地分割开来,因此,图像滤波就可针对相对独立的图像结构,而不是单独的图像像素．该滤波器的直接实现需要很大计算量,无法满足实用要求．为此,文中提出两个实现方案,一个是利用灰度直方图减少阈值分解中二值图像的数量,另一个是利用灰度图像的等高线描述阈值分解后二值图像中的图像结构,从而省去了图像阈值分解和图像层叠重建的过程．将无窗口非线性图像滤波器用于汽车牌照识别中的牌照定位,获得了较好效果．     

一种超模糊熵ULPCNN图像自动分割新方法

为了自动地对图像进行二值分割,提出了一种新的自适应迭代全局阈值图像分割算法．首先对二维超模糊集隶属函数进行了自适应修正,并将其引入到图像超模糊熵概念中; 然后从适应图像分割角度,将传统脉冲耦合神经网络模型改进为具有单调指数上升阈值函数的ULPCNN抑制捕获模型; 最后把ULPCNN与最大超模糊熵判据相结合对图像进行自动分割,并与基于最大香农熵、最小交叉熵及最小模糊熵准则的ULPCNN分割方法作了比较．理论分析和实验结果表明,该方法能自动确定迭代次数和选取最佳阈值,对图像目标划分清晰,细节保持较好,改善了图像的分割性能．     

基于PCNN的图像最佳二值分割实现

设计了一种脉冲耦合神经网络(PCNN)结合最小交叉熵理论的图像二值分割算法,可提高监管码识别过程中字符图像二值分割的准确度,并适合于在FPGA上实现.根据不同灰度图像点火时刻不同的特性,使用PCNN算法对图像进行迭代处理,并计算每次处理后的交叉熵.再利用最佳分割图像与原图像的交叉熵最小的理论,确定最佳迭代处理次数,从而得到最佳的二值分割图像.该方法实现了图像的自动分割,效果由于传统的大津(OSTU)算法.提出了该算法在FPGA上实现方案,实验结果验证了方案的可行性.     

灰度编码结构光图案二值化阈值的优化方法

为提高灰度编码结构光图像的二值化质量,提出一种灰度编码结构光图案二值化阈值的优化方法．针对码间干扰(ISI)和噪声而导致编码图像模糊,就单一空间频率多条纹空间编码的理想平面模型,采用常规采样理论建立其线性通道模型,并转换为二维概率密度函数,从实验数据和数字模型之间的均方差最小出发,选出最优化阈值．该方法通过优化二值化阈值为提高二值化灰度编码图像质量提供了一条有效的途径．     

彩色图像分割在视频跟踪系统中的应用研究

在视频跟踪系统中,图像分割是进行跟踪的前期处理。只有在视频序列图像中有效的分割出运动目标,才能实现后续对目标的准确跟踪。提出一种混合算法,将一种基于灰度直方图的阈值化分割算法应用到了HSI颜色空间上,利用H进行阈值化,在阈值化之前,先根据R、G、B值对像素进行了筛选;文章应用董立菊等人提出的-种基于RGB空间的K均值聚类算法、一种基于灰度直方图的阈值化算法和混合算法,以目标颜色为特征,对彩色图像进行了分割;针对特定的视频跟踪系统,对各结果进行了比较,得出了结论,找出了较优算法——混合算法效果较理想,能够较有效的分割目标,为后续跟踪工作做好了前期处理工作。     

一种基于量子遗传算法的红外图像分割方法

针对经典的二维O tsu和最大熵算法的不足,提出了一种基于量子遗传算法的海上红外图像目标分割方法.该方法同时考虑了图像像素点的灰度分布信息和像素间的空间相互信息,将基于fisher准则的类内类间距离判据作为分类依据,利用量子遗传算法进行寻优以获取最佳阈值,实现了海上红外目标图像的分割过程.选取3幅海上红外目标图像进行了仿真实验.实验结果表明,提出的方法在分割效果和计算速度上都优于传统的O tsu和最大熵法.     

一种基于交叉熵的黑白棋盘角点检测算法

分析了现有黑白棋盘角点检测算法存在的不足,将交叉熵思想引入角点检测中。该算法首先将角点周围像素划分为4个象限,通过相邻象限间的像素灰度差实现角点初选;其次,给出对角象限灰度交叉熵定义,根据局部交叉熵最小原理实现角点筛选;第3,针对备选角点局部重叠的问题,采用梯度幅值非极大值抑制方法实现像素级角点定位;最后采用Frostner算子实现角点的亚像素坐标解算。实验结果显示该算法检测结果优于经典Harris算子以及SV算子,获取的角点亚像素坐标精度与Matlab相机标定工具箱相当,同时易于实现在线标定。