局部自适应的细胞图像分割方法

针对单一的全局阈值分割方法不能适用于复杂多目标图像的目标提取，该文提出了一种基于局部自适应多阈值的分割算法。该算法的基本思想是将首次分割得到的目标区域按照一定准则进行划分，分为已经正确提取的目标细胞和包含有多个细胞及部分背景的模糊区域，然后将各个模糊区域作为子图像分别进行再次分割，从中提取出目标细胞。实验结果表明，该算法能够稳定地实现目标分割提取，具有较好的鲁棒性。     

复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

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．     

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.     

基于投影阈值分割和数字序列校正的高噪声数字仪表图像识别方法

针对数字仪表图像噪声大、图像特征信息不足导致图像识别准确率低的问题，提出了一种基于卷积递归神经网络结合投影阈值分割和数字序列校正的高噪数字仪表图像识别方法。首先，用投影阈值分割二值化算法对图像进行预处理：使用垂直投影法将图像划分为不同区域，根据不同区域的噪声强度自适应设定二值化阈值，对图像进行二值化处理，降低噪声；其次，根据图像之间数字规律变化特点，利用数字序列校正算法将单个数字识别转换为数字序列识别，通过对比不同数字序列的识别概率得出识别结果，解决单张图像特征信息不足导致识别准确率低等问题。实验结果表明，在高噪声数据集上，相较于卷积递归神经网络模型，提出的高噪声数字仪表识别模型在准确率方面提高了约61.95%，达到93.58%。     

基于自适应区域的医学图像自动分割

为了改善传统分割算法对初始条件的依赖性,提出一种基于自适应区域的医学图像自动分割框架.该框架将分割算法和目标检测技术集成到一起,通过检测已经分割出的目标信息来预测该目标在待分割切片上的局部区域,然后基于该局部区域预估目标的阈值范围和几何形状等信息,为应用分割算法提供初始参数.该框架已经应用到区域生长、基于阈值的水平集等常用分割算法.实验结果表明,该框架有效减少了分割中的人工交互操作,并且能自动处理目标复杂分叉情况.     

基于OTSU算法的垩白米检测方法研究

提出了一种基于OTSU的垩白米检测算法,并与基于固定阈值的检测算法进行了试验对比分析.OTSU算法具有自适应选择最佳分割阈值的特点,且可以实现多阈值自适应分割,分割效果比较理想.试验结果表明,该算法可以有效的提高垩白米的识别准确率,而且识别效果好于基于固定阈值的检测算法.     

基于Otsu准则的红外图像快速分割算法

为实现红外图像快速目标检测,提出了一种基于Otsu准则的红外图像快速分割算法.首先运用模糊算法调整全局滤波的权值进行预处理,利用像素点的二维信息直接建立阈值直线的截距直方图;然后根据Otsu准则求解最佳截距阈值,使用该阈值直接对含二维信息的图像进行分割;最后通过自适应参数的形态学操作提升图像质量.实验结果表明,与二维直分法和Otsu直线阈值法相比,本文算法分割精度较好,具有噪声抑制能力,占用较少内存空间,对多目标图像具有较好的分割效果.     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．     

多分辨率下自适应阈值判定的分水岭车辆图像分割算法

针对分水岭算法产生过分割现象,提出一种基于自适应阈值判定分水岭算法的图像分割方法,首先对图像进行多分辨率小波分解,再在某一尺度下计算梯度图像,并对该梯度图像进行自适应阈值判别,最后使用分水岭算法进行图像分割。实验结果表明该方法能取得较好的分割效果,有效的降低了过分割现象。     

基于U-Net的颅内出血识别算法

针对颅脑计算机断层成像（CT）影像中脑出血的分析和识别，提出采用神经网络模型U-Net与轮廓识别相结合的方法提取脑实质区域，通过阈值分割算法分析血块的图像纹理特征，并过滤软组织、脑组织和脑脊液等无关生理组织结构，实现对颅内出血点的精确定位，最后采用插值方法将出血区域进行三维重建，对血块的三维形态作出评估.在天津市某医疗机构提供的500例颅脑CT数据上进行了验证测试，实验结果表明，该算法达到97.4%的目标识别准确率，能够为脑出血诊断提供参考.     

指纹图像的自适应方差分割法

指纹图像分割的目的是从图像背景中分离出有用的指纹区域。灰度方差法是一种简单快速的指纹图像分割算法,本文给出一种自适应阈值的灰度方差分割法。实验表明,本文方法选取的分割阈值能够较好的分离出指纹图像的前景和背景,是一种有效的指纹图像分割算法。     

基于模糊自适应共振理论的图象分割

提出了一种基于模糊ＡＲＴ神经网络的灰度门限化图象分割方法,该方法不仅可以自动确定分类数目,而且还能有效抑制噪声,对人工和实际图象的分割实验结果验证了本方法的有效性。     

一种基于光照补偿和模糊聚类的图像分割方法

针对受到光照不均匀影响的图片在直接进行阈值分割造成的错分割问题,提出在分割前对图像进行光照补偿的预处理,从原图中分离出光照不均匀平面矩阵,从而降低光照不均匀对阈值分割造成的不利影响.在分割过程中采用模糊聚类算法,提高了图像分割的有效性.     

一种新的图像背景自适应分割算法

在对图像分割技术进行综合研究的基础上提出一种以最大类间方差法为基础的图像背景自适应分割算法,此算法根据目标和背景区域的灰度统计量来自动选取最优阈值。最后通过仿真与常规的迭代法、四叉树、分水岭等算法处理后的效果图做了比较。     

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.