基于数学形态学的边缘检测方法

针对图像的边缘检测问题,提出了一种基于顺序形态变换和局部熵相结合的边缘检测方法。该检测方法构造了基于百分位顺序形态变换的边缘检测算子,根据不同结构元素的尺度大小与结构元素的类型,选择不同的形态变换的百分值,从而使变换结果图像的局部熵最小,利用局部熵的特性,有效地锐化了图像边缘。实验结果表明,与传统的边缘检测方法相比,该方法具有很强的抑制噪声能力和良好的边缘检测性能。     

顺序形态变换边缘检测方法

提出了一种基于顺序形态变换的边缘检测方法.该方法构造了基于百分位顺序形态变换的边缘检测算子,根据不同结构元素的尺度大小与结构元素的类型,选择不同的形态变换的百分值,从而使变换结果图像的平均值最小.实验结果表明,与固定结构元素的边缘检测方法相比该方法锐化了图像边缘、具有很强的抑制噪声能力和良好的边缘检测性能.     

基于多结构元顺序形态变换的灰度图像边缘检测

在简要介绍顺序形态变换的基本概念及相关性质和对顺序形态变换进行边缘检测的原理进行阐述,以及对结构元素和百分位对边缘检测的影响进行讨论的基础上,根据图像形态学多刻度形态滤波的思想,从抑制噪声的角度对基本边缘检测算子进行推广和扩展,首先构造了3种边缘检测算子,并从理论上分析了算子的特性;然后将多结构元与图像边缘进行匹配,提出了3种广义顺序形态边缘检测算子并给出了一般表达形式;最后着重探讨了多结构元素及二重混合顺序形态变换百分位值p、q的选取原则.实验结果表明,该边缘检测算子在抑制噪声对图像边缘的影响和保持图像细节方面,优于传统的边缘检测算子和普通的形态边缘检测器.     

基于2 维Tsallis 熵的水下图像目标检测

针对传统图像检测方法在水下图像处理过程中存在目标区域定位不准确、目标细节丢失、目标形状变 形的问题,文中利用Tsallis 熵的非广延性,提出了一种基于边缘信息的2 维直方图,并以最大2 维Tsallis 熵为准 则,利用改进粒子群优化算法寻找最佳阈值．水下图像处理试验表明,该算法是一种有效的水下图像目标检测方法, 与传统方法相比,具有更强的自适应性和鲁棒性．     

基于顺序形态变换的图像边缘检测

该文分析了顺序形态学和普通形态学运算的特点,在此基础上研究了基于顺序形态运算的边缘检测,通过对原始图像采用不同百分位值和结构元素的顺序形态变换,可以选择不同阈值和图像中目标信号分布范围,结合Canny检测算子能有效检测灰度接近背景的目标区域的边界。     

一种新的彩色有噪图像边缘检测方法

针对在RGB空间中很难有效区分颜色相似性问题,提出一种在HSI空间基于广义形态滤波的彩色有噪图像边缘检测方法。首先将图像转换到HSI色彩空间,然后对H、S、I三个分量分别计算熵,并利用判决机制选择熵值最大的分量进行广义形态滤波,最后对滤波结果采用形态学梯度算子检测边缘。将该方法与基于传统形态滤波的边缘检测方法进行了比较,实验结果表明,本文提出的方法在抑制噪声的同时能较好地保持边缘和细节,并且大大提高处理速度。     

基于引导滤波和Tsallis熵的SAR图像分割算法

针对合成孔径雷达(SAR)图像易受噪声干扰、分割方法精度低的问题,提出了一种基于频域引导滤波和Tsallis熵的SAR图像多阈值分割算法.利用非下采样Contourlet变换(NSCT)对图像多尺度分解,提取图像各方向的高频信息;通过引导滤波增强高频分量的边缘信息,在保持边缘的同时抑制了相干斑噪声;利用改进的二维Tsallis熵多阈值对增强图像精确分割.实验结果表明:分割算法对噪声不敏感,分割精度和适应性明显提高.     

基于柔性形态变换的图像边缘检测

由于自然界中的噪声影响和图像模糊的边缘,这给图像的边缘检测和目标分割带来了一定的困难。柔性形态变换作为一种数学形态学的方法,既保留了标准形态变换的许多优良特性,又具有较好稳健性,为进行目标特征分析提供了可能。使用柔性形态变换构造边缘检测算子,对图像进行边缘检测。实验结果表明,与其他常用的边缘检测算子相比,基于柔性形态变换的边缘检测算子在有效去噪的同时,能较好地保留图像的细节信息,具有很强的实用性。     

基于灰色Tsallis熵的SAR图像快速分割*

针对SAR图像斑点噪声及分割速度慢的问题,提出一种基于灰色理论和Tsallis熵的SAR图像快速分割方法。该方法首先对待分割图像进行小波变换,将表征图像概貌信息的低频部分重构为概貌图像,表征图像细节和边缘的高频部分重构为细节图像,并建立了相应的概貌—细节共生矩阵模型;然后利用灰色理论和Tsallis熵设计了基于该共生矩阵的灰色Tsallis熵模型,用于求解最优分割阈值;同时,为加快阈值搜索速度,引入群体智能中的粒子群优化算法。实验结果显示,新方法在抗噪性、分割速度和灵活性三个方面均有明显提高。     

基于顺序形态学自适应边缘检测方法

基于顺序形态学自适应边缘检测方法是图像处理新技术之一,针对形态学单一结构元素在边缘检测中图像边缘信息丢失的问题,根据图像形态学多刻度形态滤波的思想,提出了基于顺序形态学自适应边缘检测方法。根据传统的形态学边缘检测方法,该方法构造了边缘检测算子,给出了边缘检测算子的评价函数。通过该函数选择不同方向的结构元素增加图像的边缘信息。实验结果表明,与传统的基于数学形态学的边缘检测方法相比,该方法可以最大程度上抑制噪声,有效地提高图像的边缘检测效果。     

分解的二维非对称Tsallis 交叉熵图像阈值选取

现有的Tsallis 交叉熵能够度量图像分割前后的差异,但公式复杂,计算效率不高,据此, 提出了基于分解的二维非对称Tsallis 交叉熵图像阈值选取方法。首先给出了非对称Tsallis 交叉熵的定 义,提出了一维非对称Tsallis 交叉熵阈值选取方法;然后,将其拓展到二维,推导出相应的阈值选取 公式;最后,在此基础上提出了二维非对称Tsallis交叉熵阈值选取的分解算法,使求解二维非对称Tsallis 交叉熵阈值法的运算转化到两个一维空间上,将计算复杂度从O(L4)降低为O(L)。大量实验结果表明, 与基于混沌粒子群优化的二维Tsallis 灰度熵法、二维斜分对称交叉熵法,二维斜分对称Tsallis 交叉熵 法等方法相比,该方法分割性能优,运行时间短,可望满足实际应用系统对分割的实时要求。     

一种基于Tsallis熵的彩色图像边缘检测方法*

通过引入Tsallis熵,提出了一种新的彩色图像边缘检测方法.该方法首先将彩色图像从RGB空间转换到YCbCr空间,分别求出三个子空间中像素在3×3邻域内的最大边缘强度值;然后采用Tsallis熵求取每一个子空间的最佳边缘强度阈值对亮度子空间Y和颜色信息子空间Cb、Cr分别进行边缘提取,最后将三个子空间中获取的边缘点进行融合,从而完成整幅图像的边缘检测.实验结果表明,与采用Shannon熵的边缘检测方法相比,该方法具有更好的灵活性和可行性.     

基于灰度-梯度二维对称Tsallis交叉熵的阈值分割

针对灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法存在错分、计算复杂度较高问题,提出一种基于灰度-梯度二维对称Tsallis交叉熵的阈值分 割方法。构建新的灰度-梯度二维直方图,更加全面地考虑目标点和背景点;导出基于该直方图区域划分的对称Tsallis交叉熵阈值选取公式;采用基于tent映射的 混沌小生境粒子群优化算法搜寻二维最佳阈值向量,并引入快速递推算法降低其适应度函数的计算复杂度。实验结果表明,与基于灰度级-平均灰度级直方图的 二维Tsallis交叉熵阈值分割法相比,该方法能够使分割后的图像边缘更加准确,类内灰度更加均匀,且实时性提高了30倍。     

利用混沌PSO或分解的2维Tsallis灰度熵阈值分割

现有最大Shannon熵或Tsallis熵阈值选取方法没有从类内灰度均匀性出发,而仅依据图像灰度直方图,并且Tsallis熵法的分割效果通常优于Shannon熵法。为此,提出了基于混沌粒子群优化(PSO)和基于分解的两种2维Tsallis灰度熵阈值分割方法。首先,给出了1维Tsallis灰度熵阈值选取方法并将其推广到2维,导出了相应的2维Tsallis灰度熵阈值选取公式及其递推算法;其次,利用混沌PSO算法搜寻2维Tsallis灰度熵法的最佳阈值,并采用递推方式去除迭代过程中适应度函数的冗余运算,大大提高了运行速度;最后,将2维Tsallis灰度熵阈值选取方法的运算转化为两个1维Tsallis灰度熵法的运算,计算复杂度从O(L2)进一步降低到O(L)。实验结果表明,与2维最大Shannon熵法、2维最大Tsallis熵法及2维Tsallis交叉熵法相比,所提出的两种方法可以大幅提高图像分割质量和算法运行速度。     

基于混沌布谷鸟优化的二维Tsallis交叉熵建筑物遥感图像分割

为了进一步提升建筑物遥感图像分割的准确性和运算速度,本文提出了基于混沌布谷鸟优化的二维Tsallis交叉熵的建筑物遥感图像分割方法。首先给出了二维Tsallis交叉熵的阈值选取公式,然后将Logistic混沌映射引入布谷鸟算法,进一步加快布谷鸟算法的收敛速度,最后通过该混沌布谷鸟算法优化基于二维Tsallis交叉熵的阈值寻找过程,并以得到的最优阈值分割建筑物遥感图像。大量实验结果表明,与二维倒数交叉熵法、二维Tsallis熵法、基于混沌粒子群优化的二维Tsallis灰度熵法等方法相比较,本文方法分割的目标更为准确,细节更为清晰,且运算时间更短。     

快速二维最小交叉Tsallis熵的图像阈值分割

目前二维最小交叉Tsallis熵阈值分割法有较好的分割性能,但由于计算复杂度高,使得分割速度慢。针对此问题,提出了一种基于二维最小交叉Tsallis熵的快速图像分割方法。首先对二维最小交叉Tsallis熵法公式进行推导找出需要递推的几个量,然后对二维直方图投影进行分析得到二维直方图的特性;最后利用此特性导出新型的快速递推算法来减少计算时间。实验结果表明:相对于当前二维最小交叉Tsallis熵阈值法,提出的方法在保持分割效果的情况下,其速度提高了20倍以上,其运行时间小于0.2 s。     

面向医学图像分割的直线截距直方图倒数交叉熵方法

为了进一步 提高医学图像分割的速度和准确度,为临床诊断和辅助治疗提供更为充分有效的依据,本文 提出了一种基于直线截距直方图的倒数交叉熵图像阈值分割方法。首先定义了直线截距直方 图;然后根据医学图像的二维信息,建立该图像的直线截距直方图;最后,推导出基于该直 方图的倒数交叉熵阈值选取准则,并以此对医学图像进行分割。实验结果表明,与基于 混沌小生境粒子群优化(Niche chaotic mutation particle swarm optimization, NCPSO) 的二维倒数熵法、基于分解的二维指数灰度熵法、基于斜分的二维对称交叉熵法及基于粒子 群优化(Particle swarm optimization, PSO)的二维Tsallis交叉熵法相比,本文方法分割 后的图像中目标区域完整准确,边缘细节清晰丰富,且所需运行时间大幅减少,是医学影像 研究中可选择的一种快速有效的图像分割方法。