改进遗传算法在最小错误图像分割法中的应用

传统自适应遗传算法有可能使问题求解陷入局部最优解,而求得错误的图像分割阈值。为了得到最优的图像分割阈值,提出了改进遗传算法在最小错误图像分割法中的应用。改进的算法重新构建了交叉率和变异率的计算公式,使得交叉率和变异率在任何情况下都不为零。算法使用误差最小函数作为适应度函数,采用选择、交叉、变异等遗传操作搜索最优分割阈值。实验结果表明,改进遗传算法应用到最小错误图像分割法中,减少了运算时间,提高了分割准确度。     

一种基于改进遗传算法的图像分割方法*

为了自动确定图像分割的最佳阈值,提出了一种基于改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维Otsu图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题。在理论分析和仿真数据实验中,与二维Otsu图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的提高,更能满足图像处理的实时性要求。     

一种混合遗传算法在图像分割中的应用

在图像分割中，最小误差法计算简单，受目标和噪声影响小，对小图像仍具很好的分割效果，但计算量大，不利于实时处理。为解决这一问题，该文将遗传算法和退火算法引入到最小误差法中，结合遗传算法的全局寻优能力和模拟退火算法较强的局部搜索能力，提出一种高效的混合遗传算法(GASA)，充分利用该混合算法快速和稳定性强的优点来减少最小误差法的运算量，不仅能够提高运算收敛速度和收敛效率，而且可以有效避免出现早熟现象，防止陷入局部最优，同时性能也很稳定，完全能满足实时系统中精度和速度的要求，得到较好的分割效果。     

基于PSO算法的图像分割方法

针对大多数图像分割方法计算量大、不利于实时处理的缺点,提出用微粒群算法（PSO）优化最小误差分割方法.该方法不但具备最小误差分割法受目标和噪声影响小以及对小图像分割效果好的优点,还克服了遗传算法等加速算法需要预先设定众多运行参数,受目标变化影响大的问题.图像分割的效果和速度得到了提高,性能也更加稳定.实验结果反映了该方法的有效性.     

自适应最小误差阈值分割算法

对二维最小误差法进行三维推广, 并结合三维直方图重建和降维思想提出了一种鲁 棒的最小误差阈值分割算法. 但该方法为全局算法, 仅适用于分割均匀光照图像. 为 提高其自适应性, 本文采用Water flow模型对非均匀光照图像进行背景估计, 以此获 得原始图像与背景图像的差值图像, 达到降低非均匀光照对图像分割造成干扰的目的. 为进 一步提高分割性能, 本文对差值图像采用γ 矫正进行增强, 然后采用鲁棒最小误差 法进行全局分割, 从而完成目标提取. 最后本文对均匀光照下以及非均匀光照下图像进行了 实验, 并与一维最小误差法、二维最小误差法、三维直方图重建和降维的Otsu阈值分割 算法、灰度波动变换自适应阈值方法以及一种改进的FCM方法在错误分割率和运行时间上进 行了对比. 实验结果表明, 相对于以上方法, 本算法的分割性能均有明显提升.     

基于0-1规划的快速图像阈值分割算法

阈值方法是一种重要的图像分割方法,在图像分割中得到了广泛应用。Otsu算法虽然是图像分割阈值法中较好的方法之一,但是由于传统的Otsu算法通常用穷举法求解,使得处理多阈值问题时运算速度太慢,难以满足应用需求。为了快速有效地确定阈值,提出了一种改进的Otsu算法。将Otsu算法转化为一个非线性0-1数学规划问题,再利用遗传算法求解得到最优阈值。通过对测试图像的分割实验,表明该算法与传统的Ot-su算法相比运算速度有非常显著的提高,能够满足一般的应用需求。     

基于分层遗传算法的双阈值图像分割

图像分割是图像处理中的重要问题,通常的图像分割法包括阈值法、边缘检测法、区域跟踪法等.其中,阈值法是一种通用的方法.本文将分层遗传算法用于阈值的选取,仿真结果表明,在设定了合适的遗传算子后,该算法可以实现正确的图像分割,将分层遗传算法用于图像处理中,是非常有效的.     

图像阈值分割方法的比较与分析

本文在介绍了三种具有代表性的图像阈值分割法的基础上,通过对它们的性能进行分析比较,给出了这种瓶值分割法的适用范围。最后,针对三种分割法的不足,提出了一种基于边缘检测与局部直方图的图像分割算法。     

跨媒体信息检索中图像分割技术研究

图像处理和分析的关键步骤是图像分割。本文从图像分割的算法和原理着手,分别介绍了几种常用的图像分割技术:边缘检测法、域提取方法、阈值分割法和结合特定理论工具的图像分割法。并对各种算法进行比较分析,找出各种图像分割方法的优缺点和应用范围。     

图像阈值分割方法的比较与分析

本文在介绍了三种具有代表性的图像阈值分割法的基础上,通过对它们的性能进行分析比较,给出了 这三种阈值分割法的适用范围。最后,针对三种分割法的不足,提出了一种基于边缘检测与局部直方 图的图像分割算法。     

粒子群优化在图像最小误差阈值化中的应用

提出了一种基于粒子群优化（PSO）的图像最小误差阈值化方法。将粒子群优化算法应用于图像最小误差阈值化中,克服了常规最小误差阈值化计算量大的缺点。实验证明该算法能有效降低常规图像最小误差阈值化的计算量,与遗传算法相比,该方法有更好的收敛性和稳定性。     

一种结合纹理信息的三维Renyi熵阈值分割算法

充分利用图像空间邻域信息,引入均值-中值-梯度共生矩阵模型,并结合Renyi熵相关理论,提出一种结合纹理信息的三维Renyi熵阈值分割算法.同时给出了该方法的快速递推公式,有效的节省了计算时间与存储空间.实验结果表明,与现有分割算法如最大类间方差法、最小误差法、最大熵法和灰度-梯度法相比,本方法的分割效果更为理想,即使对于低对比度、低信噪比的目标,本文算法也更具鲁棒性.     

高斯尺度空间下估计背景的自适应阈值分割算法

为有效分割非均匀光照图像,提出一种在高斯尺度空间下估计背景的自适应阈值分割算法. 首先,利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间,在此空间下进行背景估计,并采用背景差法来消除非均匀光照干扰,从而提取出目标图像;然后,采用 矫正进行增强处理以突出较暗目标信息;最后,经强调谷底的最大类间方差法进行全局分割得到最终结果. 为验证算法的有效性,对非均匀光照条件下文本图像以及非文本图像进行了测试,并与基于偏移场的模糊C均值方法、灰度波动变换自适应阈值分割算法和自适应最小误差阈值分割算法,在错误分割率和运行时间上进行了对比. 实验结果表明,对比以上三种方法,该算法的分割结果更为理想.     

An improved scheme for minimum cross entropy threshold selection based on genetic algorithm

Image segmentation is one of the most critical tasks in image analysis. Thresholding is definitely one of the most popular segmentation approaches. Among thresholding methods, minimum cross entropy thresholding (MCET) has been widely adopted for its simplicity and the measurement accuracy of the threshold. Although MCET is efficient in the case of bilevel thresholding, it encounters expensive computation when involving multilevel thresholding for exhaustive search on multiple thresholds. In this paper, an improved scheme based on genetic algorithm is presented for fastening threshold selection in multilevel MCET. This scheme uses a recursive programming technique to reduce computational complexity of objective function in multilevel MCET. Then, a genetic algorithm is proposed to search several near-optimal multilevel thresholds. Empirically, the multiple thresholds obtained by our scheme are very close to the optimal ones via exhaustive search. The proposed method was evaluated on various types of images, and the experimental results show the efficiency and the feasibility of the proposed method on the real images.     

一种基于模糊连通度的图像阈值分割算法

提出一种新的图像阈值分割方法。该方法给出模糊连通度定义,采用图像划分测度作为区分目标和背景的阈值分割准则,在计算图像划分测度时,采用基于灰度级的权值矩阵代替常用的基于像素的权值矩阵来描述图像中各像素之间的关系,从而减小算法实现的复杂性,提高算法运算速度。仿真实验结果表明,与大多数模糊阈值分割方法相比,该方法更具优越性。     

一种基于遗传算法的最小交叉熵阈值选择方法

最小交叉熵阈值法(MCET) 在二级阈值中是有效的, 但在多极阈值的穷尽搜索中却要付出昂贵的时间代价. 鉴于此, 提出一种基于遗传算法(GA) 的MCET选择方法: 在执行图像分割(IS) 任务之前, 先将IS 转化为在一定约束 条件下待优化的问题; 在寻找待优化问题最优解的计算过程中引入一种回归设计技巧以存储中间结果; 使用这种回 归设计技巧, 在一组标准测试图像上利用GA搜索待优化问题的最优解. 实验结果表明, 利用所提出的方法获得的多 个阈值非常接近于穷尽搜索获得的结果.

     

改进的二维最小卡方散度图像分割方法

传统的交叉熵阈值法具有抗噪性能差,计算时间长等问题。为了改进算法的性能,提出了一种二维最小卡方散度图像阈值化分割新准则,构建了基于改进中值滤波的新型二维直方图。利用对称卡方散度描述分割前后图像之间的差异程度。使用关键阈值对滤波图像进行分割,达到最佳的分割效果。实验结果表明,与二维Otsu和二维最小交叉熵法相比,提出的方法不仅大大缩短了分割时间,而且分割性能与抗噪性能更强。     

基于链式竞争遗传算法的KSW熵的图像分割

针对最佳熵阈值图像分割算法过程中计算复杂度高的问题,提出了一种基于链式竞争遗传算法的最佳熵阈值确定法(KSW熵法)的图像分割算法.通过将3个邻域的链式竞争引入到常规遗传算法框架下,实现特征选择过程;将改进的遗传算法应用到最佳阈值图像分割算法中,完成对阈值的寻优过程.仿真实验结果与分析表明:算法在分割速度和效果上均优于传统的最佳阈值图像分割算法和单纯的遗传优化最佳阈值图像分割算法.     

图像半色调化算法研究综述

半色调化算法是图像打印输出的关键技术之一。介绍了简单阈值比较算法、使用随机数的半色调化算法、误差扩散算法、点扩散算法、按序抖动算法和抖动算法等一系列半色调化算法,并揭示了这些算法之间的联系。为了高效率地对图像做半色调化操作,商用光栅图像处理器一般使用抖动算法。抖动算法生成的半色调化图像的质量取决于所采用的抖动矩阵。基于几何分割设计半色调化抖动矩阵的方法可以在满足堆栈限制的前提下优化半色调化图像的质量。使用随机数的半色调化算法可以消除图像半色调化中产生的莫尔纹。随机半色调化算法的基础是将一定数量的随机点均匀地分布到一个正方形区域中。Asano提出了随机点均匀分布问题等价于圆形装填问题的命题,本文对该命题给出了初步的证明。最后,给出了一些有待进一步研究的图像半色调化课题。