基于二维模糊熵的GA在SAR图像分割中的应用

SAR图像中目标和背景的分割是SAR图像分割中的重要内容，阈值方法是其中比较简单实用的方法。阈值分割的核心问题是如何选择合适的阈值，最简单和常用的方法是从图像的灰度直方图出发，得到各个灰度级的概率分布密度，依据某一准则选取一个或多个合适的阈值，以确定每个像素点的归属。该文借助遗传算法工具，对基于二维直方图的模糊熵法做了改进和设计，提出了寻找最优阈值的分割算法，经MSTAR数据测试，对于含噪SAR图像目标和背景的分割具有很好的效果，抑噪功能强。     

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。     

NSCT变换与改进PSO算法在含噪图像分割中的应用

为提高含噪图像的分割效果和分割速度,将非下采样Contourlet变换和粒子群优化算法相结合,提出了一种有效的图像分割方法——IPSOC。该方法首先对待分割图像进行多尺度非下采样Contourlet变换,然后利用其最高级低频系数重构图像,计算重构图像与其均值图像的二维直方图中类间离散度矩阵的迹,并以之作为分割图像的目标函数来搜索最佳分割阈值。为加快阈值搜索速度,以改进的粒子群优化算法作为阈值分割的并行搜索策略,通过对基本粒子群优化算法进行个体及全局最优信息的实时更新,防止粒子停滞操作和阈值保持次数限定搜索终止条件等几个方面的改进,快速有效地获得分割图像。实验结果表明,该方法与基于遗传算法和人工鱼群算法的分割方法相比,明显提高了图像分割速度和分割质量。     

基于小波包与Otsu的含噪遥感图像分割算法

最大类间方差(Otsu)在用于含噪图像的分割时,不能取得理想的分割效果。针对该问题,在Otsu分割方法的基础上,结合小波包分析,提出一种新的含噪遥感图像分割算法。该算法用小波包对含噪遥感图像进行分解,采用自适应阈值的方法去除图像中的噪声,应用Otsu方法对图像进行分割。仿真实验表明,该算法具有较好的抗噪性能及分割效果。     

图像分割的最大熵方法的改进

对基于二维直方图的最大熵选取阈值进行了修正,提出了一种基于修正最大熵的图像分割算法。算法通过将二维直方图分为四部分：背景、目标、受噪声干扰的背景和受噪声干扰的目标,以选取这四部分的信息熵的和最大作为阈值的选取准则。该方法有三个优点：尽可能包括背景部分和目标部分;可以有效地提高对噪声数据的鲁棒性;不过度地引入噪声和边缘信息。实验结果表明,该方法具有较好的图像分割效果。     

边缘信息引导的阈值图像分割算法

针对照度不均匀的图像提出了一种基于边缘信息构造阈值图像的分割算法。该算法着眼图像上目标、背景及照度在空间分布的连续性,利用边缘处梯度大、阈值容易确定的特点,以其边缘邻域中的极大值和极小值的均值作为该边缘处的阈值,然后以稀疏的边缘阈值为控制点,通过曲面拟合得到全图分布的阈值图像再对图像进行分割。该算法分割效果好,边缘吻合度高于其他典型算法,且抗模糊能力强,有利于平滑去噪,克服了基于边缘方法易受噪声影响的弱点。     

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.     

一种具有抗噪性的图像分割方法

基于图论的图像分割方法对有噪声污染的图像必须先进行预处理,算法自身不能抑制噪声。针对该问题,提出一种具有抗噪性的图像分割方法。该方法将图谱划分测度作为划分目标与背景的阈值分割准则,采用基于灰度值的权值矩阵代替基于图像像素个数的权值矩阵,描述像素之间的关联,并在图权计算中增加像素点与其邻域的空间相关信息,以提高算法的抗噪性。实验结果表明,使用该方法进行图像分割具有较好的分割效果,抑制噪声能力较强。     

改进的模糊C均值聚类的图像分割算法

传统FCM算法仅考虑了图像像素的灰度信息,因此在分割含噪图像时效果较差。为了克服传统FCM算法的局限性,提出一种基于空间邻域信息的二维模糊聚类算法,该算法利用图像像素灰度和邻域灰度组成的二维直方图中对角线元素受噪声影响较小,反映图像中相对稳定的信息,且运算只与图像的灰度级数目有关的特征,实现噪声图像的分割。实验结果表明,该算法在分割含噪图像时,不仅提高了传统FCM算法的分割效果,且分割速度明显加快。     

基于直方图统计信息的斑点噪声参数盲估计

以常见的斑点噪声为研究对象提出一种简单、快速的图像斑点噪声参数盲估计方法。该方法通过在仿真图像中加入不同强度的斑点噪声,分析含噪图像均匀区域内直方图分布特点,构造反映图像斑噪强度的噪声特征值,建立噪声强度与噪声特征值之间映射函数。实验结果显示,该函数不需要任何先验知识即可快速、有效地估计图像中的斑噪强度,可用于估计图像获取或传输时的噪声环境、分析斑点噪声强度与图像质量优劣的关系、指导及修改现有抑噪算法设计。     

A fast SAR image segmentation method based on improved chicken swarm optimization algorithm

Severe speckle noise existed in synthetic aperture radar (SAR) image presents a challenge to image segmentation. Though some traditional segmentation methods for SAR image have some success, most of them fail to consider segmentation effects and segmentation speed at the same time. In this paper, we propose a novel method of SAR image fast segmentation which is based on an improved chicken swarm optimization algorithm. In this method, the positions of the whole chicken swarm are firstly initialized in a narrowed foraging space. Secondly, the grey entropy model is selected as the fitness function of the improved chicken swarm optimization algorithm. Hence, the optimal threshold value is located gradually and quickly by virtue of the foraging behaviors of chicken swarm with a hierarchal order. Experimental results show that our method is superior to some segmentation methods based on genetic algorithm, artificial fish swarm algorithm in convergence, stability and segmentation effects.     

改进的2维Otsu法及混沌粒子群递推的阈值分割

鉴于现常用的灰度级-平均灰度级2维直方图区域划分将部分目标和背景点错分成边缘和噪声点这一不足,为此提出了一种基于灰度级-梯度2维直方图的Otsu阈值选取新方法,利用混沌粒子群优化算法来寻找分割阈值,并提出在迭代过程中,采用递推方法来大大减少适应度函数的重复计算。实验结果表明,与最近提出的基于灰度级-平均灰度级2维直方图Otsu法及粒子群的快速图像分割方法相比,该新方法由于尽可能地考虑了所有目标点和背景点,从而使分割后的图像区域内部均匀、边界形状准确、特征细节清晰,同时运行时间几乎不到现有算法的1/3,而且粒子群处理的收敛精度得到了进一步提高。     

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。     

微粒群算法在二维模糊熵图像分割中的应用

将微粒群算法和二维模糊熵阏值分割法结合,提出了一种基于微粒群和二维模糊熵的图像分割方法.该方法根据像素点灰度值和区域灰度均值所建立的二维灰度直方图,以二维模糊熵作为微粒群算法的适应度函数,利用微粒群算法搜索点灰度值和区域灰度均值所对应的模糊参数最优组合,进而确定相应的分割阈值.对几例真实目标图像的对比分割实验结果表明,该文方法性能优越,是一种有效的图像分割方法.     

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。     

二维直方图重建和降维的Otsu 阈值分割算法

指出二维直方图直分法中存在区域划分不合理和抗噪性差问题,提出一种新的阈 值分割方法,导出有关计算公式。首先分析噪声点在二维直方图中分布情况,通过重建二维直 方图减弱了噪声对阈值分割的干扰;然后将二维直方图区域划分由四分法改为二分法,使得阈 值搜索的空间维度从二维降到一维;最后分别给出现有二维直方图分割算法和本文方法的仿真 结果。理论分析和实验结果表明,该方法可以运用于几乎所有基于二维直方图的阈值分割,特 别是对受噪声污染的图片进行阈值分割时,能使分割后的图片内部均匀、边界准确、抗噪性更 稳健,所需运行时间大幅减少。     

二维最大相关准则图像阈值分割递推算法

提出了基于二维直方图的最大相关准则自动阈值图像分割算法。该算法根据图像中目标和背景分布的相关量最大来选择阈值。基于二维最大相关准则的阈值分割算法具有较强的抗噪声能力,能够实现准确分割。在实际应用中,为了加快二维最大相关准则阈值分割的计算速度,减少重复计算,推导了该算法的快速递推公式。递推算法节省了计算时间,使算法具有更强的实用价值。通过对低对比度、低信噪比的遥感红外图像进行试验,结果表明二维最大相关准则图像阈值分割算法具有良好的分割效果,其递推算法使其计算速度提高了近30倍。     

基于自适应粒子群算法和数据场的图像二维阈值分割

针对图像分割中最优阈值选择的问题,将粒子群优化算法和数据场理论相结合,提出一种图像二维阈值分割算法.首先把数据场的理论引入到图像处理中,将图像的灰度值空间映射到数据场的势空间;然后通过自适应的粒子群优化算法寻找数据场中最大势值,该势值对应最优阈值;最后根据找到的阈值进行图像分割.在进行空间映射的过程中,将二维直方图中的序偶?p,q?视作数据对象,其中p代表像素的灰度值,q代表邻域的灰度值,选用拟核力场高斯势函数计算各数据对象之间的相互作用,生成了二维直方图的三维数据场.文中亦对数据场的各个参数进行了详尽的探讨.实验结果表明,文中算法不仅合理、有效,而且大大降低了计算的复杂性,能够适应大多数图像的分割.     

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。