基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。     

基于改进光流算法的运动目标检测技术研究

常用的运动目标检测算法有背景减除法、帧间差分法和光流法,针对背景减除法的背景模型需要实时更新,帧间差分法检测到的目标不完整,本文提出将Lucas-Kanade光流法与最大类间方差的图像分割法相结合的算法,即首先对连续两帧图像进行Lucas-Kanade光流计算,再对其进行最大类间方差图像分割,将光流不连续的区域视为运动目标,光流连续的区域视为背景,最后进行形态学处理,完成运动目标的检测过程.通过Matlab实验仿真,验证了本文所提算法能提取更完整的运动目标,检测效果较好.     

基于遗传算法的二维双阈值Otsu图像分割算法

为了提高图像分割的精度和效率,提出了一种基于遗传算法的二维双阈值最大类间方差法的图像分割算法。该方法用两个阈值同时考虑了图像像元点灰度信息的范围和像元点之间相关信息,并对未处理区域做了后处理,以提高分割的精度和鲁棒性。为了提高分割速度,给出了一种改进遗传模拟退火算法。实验结果表明,文中提出的方法比传统的二维最大类间方差法更加完整、快速地分割出复杂背景中的图像。     

基于数据驱动的SAR溢油图像分割算法对比研究

本文针对SAR图像中溢油区域的散射特点,首次将二维最大类间方差阈值分割算法应用于SAR溢油分割,并提出了一种基于改进二维最大类间方差的SAR溢油图像分割算法。基于ENVISAT ASAR溢油图像的实验结果表明,和经典最大熵以及原始二维最大类间方差分割算法相比,本文算法是一种抗噪性能好,分割精度高,运算速度快的SAR溢油图像阈值分割算法。     

基于改进PSO算法的Otsu快速多阈值图像分割

为了确定图像分割的最佳阈值,基于改进粒子群优化算法,提出了一种快速多阈值图像分割方法。首先引入独立峰值将直方图划分为若干区域,然后在各个区域使用最大类间方差法得到优化的目标函数,用具有非均匀变异特性和雁群飞行启示的线性递减惯性权重粒子群算法对目标函数进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割。将分割结果与常规最大类问方差法的多阈值分割结果相比较,证明该算法不仅可以正确地实现图像分割,并可使分割速度大大提高。     

一种基于三维最大类间方差的图像分割算法

本文提出了一种基于三维最大类间方差的图像分割算法.该方法不仅利用了图像像元点的灰度分布信息,而且充分考虑了像元点之间的灰度相关信息,构造出三维观测空间,根据各信息间的竞争性、冗余性和互补性,进行有效的融合,得到比(一维)最大类间方差法更真实、准确的处理效果.理论分析和实验表明,对于低对比度、低信噪比的目标,该方法具有良好的分割性能.在该算法的基础上,又提出了一种快速递推三维最大类间方差法,减少了计算量,节约存储空间,具有较强的实用价值.     

一种复杂背景下的故障电气设备整体分割方法

针对变电站电气设备红外监测过程中，获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题，提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先，通过SLIC(Simple Linear Iterative Clustering)超像素算法对图像进行分割，并对超像素块进行Lab颜色空间转换，根据阈值判断是否存在故障并获取故障区域。然后，选取故障图像中最大联通量的较亮点作为种子，利用最大类间方差原理控制种子数目，通过改进区域生长法获取目标主体设备。最后，将故障区域与目标主体设备进行交集运算，完成对故障电气设备的整体分割。研究结果表明，该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比，该方法获取的故障电气设备更加完整准确。     

最大类间方差耦合分水岭分割的目标定位算法

为了解决当前复杂目标受噪声干扰严重、背景多变且工件型号切换频繁,导致目标分割不准确,影响目标定位与装配的准确度.本文分别从系统软硬件架构和分割算法整合的角度出发,提出了基于最大类间方差与分水岭标记的复杂目标分割与定位算法.首先,搭建网络摄像头、多轴伺服电机和视觉软件系统之间的系统架构,达到可用于现场实际作业要求的目的.然后,根据图像目标与背景的最大类间方差特性,计算最佳分割阈值,达到对工件目标粗分割的目的.最后,构建分水岭分割线特性,提取分割线,优化区域标记准确度,达到对工件精分割,剔除噪声干扰的目的.实验测试结果显示:与当前分割算法相比,本文算法拥有更高的分割准确度与作业稳定性.     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义，给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法，同时利用分割后目标和背景区域的灰度信息和局部熵信息，设计了一个判断是否得到正确分割的准则，通过迭代循环，完成对图像的自动分割。实验结果表明，本文算法自适应性强，可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

基于区域生长的前视红外图像分割方法

红外成像制导技术以其优越的性能成为当今精确制导技术发展的主流。红外图像的精确分割是实现目标识别的基础。针对地面目标前视红外图像的特点和成像制导技术中图像分割的目的,提出了一种基于区域生长的前视红外图像分割算法,它首先在全局阈值分割的基础上选择出种子点所在区域,并在区域中定义局部灰度信息统计准则和策略选取出种子点;然后以目标模板面积作为参考,通过对分割效果的判断自动调整生长阈值进行区域生长以得到分割图像。实验结果表明,本方法分割出的目标完整准确,分割结果对基于边缘特征的目标匹配识别非常有利。     

结合区域生长和SUSAN的图像分割方法

针对区域生长算法对噪声敏感问题,提出了一种结合区域生长算法和SUSAN算子进行图像分割的方法。在基于区域平均灰度差的图像分割算法的基础上,运用SUSAN算子作为区域生长的终止准则。试验表明,该方法对噪声不敏感,且提高了分割准确度,能对目标进行有效的分割。     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

复杂背景中维-汉混排字符串的分割技术研究

提出了一种基于混合高斯模型拟合选取阈值和区域生长的图像分割方法:首先利用笔画方向算子对文字笔画进行抽样,再利用混合高斯模型拟合其灰度直方图,确定样本的最佳分割阈值,最后利用样本的标准差作为生长规则的判断依据分割文字。该算法计算量小,实时性和分割精度均有一定优势,在提取目标的同时,残留背景像素极少,使下一步的目标识别更为简单。     

消防水炮射流轨迹图像的分割与识别算法研究

提出了一种基于改进OSTU法和区域生长相结合的消防水炮射流轨迹图像的分割与识别算法。首先对OSTU法进行改进,快速确定射流轨迹差分图像的最佳分割阈值,再用区域生长法分割得到可能的目标区域。对消防水炮喷射水流的形态特征进行了研究和分析,并以此为判据对可疑目标区域进行判断,最后识别出真正的射流轨迹。实验结果表明:该算法在不同光照条件、背景情况下,基本可以摒除干扰物,准确识别目标,且处理速度较快。     

快速的红外图像分割算法

最大类间方差法是一种常用而有效的图像分割算法,但由于计算量较大,不适宜于红外成像跟踪系统中高帧频的实时图像处理。在分析类问方差曲线特征的基础上,提出了一种二分逼近型快速最大类间方差算法．该算法通过对最大类间方差函数求导并利用二分逼近的方法逐次逼近最佳阈值点．理论分析和仿真结果证明,该算法的计算量较一般的最大类间方差算法有较大幅度的降低,具有实时性好,易于工程实现等优点．     

基于过渡区提取的红外运动目标检测

针对复杂动态场景下的红外目标检测问题,提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。该方法首先使用帧差法和背景差分法相融合的检测方法,对红外图像进行差分处理,然后采用基于交叉熵的过渡区分割算法二值化图像,最后进行形态学滤波,从而检测出完整的红外目标。实验结果表明,该方法目标检测效果比较好,能满足红外运动目标检测的需要。     

基于全卷积神经网络和动态自适应区域生长法的红外图像目标分割方法

复杂背景下的红外图像往往由于噪声较多、背景区域重叠、目标与背景对比度较差等因素,在对目标区域分割时会造成过分割或欠分割。针对此现象,提出了一种将全卷积神经网络和动态自适应区域生长法相结合的红外分割算法。首先利用全卷积神经网络对目标区域在像素级别进行特征提取,通过神经网络强大的自学习能力获得目标区域的粗分割结果;然后根据粗分割结果,对其取外接最小面积矩形框,并根据矩形框位置在原始图像上确定目标区域,并以此矩形区域进行动态自适应区域生长,形成第二次分割结果。最后融合全卷积网络(FCN)的粗分割结果和区域生长分割结果,实现目标区域的最终分割和提取。仿真实验表明,该方法能有效利用FCN对红外图像复杂背景的消除能力,而区域生长法对分割细节的敏感也同时弥补了FCN分割精度的不足,取得了较好的分割效果。     

A novel statistical image thresholding method

Classic statistical thresholding methods based on maximizing between-class variance and minimizing class variance fail to achieve satisfactory results when segmenting a kind of image, where variance discrepancy between the object and background classes is large. The reason is that they take only class variance sum of some form as criterions for threshold selection, but neglect discrepancy of the variances. In this paper, a novel criterion combining the above two factors is proposed to eliminate the described limitation for classic statistical approaches and improve segmentation performance. The proposed method determines the optimal threshold by minimizing the criterion. The method was compared with several classic thresholding methods on a variety of images including some NDT images and laser cladding images, and the experimental results show the effectiveness of the algorithm.