将Otsu用于多阈值彩色图像分割的方法及优化

针对传统Otsu算法只用于单阈值分割的不足,将Otsu算法推广到多阈值彩色图像分割中,提出先在众多极大值中寻找有意义峰值,根据峰值将直方图划分成多个待分割区间,再在每个区间进行阈值选取的方法;并且综合运用了形态学的方法对分割结果进行优化,降低阈值法因不考虑图像空间特性而造成的对噪声敏感的影响。实验结果表明,该方法能自动而快速地对彩色图像进行多阈值分割,而且具有较强的抗噪能力。     

Otsu方法在多阈值图像分割中的应用

图像分割是数字图像处理中的一个重要问题.该方法改进了传统的最大类间方差法(Otsu法),使其可以应用于图像的多阈值分割.提出以双峰法引导来提高Otsu法多阈值分割图像的运算速度和稳定性.对样本图像的分割结果显示,此算法在分割速度和效果上都取得了较好的结果.     

细胞膜机制萤火虫算法优化多阈值Otsu图像分割

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果,但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题,本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度,并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的"早熟"现象.实验结果表明,与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比,本文提出的算法具有更高的收敛速度和更好的图像分割效果,并且有效解决了萤火虫算法易陷入局部最优的问题.     

2维Otsu自适应阈值的快速算法

Otsu自适应阈值法作为图像阈值分割的经典算法，在图像处理领域得到了广泛的应用，在其基础上发展起来的2维Otsu阈值法却因为计算时间长而制约了其应用。针对2维Otsu自适应阈值方法计算复杂度高的缺点，通过改变2维直方图上的区域划分，将2维阈值转换为1维阈值，从而提高了2维自适应阈值算法的计算速度。实验结果表明，该算法的计算时间远远小于原始2维Otsu算法，分割效果和原始算法基本一致。     

一种鲁棒的彩色图像多阈值分割方法及应用

根据独立峰值特性把彩色图像的各颜色分量直方图划分为多个待分割区间,使得Otsu算法在彩色图像处理中实现了多阈值分割。该方法应用于RoboCup足球机器人,针对其HSI模型彩色图像提出了一种多阈值分割改进方法,即在中高饱和度的图像区域以H分量作为分割依据选取分割阈值;在低饱和度的图像区域以I分量作为分割依据选取分割阈值。实验证明,该方法能自动快速地对彩色图像进行多阈值分割,并具有很好的鲁棒性。     

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。     

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.     

二维Otsu阈值分割算法的改进

自动图像阈值分割技术已经被广泛的应用在图像处理和计算机视觉领域中的目标检测,跟踪和识别上。其中Otsu阈值分割算法是一种被广泛使用的分割技术,对于那些直方图呈双峰分布的图像可以得到优秀的分割效果。然而如果直方图是单峰或是有异常数据出现时,传统的Otsu阈值分割算法则会发生错误。为改善传统Otsu法在处理图像时的计算受噪声干扰严重、实时性差、复杂度高等缺点,本文提出了一种改进的基于中值的Otsu阈值分割算法。最后进行的多次测试和实验说明这种改进的方法与传统的Otsu阈值分割算法相比较会得到更加满意的结果。     

灰度图像二维Otsu折线阈值分割法

Otsu法是一个应用较为广泛的阈值分割方法。为实现图像较为精确的分割,充分考虑边界的影响,从二维线阈值分割替代传统的点阈值分割思想出发,提出了折线阈值型Otsu法。该方法以对边界信息的迭代分割的手段获得实际用于分割的二维折线阈值。仿真结果表明,该方法能够获得优于原始Otsu法的分割效果,特别适用于边缘丰富的图像分割,具有较好的分割普适性。     

基于二维Otsu阈值修正的图像分割新方法

首先采用对二维直方图斜分割和查表的方法,解决了传统二维Otsu方法分割图像计算耗时,难以实时实现的缺点。其次基于灰度统计的思想,针对二维Otsu法处理小目标图像难以实现正确分割的缺点,提出了一种在实现过程中采用迭代的阈值修正新方法。最后设计了一种新型滤波器对分割后的图像进行滤波降噪处理。实验结果表明,阈值修正后的二维Otsu改进算法对小目标图像分割效果明显,而且新型滤波器对滤除散布在目标与背景中的噪声非常有效。将阈值修正法和新型滤波器结合使用,不仅快速,而且准确,取得了良好的分割效果。     

基于莱维飞行樽海鞘群优化算法的多阈值图像分割

针对Otsu算法用于多阈值图像分割中存在运算时间长和精度低的不足, 利用群智能优化算法对图像分割算法进行优化.本文首先应用莱维飞行算法对樽海鞘群优化算法进行改进, 将多阈值Otsu函数作为优化算法的适应度函数, 利用改进后的LSSA寻找适应度函数的最大值, 同时获得相对应的多阈值.其次, 通过对几幅基本图像、伯克利大学图像分割库中的图像和实际污油图像进行多阈值Otsu分割研究, 在最佳适应度值、PSNR、SSIM指标以及算法耗时方面进行对比分析.实验结果表明本文提出的算法可以获得更为准确的分割阈值和更高的分割效率.     

基于Otsu与模糊技术的图像分割方法

阈值分割是一种使用较广的图像分割处理方法,传统的单阈值分割方法存在一定的缺陷。针对人眼视觉系统的特点并考虑图像的模糊不确定因素,将模糊技术应用到传统的最大类间方差分割法。用一种快速多阈值分割方法进行多区域划分,引入隶属度改进最大类间方差法,寻找区域最优分割阈值,进而分割图像。仿真实验结果表明：用该方法分割图像可以大大改进因噪声、光照或其他干扰因素造成的模糊、多目标、分割不完全的情况,分割效果明显改善。     

自然场景图像中叶片区域快速多阈值提取方法

针对自然场景中植物叶片图像分割效果不佳,难以从含有多个叶片的图像中提取出完整叶片区域的问题,提出了一种叶片区域的快速多阈值提取方法。首先,使用人工蜂群算法优化Otsu多阈值选取的过程,以类间方差为适应度函数获取最优的多个阈值,在获取最优多阈值的过程中以迭代的方式自适应地确定出适合于叶片图像的分割阈值数目,然后使用边缘检测,逻辑运算和形态学操作等从多阈值分割结果中去除背景元素,提取独立、完整的叶片区域。实验结果表明,当对包含一个和多个叶片的自然场景图像进行处理时,该方法能够较为快速地得到更为完整、准确的叶片区域。     

基于遗传算法的自适应聚类图像阈值分割方法

文中针对复杂背景条件下的红外图像分割问题,将遗传算法引入最大类间方差法中,同时结合人类视觉感知原理,探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

基于改进差分进化算法的多阈值图像分割

阈值法是一种简单有效的图像分割技术.但是阈值法也有着明显的缺点,即阈值求解的计算量随阈值的增加而指数级增长.为克服多阈值图像分割计算量大、运算时间长的缺点,引入改进的差分进化算法,提出新的变异策略,采用自适应的缩放因子和交叉系数,并新增扰动策略.改进的算法将多阈值分割模型视为优化问题,将最大类间方差法作为目标函数,实现多阈值分割.实验结果表明,和其它算法相比,该算法不仅可以取得正确的分割结果,而且分割速度更快.     

基于Curvelet变换和多目标粒子群的混合熵MRI图像多阈值分割

针对因噪声干扰多、灰度不均匀、目标边界模糊导致的核磁共振成像（MRI）图像难以精确分割的问题,提出了一种基于Curvelet变换和多目标粒子群（MOPSO）的混合熵MRI图像多阈值分割算法。首先,对待分割MRI图像进行Curvelet分解,提取低频子带和高频细节子带构建概貌-细节灰度级矩阵模型,以提高算法的目标细节表示能力;其次,同时考虑目标与背景的类间差异性与类内均匀性,将提出的二维多阈值倒数熵和倒数灰度熵组合定义为混合熵,作为多目标粒子群算法的目标函数,协同搜索得到最优的分割多阈值,以实现MRI图像的精确分割;最后,为提高算法的求解速度,提出了二维倒数熵和倒数灰度熵多阈值选取的梯度算法。实验结果表明：与二维tsallis熵、自动细菌觅食分割法（ABF）和改进的Otsu多阈值分割算法相比,所提方法对灰度不均和含噪的MRI图像具有更好的适应性,分割结果更为精确。     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。