关于图像分割算法的优化仿真研究

Otsu图像分割法是常用的图像阈值分割方法,其最佳阈值选取直接影响到图像分割的质量.传统的最佳阈值的寻找采用穷尽式搜索方法,计算复杂度大,耗时较多,分割的精度低,易产生图像误分割.为了提高图像分割准确性,提出一种遗传算法与Otsu相结合的图像分割方法.新方法将图像分割问题看作为一个全局数值优化问题,将图像灰度信息转换成遗传算法的种群,每个个体代表一个可行的阈值向量,以灰度图像的灰度最大类间方差作为适应度值,通过选择、交叉和变异等遗传操作获得图像最佳分割阈值,以获得的最佳阈值对图像进行分割.用实例对新方法进行验证实验,结果表明,相对于传统Ostu图像分割算法,改进的Otsu分割方法提高了图像分割准确性,运算量减少,加快了分割速度,非常适应于图像实时处理.     

粒子群算法在二维Otsu图像分割中的应用研究

研究图像识别优化提取目标问题,噪声影响使图像目标识别精度差,效率低.传统Otsu算法的阈值的选取大多采用穷尽的搜索方式,运算效率较低,抗噪能力不强,容易产生误分割.为了提高图象分割效率和分割精度,提出一种粒子群优化算法的二维Otsu图像分割方法.方法首先对图像进行去噪处理,绘制出图像的二维直方图,根据二维直方图信息选取适当灰度值作为混沌粒子群算法中的初始粒子,每个粒子代表一个可行的二维阈值向量,通过粒子群之间的协作来获得最优阈值,可采用最优阈值划分像素,实现图像分割.实验结果表明,相对于传统Otsu图像分割算法,不仅得到了更高的图像分割精度,计算量也大大减少,提高分割效率,有利于提高图像处理的实时性,也证实了将粒子群算法用于阈值分割是可行的.     

基于遗传算法的自动阈值选取方法研究

利用传统的Otsu理论进行图像阈值选取,计算量较大,现将遗传算法和Otsu 理论有机结合,提出了一种简捷的自动识别最优阈值的方法,该方法将遗传算法引入图像分割,利用遗传算法所具有的快速寻优的特点,大大缩短了计算时间.实验结果表明:新算法不仅提高分割质量,而且缩短寻优时间.     

改进的二维Otsu算法在SF6压力表盘图像分割中的研究

为了提高SF6压力表盘图像分割准确度,对比了传统二维Otsu和Otsu双阈值分割算法,给出了一种改进二维Otsu算法.针对二维Otsu算法选取最佳阈值时存在的缺陷,将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值,提高了目标图像的阈值分割效果.实验结果表明:所提算法不仅满足对SF6压力表盘图像进行目标区域分割,同时具有更高的稳定性、快速性和分割精度.     

基于模拟退火算法的多阈值图像分割*

针对多阈值图像分割时Otsu算法计算量过大的问题,提出基于模拟退火算法的阈值选取方法。首先依据最大类间方差准则,通过对直方图分析处理得到初始阈值向量,然后将该阈值向量作为初始解,利用改进的模拟退火算法逼近最优阈值向量。较之Otsu算法,该算法的计算量大幅减小,如实验中对图像的三阈值分割,运行效率提高了400多倍。结果表明,该算法能够快速、准确地实现多阈值图像分割。     

Otsu算法在大田油菜分割中的应用研究

Otsu算法是根据图像的灰度直方图,采用最小二乘法原理来自动获取全局阈值的一种算法,对大田油菜具有一定的分割作用。但是,对油菜的分割效果并不是很好。通过最佳的颜色指数来确定分割油菜的全局阈值,最后对大田油菜进行Otsu阈值分割。经过实验验证,选取过红指数来确定的全局阈值对大田油菜Otsu阈值分割效果更好,失真不明显。     

改进的Otsu理论在图像阈值选取中的应用

提出了一种基于GA优化的Otsu理论进行图像阈值选取的新方法.利用传统的Otsu理论进行图像阈值选取,计算量较大,准则函数不一定单峰,不适于最佳阈值的求取.遗传算法理论为一种全局搜索方法,它自适应地控制搜索过程以求得最优解,从而可克服Otsu方法的不足,有利于计算机视觉的后续处理.文中将遗传算法和Otsu理论进行了有机结合,实现了图像阈值自动选取,且大大降低了计算量.实验结果表明该算法不仅提高了分割质量,而且缩短了寻优时间,从而说明了该算法的有效性、正确性.基于改进Otsu优化的模糊算子理论的提出,解决了模糊算子中关键参数确定困难的问题,实现了其参数的自适应获取,并将该理论应用于图像增强中,从而有效地消除了图像的模糊和噪声干扰.     

基于图像边缘信息的2维阈值分割方法

为了改善2维阈值分割性能,提高图像分割的效率,在传统2维Otsu阈值分割算法的基础上,提出了一种基于图像边缘信息的2维阈值分割方法。这种改进的方法保留了2维Otsu阈值分割算法分割结果准确的优点,并在此基础上充分利用图像的边缘信息,通过分析图像的边缘直方图和阈值的关系来得到最优分割阈值。仿真实验结果表明,该方法与传统2维分割算法相比,不仅计算简单,而且实时性好。     

遗传算法粒在二维最大熵值图像分割中的应用

研究图像分割,针对从图像中提取用户要求的特征目标,最优阈值的选取是图像准确分割的关键技术.传统二维最大熵值算法的最优阈值采用穷举方式进行寻优,耗时长,分割效率较低,易产生误分割.为了提高图像分割效率和准确性,提出一种遗传算法的二维最大熵值图像分割方法.先对原始图像进行灰度转换,绘制出图像的二维直方图.根据二维直方图信息...     

一种改进粒子群优化算法的Otsu图像阈值分割方法

阈值法分割图像时只利用图像的灰度信息,具有直观、实现简单的特点。针对传统的粒子群优化算法(Particle Swarm Optimization,PSO)分割图像易陷入局部最优的缺点,提出一种基于改进粒子群优化算法的Otsu图像阈值分割方法。以Otsu算法的类间方差作为适应度函数,在每次迭代中选取适应度较好的粒子同时加入新的粒子,以提高粒子多样性。实验表明,与Otsu算法和PSO算法相比,改进的粒子群优化算法不仅加快了收敛速度和运算速度,而且提高了图像分割的准确率。     

基于分水岭算法的灵武长枣图像分割方法研究

传统分水岭算法常常会因阈值选择不当而导致图像分割出现各种各样的问题,尤其是过分割问题。在传统分水岭算法的基础上,以灵武长枣图像为研究对象,运用遗传算法对随机选取的阈值进行优化选择;对自然光照环境下的20幅灵武长枣图像,采用改进后的分水岭算法对其进行分割。首先在传统分水岭算法的基础上,利用遗传算法对阈值进行寻优,得到最优的图像分割阈值,再利用最大类间方差法和数学形态学等方法对图像进行后处理,最终得到分割图像,将分割图像与人工分割得到的图像进行比较,分割的正确率能达到89.99%,且分割效果远远优于传统分水岭算法。实验表明,该方法能够得到最优分割阈值并且能够满足机器识别对图像分割的要求。     

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.     

基于最大方差法和改进遗传算法的图像分割

针对应用标准遗传算法对一幅灰度图像寻找最优阈值时经常陷入局部寻优的问题,提出了一种利用最大方差法和新的改进遗传算法相结合对图像进行分割的方法.以灰度图像的最大方差作为适应度函数,把图像分割问题变成一个优化问题.利用遗传算法的寻优高效性,搜索到能使分割质量达到最优的分割阈值.实验结果表明,采用新的改进遗传算法和最大方差法相结合对图像搜索全局阈值时能收敛至全局最优解,并且大大缩短寻找最优阈值的时间.     

基于直方图预处理与BF算法的含噪图像分割

图像中的噪声会直接影响图像分割质量,为快速、准确地识别含噪图像中的目标,提出一种基于直方图预处理与BF算法的含噪图像分割方法。该方法通过小波变换抑制图像中的噪声,分析增强图像的直方图特点以缩小分割阈值的分布范围,以二维最大类间方差为原则设计分割目标函数,利用BF算法快速搜索最优分割阈值。实验结果表明,该方法在收敛速度、稳定性和分割效果三个方面均优于基于遗传算法、人工鱼群算法等其他群体智能的分割方法。     

萤火虫算法优化最大熵的图像分割方法

为了提高图像的分割效果,提出一种萤火虫算法优化最大熵的图像分割方法。获得最大熵法的阈值优化目标函数,采用萤火虫算法对目标函数进行求解,找到图像的最佳分割阈值,根据最佳阈值对图像进行分割,通过仿真实验对分割效果进行测试。结果表明,该方法可以迅速、准确找到最佳阈值,提高图像分割的准确度和抗噪性能,可以较好地满足图像分割实时性要求。     

一种改进遗传退火算法的图像分割方法

图像分割是图像处理和分析的基础,本文通过分析遗传算法（Genetic Algorithm, GA）在图像分割中的应用优劣,提出利用模拟退火思想的改进遗传退火（Genetic Simulated Annealing Algorithm, GASA）的图像阈值分割算法,算法整个运行过程由冷却温度进度表控制,使用改进的最大类间方差公式作为遗传算法的适应度函数,从而求得灰度图像的一个最佳阈值用于图像分割。实验结果表明,基于改进遗传退火算法的最大类间方差图像分割方法能较好提高算法的全局搜索能力,避免遗传算法陷入局部最优,并且能更快速、更稳定收敛到最佳的分割阈值,得到更好的图像分割效果。     

亮度不均匀低质量图像中压印字符分割方法

字符分割效果,直接影响识别精度。在处理亮度不均匀低质量图像中的压印字符时,由于亮度分布不均匀、目标字符与背景区域对比度较低,传统基于二值化图像的字符分割方法在处理上述情况下的压印字符时,难以确定最优二值化阈值,分割准确率较低。提出基于分割效果评价函数的迭代闭环反馈分割方法,通过建立评价函数对分割效果进行评估,以提高分割效率及准确率。借助加权平滑滤波,去除灰度波形图中的畸变波形;并利用广义学习矢量量化算法,确定最优滤波权重因子;通过分析波形变化趋势,确定字符分割位置。实验结果表明,该算法在批量处理亮度不均匀低质量图像中的压印字符时,分割准确率可达98.5%。     

An image segmentation method using automatic threshold based on improved genetic selecting algorithm

In this paper, an image segmentation method using automatic threshold based on improved genetic selecting algorithm is presented. Optimal threshold for image segmentation is converted into an optimization problem in this new method. In order to achieve good effects for image segmentation, the optimal threshold is solved by using optimizing efficiency of improved genetic selecting algorithm that can achieve a global optimum. The genetic selecting algorithm is optimized by using simulated annealing temperature parameters to achieve appropriate selective pressures. Encoding, crossover, mutation operator and other parameters of genetic selecting algorithm are improved moderately in this method. It can overcome the shortcomings of the existing image segmentation methods, which only consider pixel gray value without considering spatial features and large computational complexity of these algorithms. Experiment results show that the new algorithm greatly reduces the optimization time, enhances the anti-noise performance of image segmentation, and improves the efficiency of image segmentation. Experimental results also show that the new algorithm can get better segmentation effect than that of Otsu’s method when the gray-level distribution of the background follows normal distribution approximately, and the target region is less than the background region. Therefore, the new method can facilitate subsequent processing for computer vision, and can be applied to realtime image segmentation.     

基于遗传算法和简化PCNN神经网络的裂缝检测方法*

为能够在复杂背景下检测裂缝、分析裂缝图像特征,由脉冲耦合神经网络(pulse coupled neural networks, PCNN)的运行特征和神经元的状态变化分析简化PCNN模型,将简化PCNN模型用于裂缝图像的目标检测。针对PCNN无法确定裂缝图像的最优检测以及脉冲门限具有非线性因子的问题,提出了一种基于遗传算法(genetic algorithm, GA)和简化PCNN的裂缝图像检测方法。该方法采用最小误差准则作为遗传算法的适应度函数,并且根据遗传算法具有全局最优解的特点确定简化PCNN中各因子的值,实现了简化PCNN的裂缝图像自动分割。将本文方法与不同的分割方法对实际裂缝图像的处理结果进行比较,通过区域对比度、准确率和召回率等客观指标进行定量分析,表明了该方法对裂缝图像检测的有效性与通用性。     

基于粒子群优化算法和模糊熵的多级阈值图像分割算法

针对现有阈值分割算法利用穷举搜索寻找最优阈值而造成的计算成本较大的问题,提出了一种基于粒子群优化算法和模糊熵的多级阈值图像分割算法。图像分割是图像分析中非常重要的预处理步骤,在提出的方法中,首先选择香农熵和模糊熵作为优化技术的目标函数;然后建立一种基于粒子群优化算法的多层次图像阈值分割,通过最大化香农熵或模糊熵进行图像分割。最后从图像分割数据库中选取Lena、baboon和airplane作为测试图像进行性能分析（包括鲁棒性、效率和收敛性）,并与现有的几种阈值分割算法进行比较。结果显示,提出的算法得到了更高PSNR值和更少的分类误差,证明了该算法是一种高效的多级阈值图像分割算法。