一种基于包含度理论的图像分割方法

采用模糊集中的包含度提出阈值化分割图像方法.由于人眼视觉的主观性和图像结构的不确定性使得图像分割比较适合采用模糊技术进行处理.首先引人基于模糊集的包含度理论,其次基于模糊包含度公式定义图像分割选取阈值的新准则函数,最后基于互信息量和混沌理论给出该分割方法中的模糊隶属函数参数的最佳选取办法.实验结果表明,本文方法是可行的,且分割性能明显优于基于模糊熵或相似度的分割法.     

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。     

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。     

多阈值模糊互信息图像分割方法

提出了多阈值模糊互信息图像分割新方法。该方法首先将模糊隶属度函数引入到传统互信息量中并定义模糊信息量概念;其次将模糊互信息量用于图像分割时给出具体隶属度函数的构造;最后采用混沌优化法来获得多阈值模糊互信息分割方法的最佳阈值。实验结果表明,提出的多阈值模糊互信息图像分割方法是有效的。     

基于模糊度的图像阈值分割法

本文将模糊集合理论中的模糊度概念引入阈值分割技术中．在图像的模糊特征平面上采用最大模糊度原则确定分割阈值．新算法正是基于图像信号的模糊性．采用标准模糊率属度函数(S函数)．并根据其特征．结合欧基米德模糊度确定分割阀值。新算法不依赖于图像的直方图．也没有直方图满足高期分布的种种假设．即使两幅图像的直方图相同而内容完全不同也能各自精确分割。     

基于参数型模糊熵的图像分割新方法

直方图阈值法因其简单性和抗噪性在图像处理中得到了广泛应用。针对传统模糊熵阈值法对图像分割最佳阈值选取缺乏鲁棒性的问题,提出了参数型模糊熵图像分割新方法。该方法对图像分割最佳阈值选取具有良好的鲁棒性,适当调整参数可获得满意的视觉分割效果。实验结果表明,提出的方法是可行的。     

一种基于模糊连通度的图像阈值分割算法

提出一种新的图像阈值分割方法。该方法给出模糊连通度定义,采用图像划分测度作为区分目标和背景的阈值分割准则,在计算图像划分测度时,采用基于灰度级的权值矩阵代替常用的基于像素的权值矩阵来描述图像中各像素之间的关系,从而减小算法实现的复杂性,提高算法运算速度。仿真实验结果表明,与大多数模糊阈值分割方法相比,该方法更具优越性。     

基于遗传算法的原位根系CT图像的模糊阈值分割

原位根系CT图像的精确分割是实现植物根系3维重建和定量分析的重要基础。为了对原位根系CT序列图像进行准确、有效的分割,针对原位根系CT序列图像固有的模糊性特征,设计了一种基于遗传算法的模糊多阈值图像分割方法。该方法首先通过直方图分析确定了原位根系3维分割的初始阈值范围;然后通过设计一种模糊隶属度函数, 将图像模糊划分为若干个不同的区域; 最后采用最大模糊熵准则,并借助遗传算法寻找确定了一组序列图像的最佳分割阈值。编程实验结果证实,该算法不仅能更加准确、有效地对植物根系原位CT序列图像进行分割,并可提高图像阈值分割的精度和效率。     

一种自适应模糊阈值区间的图像分割方法

针对图像分割边缘不准确的问题,研究了一种基于模糊理论的阈值区间的图像分割方法。在首先介绍的模糊阈值分割的基本原理上,提出了一种分层分割图像的思想。根据图像具有模糊的性质,利用模糊阈值法得到一个图像分割的调和阈值,再将每一层根据像素统计直方图信息得到一个本层次的阈值区域,最后用模糊阈值法得到的阈值调和阈值区域,使最终的分割阈值区间更精确。最后,根据相邻层相连背景像素相似的原则,逐层分割图像。实验结果表明该方法具有较好的分割效果。     

基于最大模糊熵和微粒群的双阈值图像分割

基于最大模糊熵准则和微粒群算法,提出了一种新的双阈值图像分割方法.该方法通过定义3种模糊隶属度函数,将图像模糊划分为暗、灰和亮3个不同的区域.同时采用微粒群算法搜索最大模糊准则下模糊参数的最优组合,进而确定图像的两个最佳分割阈值.仿真结果表明,该算法具有良好的分割效果和较强的实时处理能力.     

基于广义调和均值距离的图像分割新算法

提出了基于广义调和均值距离的最小偏差图像阈值化分割新算法。Otsu阈值法是图像分割中最典型阈值法之一,因其计算简单、速度快和性能稳定等优点而在图像分割中得到广泛应用;但是,传统Otsu阈值法是基于欧式距离的最小偏差阈值法,由于欧式距离没有可调节参数而导致Otsu阈值法分割图像缺乏鲁棒性。首先将Otsu图像分割法中的欧式距离用广义调和均值距离代替并得到一种具有鲁棒性的图像分割新算法,其次给出该算法中参数选取办法。大量实验结果表明,新的图像分割算法相比Otsu法更有效。     

Automatic multi-thresholds selection for image segmentation based on evolutionary approach

Automatic thresholding has been widely used in machine vision for automatic image segmentation. Otsu’s method selects an optimum threshold by maximizing the between-class variance in a grayscale image. However, the method becomes time-consuming when extended to multi-level threshold problems, because excessive iterations are required in order to compute the cumulative probability and the mean of class. In this paper, we focus on the issue of automatic selection for multi-level thresholding, and we greatly improve the efficiency of Otsu’s method for image segmentation based on evolutionary approaches. We have investigated and evaluated the performance of the Otsu and Valleyemphasis thresholding methods. Based on our evaluation results, we have developed many different algorithms for automatic threshold selection based on the evolutionary method using the Modified Adaptive Genetic Algorithm and the Hill Climbing Algorithm. The experimental results show that the evolutionary approach achieves a satisfactory segmentation effect and that the processing time can be greatly reduced when the number of thresholds increases.     

基于模糊集理论的医学图像分割的应用

图像分割是医学图像处理、分析、研究的基础。由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题。而模糊集合论具有描述不良问题的能力,模糊集理论应用于图像分割是针对图像模糊性非常有效的方法。对近年来基于模糊集理论的医学图像分割技术的应用和发展进行了综述和讨论,展望了基于模糊集理论的医学图像分割技术的前景和面临的挑战。     

基于模糊阈值的机器人视觉目标图像处理

机器人视觉目标图像信噪比低,背景噪声干扰大,目标识别处理通常利用目标的灰度信息进行预处理,由此设计一种基于数学形态学和模糊阈值的灰度图像实时预处理和阈值处理技术图像分割方法.仿真实验表明,该方法实时性好,简捷快速,对目标图像识别有实用价值.     

Image segmentation using Atanassov’s intuitionistic fuzzy sets

The problem of segmentation in spite of all the work over the last decades, is still an important research field and also a critical preprocessing step for image processing, mostly due to the fact that finding a global optimal threshold that works well for all kind of images is indeed a very difficult task that, probably, will never be accomplished.During the past years, fuzzy logic theory has been successfully applied to image thresholding. In this paper we describe a thresholding technique using Atanassov’s intuitionistic fuzzy sets (A-IFSs). This approach uses Atanassov’s intuitionistic index values for representing the hesitance of the expert in determining whether the pixel belongs to the background or that it belongs to the object. First, we describe the general framework of this approach to bi-level thresholding. Then we present its natural extension to multilevel thresholding. This multilevel threshold methodology segments the image into several distinct regions which correspond to a background and several objects.Segmentation experimental results and comparison with Otsu’s multilevel thresholding algorithm for the calculation of two and three thresholds are presented.     

彩色图像分割方法综述

由于彩色图像提供了比灰度图像更为丰富的信息，因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题，彩色图像分割可以看成是灰度图像分割技术在各种颜色空间上的应用，为了使该领域的研究人员对当前各种彩色图像分割方法有较全面的了解，因此对各种彩色图像分割方法进行了系统论述，即先对各种颜色空间进行简单介绍，然后对直方图阈值法、特征空间聚类、基于区域的方法、边缘检测、模糊方法、神经元网络、基于物理模型方法等主要的彩色图像分割技术进行综述，并比较了它们的优缺点，通过比较发现模糊技术由于能很好地表达和处理不确定性问题，因此在彩色图像分割领域会有更广阔的应用前景。     

A novel local contrast fusion-based fuzzy model for color image multilevel thresholding using grasshopper optimization

The segmentation process is considered the significant step of an image processing system due to its extreme inspiration on the subsequent image analysis. Out of various approaches, thresholding is one of the most popular schemes for image segmentation. In segmentation, image pixels are arranged in various regions based on their intensity levels. In this paper, a straightforward and efficient fusion-based fuzzy model for multilevel color image segmentation using grasshopper optimization algorithm (GOA) has been proposed. Thresholding based segmentation lacks accuracy in segmenting the ambiguous images due to their complex characteristics, uncertainties and inherent fuzziness. However, the fuzzy entropy resolves these problems, but it is unable for segmenting at higher levels and also the complexity level for selecting suitable thresholds is high. The selection of metaheuristic GOA reduces this problem by selecting optimal threshold values. Therefore, to increase the quality of the segmented image, a simple and effective multilevel thresholding method is exploited by using the concept of fusion which is based on the local contrast. Experimental outputs demonstrate that fusion-based multilevel thresholding is better than most specific segmentation methods and can be validated by comparing the different numerical parameters. Experiments on standard daily-life color and satellite images are conducted to prove the effectiveness of the proposed scheme.     

一种基于模糊集的灰度图像阈值分割算法

提出了一种新的基于模糊集理论的图像直方图阈值分割算法。该算法首先把图像的直方图预分成目标参考区,背景参考区和模糊区。然后对位于模糊区的灰度级,逐一比较其与目标和背景区的相似度,以决定该灰度级的归属,并最终确定灰度阈值。仿真结果表明：此方法不但能不有效地对灰度图像进行分割,且与传统方法相比更具灵活性。