基于稀疏主成分分析和自适应阈值选择的图像分割算法

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法依赖于参数调整,但参数调整容易受到局部最小值的影响且需要耗费大量时间,从而降低了分割算法的质量和效率。为了实现图像分割过程中的自适应阈值选择,提出了一种基于稀疏主成分分析和自适应阈值选择的图像分割算法。该算法首先利用稀疏主成分分析感知图像的噪声水平以自适应去噪,其次通过二维直方图感知图像的主干区域内容以自适应获得全局分割阈值,然后通过移动平均法的局部阈值分割算法对图像进行分割,最后将全局阈值分割和局部阈值分割图像结合,从而获得最佳的分割图像结果。在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果,基于稀疏主成分分析的自适应阈值选择方法提高了图像的分割质量。     

复杂背景下的阈值插值方法

图像分割是进行图像处理的关键步骤。目前很多图像分割的技术都需要人工干预，而且是针对单纯的图像背景才能达到目标。为了解决有复杂背景的图像的分割问题，采用自适应阈值(阈值插值)的方法，并对其加以改进，用迭代阈值判断子图像的直方图是否是双峰分布，同时确定直方图有双峰的子图像的阈值；用双线性插值的方法确定直方图非双峰分布的予图像的阈值，使这种算法在实际中可行。实验证明这种方法适用于复杂背景的图像分割，且通用性比较好。     

一种自动识别最优阈值的图像分割方法

阈值分割是图像分割的常用方法，但至今没有一种对多数图像都适用的阈值选择的通用方法。本文基于图像的灰度级特征，以前景和背景最大程度地分开为判据，提出了一种简捷的自动识别最优阈值的图像分割方法。该方法对更多图像都可以给出最佳的闽值，达到较好的图像分割效果。     

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。     

基于谱聚类的多闭值图像分割方法

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常用的基于图像像素级的权值矩阵描述图像像素的关系,因而算法需要的存储空间及实现的复杂性与其它基于图的图像分割方法相比大大减少。实验表明,该方法分割图像的时间少,且能够单阈值和多阈值分割图像,与现有的阈值分割方法相比,其具有更为优越的分割性能。     

基于遗传算法的最大熵双阈值图像分割

图像分割是图像处理的一个基本问题,阈值法是图像分割的常用方法.通过建立最大熵双阈值数学模型和设计遗传算法,对双阈值图像分割进行了有效的解决.进一步提出了遗传算法的改进,能准确找出图像分割的双阈值,对分析和理解图像具有重要用处.     

红外图像统计闭值分割方法

经典的统计阈值方法采用某种形式的类方差和作为阈值选择的准则,未考虑实际图像的特性,对目标和背景具有相似统计分布的图像的分割效果不甚理想。为此,利用阈值分割后两个类的标准偏差定义了一个新的阈值选择准则,并通过最小化此准则选择出最佳分割阈值。通过一系列实际图像上的实验结果表明,与现有的几种经典阈值分割方法相比,本方法分割图像的效果更好,尤其是对红外图像分割的效果更为明显。     

基于自适应阈值的舌像分割方法

中医舌诊是目前医学领域的重要前沿课题之一,而舌体轮廓的正确分割是实现中医舌诊信息化的重要前提,目前主流的阈值分割方法对对比度较小的舌像仍不能实现很好的分割。为此提出了一种舌像的自适应阈值分割算法,该算法是以VC＋＋为开发平台,首先把图像分成多个子块,然后运用迭代的方法计算每个子块的最佳阈值,根据每个局部最佳阈值构成的阈值矩阵进行分割。实验结果表明,该算法对背景和目标分界不明显的舌像有很好的分割效果,对中医舌诊的继续发展有很强的现实意义。     

基于口腔图像的分割算法的研究

针对传统分割算法难以解决多目标分割等问题，提出了一种改进的一维Kaput熵多闽值分割算法。该算法依据Kaput熵阈值选择原理，应用图像灰度直方图信息，利用迭代合并和选择方法建立口腔图像中的阈值分割模型，解决了图像分割中阂值的自动获取问题和多阈值并行选择问题，实现了口腔图像中牙齿和病灶的分离。形状准则和一致性准则评价方法证明了该算法在抗噪声方面明显优于自适应阈值方法。获得的分割结果较好地保留了图像的灰度信息和边缘信息，为后续的图像分析和诊断工作提供了保证。     

一种新的自适应工程图像分割算法

为满足水厂矾花实时检测系统中对矾花图像分割的要求，分析了工程图像的常用阈值分割算法，并针对其不足提出了一种新的基于直方图分析的自适应工程阈值分割算法；算法能根据直方图类型灵活处理以提高自适应能力，并利用最大方差法和直方图类型确定分割阈值以减小阈值偏差，克服了局部阈值分割方法和最大方差法中阈值确定的不足，提高了系统的处理速度和鲁棒性能；在水厂自动加矾系统实时矾花检测系统的实际应用中取得了良好的效果。     

C#快速分割阈值灰度图像

本文基于阂值法对灰度图像实现分割进行了论述.首先介绍图像分割基本概念,然后讲述灰度图像直方图阈值分割方法,最后通过C#可行的程序实现灰度图像阈值分割,稳定、准确地实现了灰度图像阈值分割.     

C#实现彩色图像分割

针对图像分析应用日益广泛的现状,基于阈值法对彩色图像实现分割进行论述。介绍图像分割基本概念,讲述彩色图像直方图阈值分割方法,利用二维直方图方便地寻找彩色图像阈值,最后通过C#可行的程序稳定、准确地实现彩色图像阈值分割。     

图像阈值法分割综述

图像分割是一个经典的难题,由于图像分割的复杂性,图像分割的方法很多也很难有一个通用的方法。该文主要是对图像阈值法分割的一个综述,叙述了阈值法分割的一些方法。最后对这些算法做了一个总结,以及对阈值法分割的期望。     

C#实现彩色图像分割

针对图像分析应用日益广泛的现状,基于阈值法对彩色图像实现分割进行论述。介绍图像分割基本概念,讲述彩色图像直方图阈值分割方法,利用二维直方图方便地寻找彩色图像阈值,最后通过C#可行的程序稳定、准确地实现彩色图像阈值分割。     

基于粒子群的图像分割

图像分割是图像处理的关键问题之一,为了能够快速有效地选取最优阈值进行图像分割,引入了粒子群算法（PSO）对阈值分割进行优化,提出基于PSO的最大熵图像分割,基于PSO的最大类间方差图像分割以及基于PSO的最小误差图像分割,并进行了分析和研究,可以得出该三种方法可以准确、快速地获取最优阈值进行图像分割。     

基于DTBNN的双阈值图像分割方法

为了能够实现动态无灰度特征峰值的图像分割,提出一种基于决策树的神经网络(Decision Tree Based Neural Network,DTBNN)双阈值图像分割方法。该方法首先运用决策树与神经网络的对应关系,构建出稳定、训练高效的神经网络;然后通过实验采集的图像提取图像灰度均值,最大灰度偏差与阈值映射函数作为样本数据训练神经网络;最后采用训练好的神经网络对被测图像进行阈值映射函数筛选,并计算出被测图像的上下灰度阈值,完成对图像的双阈值分割。仿真实验表明,该方法不依赖于灰度直方图的峰值特征并能获取较好的上下限分割阈值,与最大类间方差双阈值法和最大熵双阈值法比较,能够在动态图像中实现双阈值分割。     

图像分割中算法的应用研究

研究图像优化分割问题,最佳阈值选取直接影响到图像分割的清晰度质量。传统采用经验法进行分割,难以获得最佳阈值,导致分割准确率低,易产生图像误分割。为了提高图象分割准确率,提出一种基于遗传算法的Otsu图像分割。首先对图像进行去噪处理并绘制直方图;然后直方图信息选取适当灰度值作为遗传算法中的初始种群,最优阈值作为目标函数,最后通过选择、交叉和变异等遗传操作得到图像分割最优阈值,并进行图像分割。实验结果表明,遗传算法的Otsu图像分割加快了速度,减少了计算量,提高了图像分割准确率,证明适应于图像实时处理。     

基于指纹的图像分割方法比较

本文用两种图像分割的方法,阚值分割和边缘检测分割处理指纹图像,通过比较处理后的图像,认识到图像分割的意义,并明确阈值分割和边缘检测分割方法,得出在何种情况下适合使用何种分割方法。     

基于细胞神经网络的图像阈值化方法*

图像阈值化是一种经典、简单而又非常有效的图像分割方法,并已得到了广泛的研究。在分析灰度图像直方图分布的基础上提出了一种基于细胞神经网络（CNN）结合直方图分析的图像阈值化方法,并给出了阈值化CNN所需阈值的自动搜索算法。实验结果表明,相对于其他两种经典的阈值化方法,该方法的阈值化分割结果较好。     

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。