基于改进的二维Otsu法及PSO的火灾图像分割

针对传统的二维灰度直方图区域划分误差大和运算速度慢等问题,提出一种基于二维直方图和粒子群优化的阈值分割算法,即改进的二维最大类间方差法的粒子群优化算法.利用该算法在二维灰度空间上自适应搜索最优阈值,根据最优阈值对图像进行分割.选取森林火灾火焰图像,对其进行图像分割仿真实验.实验结果表明,该算法的分割效果较好,具有很好的抗噪性能,可有效提高运算速度,且实时性较好.     

Otsu阈值分割法特点及其应用分析

Otsu方法是应用最广泛的阈值分割法之一,对直方图呈双模或者多模分布的图像分割效果好,直方图呈单模分布的分割效果差。针对这个结果,从Otsu分割法理论出发,分析其分割阈值的特点,证明得出:Otsu单阈值分割时最佳阈值为该阈值分割出的两类灰度均值的平均,Otsu多阈值分割时的多个最佳阈值是这些阈值分割出的多类中相邻两类灰度均值的平均。单阈值Otsu法用于表面缺陷检测图像分割时将大部分背景错分为目标,对此,提出了一种改进的Otsu阈值分割。实验结果表明,改进的算法分割效果优于传统算法,在比较准确分割目标的同时有效减少背景的误分割。     

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE(Gray Level and Local Entropy)二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.     

基于区域扩张的改进图像分割算法

在简单区域扩张的基础上,结合直方图阀值分割的思想,本文提出了一种改进的区域扩张图像分割算法.该算法利用直方图阈值进行区域合并,消除了小块区域和孤立点对最后分割结果的影响,有效地克服了原有算法的一些缺陷和不足.实验表明:本文算法的实验效果明显优于原有算法.     

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。     

基于灰度阈值分割的锥体零件缺陷识别算法

根据人的视觉感官特性，针对锥体零件缺陷检测中的图像信号预处理，利用含有缺陷的灰度图像的灰度统计特征自动找出分割图像的灰度阈值．研究了目前使用边缘检测、阈值分割、区域增长等方法．利用曲线拟合方法计算出灰度的分布曲线，用数学分析的方法求出曲线的局部极值．对于出现多个极值情况时进行分析筛选，把分割缺陷比较理想的极值作为灰度分割的阈值．以此分割图像，其分割效果比较理想．     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

直方图的脑图像分割策略

为了提高核磁共振分割精度和效率,提出了一种基于直方图核磁共振脑图像分割算法.利用脑提取工具剔除脑核磁共振图像中非脑组织.根据灰度变化的特点,将脑图像直方图的区域峰值组成新的直方图,通过基于直方图阈值选取规则将脑组织分割成白质、灰质、脑脊液.实验结果表明:该算法相对于常见的分割算法,获得了较高的分割精度,同时运算效率高,运算时间降低了1~2个数量级.     

一种用于MR脑图像分割的改进区域生长方法

为了达到改善核磁共振脑组织图像分割效果,提出了一种结合最大类间方差法和迭代法来自动获取阈值的区域生长算法.核磁共振脑组织图像经过预处理后,用最大类间方差法和迭代法分别分割图像获得阈值T1和T2,然后根据待分割区域的特征对T1、T2进行处理获得区域生长需要的阈值,最后采用改进的区域生长算法分割图像获取目标区域.经过改进的...     

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。     

一种直方图分段逼近的图像分割方法

对于图像灰度信息的分布可使用直方图进行分析。分析图像的直方图是图像处理中的一种常见的方法。对于在图像分割时难于得到图象分割的准确阈值问题,提出利用多项式对直方图包络线进行分段拟合,把图像分割阈值问题转化为求多项式极小值的问题,从而求出用于分割图像不同灰度层次的最优阈值的方法。实验结果表明,这种多项式分段拟合直方图包络线的方法具有比较好的直方图包络线拟合效果,可以为灰度图像的多层分割求出比较理想的阈值。     

基于灰度空间自动阈值选取的彩色舌图像分割算法

根据彩色图像在R、G、B空间中的直方图统计信息，提出了一种自动阈值选取算法。并利用得到的阈值在灰度空间中对彩色舌图像进行了分割试验，结果表明该方法用于彩色舌图像的自动分割可以获得快速且良好的分割效果，满足后续舌象分析的需要。     

一种灰度直方图与方差修正的图像阈值化算法

针对图像的目标与背景分布方差较大时,Otsu算法分割效果不佳的问题,提出一种改进的阈值化算法。基于像素点的灰度概率构造修正函数,作为类间方差的加权因子,建立新的类间方差准则;将修正的类间方差与类内方差构造复合函数,作为新的阈值化准则函数,根据图像直方图信息进行阈值范围优化;通过准则函数在优化阈值范围内选择最优阈值。实验结果表明,对于目标与背景的方差差异较大的图像,改进算法能够获得准确的阈值化结果,并且在正确提取出目标的同时,能够保持良好的目标轮廓完整性。另外,阈值范围优化使得算法执行效率有所提高。     

基于PCNN的图像多区域迭代分割

对传统经典的PCNN网络进行改进,提出一种新的基于PCNN的多区域图像分割方法。去掉原模型中的一些次要参数,突出灰度对分割的影响;根据图像中存在不同灰度变化的特性,分2阶段完成对图像的分割:初次分割和二次分割。初次分割是利用灰度直方图谷底灰度作为动态阈值进行,使动态阈值对分割边界的影响达到最小;二次分割则对初次分割的结果进行细分割,点火区域和非点火区域灰度差较小,其动态链接系数通过循环迭代搜索确定。二次分割迭代进行,从而实现了对整幅图像的完整分割。其实验结果表明,该方法的错误率小于常规的聚类分割算法和GBS算法。       

基于类别方差的三维医学图像分割新方法

提出一种交互式的三维医学图像分割算法．结合Otsu单阈值图像分割算法，提出了一种基于类别方差的双阈值分割算法．利用该算法对三维医学图像体数据的直方图进行了分析，最终得到的上下阈值使得分割结果具有最大类间方差．该算法采用迭代法实现，简单快速，且可保证分割出的组织包含目标组织．再对此阈值分割结果进行数学形态学的相关操作和三维区域生长，最终得到目标组织的准确分割和它的三维显示．实验证明，分割效果较好，三维重建满足要求．     

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。     

基于混沌布谷鸟算法的多阈值灰度图像分割

阈值法分割图像时,最优阈值选取是否合理对图像分割效果至关重要。标准的布谷鸟算法由于后期存在收敛速度慢,易陷入局部最优等现象,难以准确计算最优分割阈值,因此导致图像分割准确率低。为了提高灰度图像分割的效率和准确率,引入一种基于混沌布谷鸟算法的灰度图像多阈值分割方法。改进的算法利用混沌运动的随机性、遍历性和初值敏感性等优点,对最优鸟窝位置加入由Circle映射产生的混沌扰动策略,有效地防止算法陷入局部最优,加快收敛并提高搜索精度。以最大熵作为目标函数,采用改进的算法对其进行优化,找到分割的最优阈值,实现灰度图像分割。选取2幅经典灰度图像,将所提算法的分割结果与标准的布谷鸟算法、粒子群算法进行对比,以此来说明改进算法的分割质量。实验结果表明,相比于其它两种算法,该改进算法能够快速准确地实现图像分割。     

基于区间值模糊集熵的图像阈值分割算法

提出了一种新的区间值模糊集的模糊熵,并将其用于图像的阈值分割.根据图像直方图确定模糊化因子,选择适当的主隶属函数实现图像的区间值模糊集表示.利用新的区间值模糊集的模糊熵研究了图像的阈值分割算法.仿真实验表明,新的基于区间值模糊集模糊熵的阈值分割算法在处理模糊图像及具有噪声图像方面均比经典图像阈值分割方法更有效.     

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。