基于自定义灰度空间分布密度矩阵的Otsu改进算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理与模式识别领域有着广泛应用.将图像中灰度级的空间分布特性应用到图像分割中,自定义适当的灰度空间分布密度矩阵结合先验知识,提出Otsu改进算法.实验证明在图像中目标与背景的灰度差异不是特别大的情况下,该算法的分割效果优于经典的Otsu算法以及其它分割算法.     

改进的快速Otsu自适应分割算法及其应用*

对Otsu算法因灰度直方图峰值不明显导致分割效果差提出了改进,根据分割目标背景信息的先验值对类内灰度值进行调整,通过迭代计算,使类间方差最大化,从而自动确定阈值,并应用于虹膜图像分割。实验结果表明,该算法对虹膜图像分割效果好,运算速度快,具有一定的鲁棒性和自适应性,可用于虹膜图像的实时分割。     

人工蜂群算法在图像分割中的应用研究

为快速准确地分割图像,将新型群体智能模型中的人工蜂群算法、灰度形态学和二维Otsu法相结合,提出了一种图像分割新方法。该方法对待分割的图像进行灰度形态学中的闭操作预处理,以抑制图像噪声,把图像阈值看成人工蜂群算法中的蜜蜂,利用二维Otsu法设计人工蜂群算法的适应度函数;通过采蜜蜂、侦察蜂和观察蜂的分工协作和信息共享,逐代逼近最佳阈值。实验结果显示,该方法在分割红外图像和SAR图像时,分离出来的目标更加适合后序的分析和处理。     

改进的三维Otsu图像分割快速算法

针对三维Otsu图像分割算法运算量大和图像细节分割不够准确的问题,提出一种改进的三维Otsu图像分割算法。该算法基于灰度-邻域平均灰度-梯度的新的三维特征模型,构建三维直方图;将三维Otsu分解为三个一维Otsu;在同时考虑类间距离和类内距离的基础上,提出一种新的最大散度差准则。实验结果表明,该算法不仅可以取得较好的分割效果,而且计算量较小,比三维Otsu阈值分割递推算法快900倍左右。     

光照不均匀图像的灰度波动局部阈值分割

针对工业图像经常存在不均匀光照的干扰,提出一种光照不均匀图像的灰度波动局部阈值分割算法。从水平及垂直方向上提取图像的灰度波动曲线,并迭代搜索每条曲线上满足给定波动幅度阈值的较大尺度波峰点和波谷点;在每对交替波峰点或波谷点之间求取浮动阈值来划定目标和背景像素的归属;对两个方向上取得的阈值图像进行相交操作得到最终分割图像。实验结果表明,与二维Otsu法、二维Tsallis熵法、Niblack法等几种算法相比,该算法的分割效果及实时性都具有明显的提升。     

基于二维Otsu阈值修正的图像分割新方法

首先采用对二维直方图斜分割和查表的方法,解决了传统二维Otsu方法分割图像计算耗时,难以实时实现的缺点。其次基于灰度统计的思想,针对二维Otsu法处理小目标图像难以实现正确分割的缺点,提出了一种在实现过程中采用迭代的阈值修正新方法。最后设计了一种新型滤波器对分割后的图像进行滤波降噪处理。实验结果表明,阈值修正后的二维Otsu改进算法对小目标图像分割效果明显,而且新型滤波器对滤除散布在目标与背景中的噪声非常有效。将阈值修正法和新型滤波器结合使用,不仅快速,而且准确,取得了良好的分割效果。     

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.     

工业检测图像灰度波动变换自适应阈值分割算法

工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.     

基于最小偏态指标的图像阈值分割新技术

本文在假设图像目标和背景像素灰度值均服从正态分布的前提下，提出基于最小偏态指标的图像分割新技术。该方法引入数理统计中的偏态指标作为图像分割的准则函数，利用图像直方图计算各灰度级下的偏态指标值，其最小值即对应于最佳分割阈值，本文对最小偏态指标法进行了详尽的图像分割验证，并与Otsu法，最大熵法和最小误差准则法进行了详细比较，结果表明本文方法具有分割精度高，计算速度快以及对目标大小影响小等优点，是一种很好的图像阈值分割方法。     

改进的交互式Otsu红外图像分割算法

为提高红外图像中目标分割的精度和抗噪性能,提出了一种改进的交互式Otsu图像分割算法。采用图像信息熵特征和类间方差特征对经典Otsu算法的阈值判别函数进行改进,获得的最优阈值能较好地将目标从背景中分割出来,且具有良好的边缘保持效果,提高了算法的分割精度。同时,针对红外图像目标单一的特点,采用交互式粗分割的思路,先在红外图像中提取包含目标的局部封闭区域,进而在提取的区域内进行改进的Otsu分割。通过对红外图像激光光斑目标提取过程的实验结果表明：改进的Otsu分割算法大大降低了背景噪声对分割算法的影响,提高了抗噪性能与分割精度,且最大程度地减少分割算法的运算量,并较好地保持了目标模糊边缘,分割效果优于传统的Otsu算法和相关的改进Otsu算法。     

Automatic multi-thresholds selection for image segmentation based on evolutionary approach

Automatic thresholding has been widely used in machine vision for automatic image segmentation. Otsu’s method selects an optimum threshold by maximizing the between-class variance in a grayscale image. However, the method becomes time-consuming when extended to multi-level threshold problems, because excessive iterations are required in order to compute the cumulative probability and the mean of class. In this paper, we focus on the issue of automatic selection for multi-level thresholding, and we greatly improve the efficiency of Otsu’s method for image segmentation based on evolutionary approaches. We have investigated and evaluated the performance of the Otsu and Valleyemphasis thresholding methods. Based on our evaluation results, we have developed many different algorithms for automatic threshold selection based on the evolutionary method using the Modified Adaptive Genetic Algorithm and the Hill Climbing Algorithm. The experimental results show that the evolutionary approach achieves a satisfactory segmentation effect and that the processing time can be greatly reduced when the number of thresholds increases.     

基于小波包与Otsu的含噪遥感图像分割算法

最大类间方差(Otsu)在用于含噪图像的分割时,不能取得理想的分割效果。针对该问题,在Otsu分割方法的基础上,结合小波包分析,提出一种新的含噪遥感图像分割算法。该算法用小波包对含噪遥感图像进行分解,采用自适应阈值的方法去除图像中的噪声,应用Otsu方法对图像进行分割。仿真实验表明,该算法具有较好的抗噪性能及分割效果。     

基于分解的三维Otsu图像分割快速算法

摘要：针对三维Otsu图像分割算法计算复杂度高,运算量大的问题,本文提出一种基于分解的三维Otsu图像分割快速算法。该算法,首先将三维Otsu分解为三个一维Otsu;然后,在分析一维Otsu的基础上,结合类间距离和类内距离,提出一种新的阈值识别函数设计算法,并给出了快速实现方法。实验结果表明,该算法不仅可以取得较好的分割效果,而且计算量较小,比三维Otsu阈值分割递推算法快1400倍左右。     

自然场景图像中叶片区域快速多阈值提取方法

针对自然场景中植物叶片图像分割效果不佳,难以从含有多个叶片的图像中提取出完整叶片区域的问题,提出了一种叶片区域的快速多阈值提取方法。首先,使用人工蜂群算法优化Otsu多阈值选取的过程,以类间方差为适应度函数获取最优的多个阈值,在获取最优多阈值的过程中以迭代的方式自适应地确定出适合于叶片图像的分割阈值数目,然后使用边缘检测,逻辑运算和形态学操作等从多阈值分割结果中去除背景元素,提取独立、完整的叶片区域。实验结果表明,当对包含一个和多个叶片的自然场景图像进行处理时,该方法能够较为快速地得到更为完整、准确的叶片区域。     

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。     

基于遗传算法的自适应聚类图像阈值分割方法

文中针对复杂背景条件下的红外图像分割问题,将遗传算法引入最大类间方差法中,同时结合人类视觉感知原理,探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

图像的自动阈值分割研究

本文通过对图像进行二值化的处理分析,探讨如何选取最合适的阈值来分割图像,采取基于OTSU 算法的单 阈值分割法,根据类间方差最小的原理,能自动选取最佳阈值,使图像的目标部分和背景部分得到最好的分割。