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。     

基于改进的二维最大熵及粒子群递推的图像分割

鉴于常用的灰度级-平均灰度级二维直方图区域划分存在明显的不足,提出一种灰度级(平均灰度级)-梯度二维直方图及其区域划分方法.给出了改进二维直方图的最大熵阈值选取公式,并利用粒子群算法寻找最佳阈值,在迭代过程中采用递推算法,大大地减少了适应度函数的重复计算.实验结果表明,该方法不仅使分割后的图像区域内部均匀、边界形状准确、抵抗噪声稳健,同时相对粒子群算法运算速度又提高了约1倍.     

改进的红外图像2维Otsu分割算法

针对红外图像有别于一般灰度图像的特点,常用的灰度级平均灰度级2维直方图区域划分在红外图像分割中效果不佳,为此提出一种改进的灰度级梯度2维Otsu阈值选取方法,选取合适的梯度算子,利用改进的粒子群优化算法寻找分割阈值,在算法中加入有效判断早熟停滞的方法,一旦检索到早熟迹象,便随机改变最优解的任意1维分量值,使其跳出局部最大,实现全局寻优过程的快速收敛。仿真实验结果表明,该算法由于使用新的2维直方图,分割后的红外图像边界形状准确,特征细节清晰,运算速度也得到了有效提高。     

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.     

基于2维灰度熵阈值选取快速迭代的图像分割

目的 为了使图像阈值分割的精度和速度进一步提高,提出了一种基于2维灰度熵阈值选取快速迭代的图像分割方法。方法 首先,提出了1维灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,给出了基于灰度—邻域平均灰度级直方图的灰度熵阈值选取准则;最后,提出了2维灰度熵阈值选取的快速迭代算法,并采用递推方式计算准则函数中的中间变量,避免其重复运算,加快了运算速度,大大减少了运算量。结果 大量实验结果表明,与近年来提出的3种阈值分割法相比,所提出的方法分割性能更优,分割后的图像中目标区域完整,边缘清晰,细节丰富且运行时间短,仅为基于混沌小生境粒子群优化的二维斜分倒数熵分割法运行时间的3%左右。结论 本文方法对不同类型灰度级图像的分割效果及运行速度均有明显优势,是实际系统中可选择的一种快速有效的图像分割方法。     

基于梯度阈值对象提取的图像检索技术研究

为加强图像检索领域中图像有效特征的提取,提出一种基于对象提取的图像检索技术.该方法采用二维Otsu梯度阈值选取的快速迭代算法,利用灰度级-最大梯度二维直方图进行阈值选取,同时采用迭代思想代替穷举搜索,快速选取阈值进行对象分割,提取出目标对象,克服了传统二维Otsu算法分割效果不够准确、计算复杂度较高的缺点.将分割出的目标对象进行特征提取与比对,用于检索系统进行检索.实验结果表明,该算法能够较准确的分割出适于图像检索的对象,同时可以得到较高的查准率.     

平均灰度级-梯度二维直方图最大相关阈值分割

鉴于现常用的灰度级-平均灰度级二维直方图区域划分存在明显的不足,提出基于灰度级(或平均灰度级)-梯度二维直方图最大相关阈值选取方法,导出相应的快速递推算法公式;给出实验结果并进行了分析与比较.结果表明:与现有的有关算法相比,所提出的基于灰度级(或平均灰度级)-梯度二维直方图最大相关阈值选取快速递推算法不仅能使分割后的图像区域内部更均匀、边界形状更准确、抵抗噪声稳健,而且同时其运行时间还减少了约20%.     

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。     

灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.     

基于三维Otsu法的红外图像阈值分割

常用的阈值分割方法在对红外图像进行分割时,由于红外图像本身的特点,会出现准确性不高的问题。为此,提出一种基于灰 度-平均灰度-梯度直方图的三维Otsu法,使用稀疏矩阵和改进的粒子群优化(PSO)算法,并在标准PSO算法中加入判断早熟停滞的因子,进行最佳阈值的选取,以提高运算速度,保证准确度。实验结果表明,该方法能够快速有效地对红外图像进行分割。     

改进的三维Otsu图像分割快速算法

针对三维Otsu图像分割算法运算量大和图像细节分割不够准确的问题,提出一种改进的三维Otsu图像分割算法。该算法基于灰度-邻域平均灰度-梯度的新的三维特征模型,构建三维直方图;将三维Otsu分解为三个一维Otsu;在同时考虑类间距离和类内距离的基础上,提出一种新的最大散度差准则。实验结果表明,该算法不仅可以取得较好的分割效果,而且计算量较小,比三维Otsu阈值分割递推算法快900倍左右。     

基于Otsu算法的中药贴剂均匀度分析研究*

通过图像分割技术实时监测整个中药贴剂的生产流程,分析在线采集的贴剂图像的灰度特征、找到影响中药贴剂均匀度的因素,实现自动化生产。结合贴剂生产特点,采用基于灰度—梯度Otsu算法来提高对贴剂图像的分割精度;通过Otsu算法与粒子群优化算法结合,来降低图像分割的时间复杂度;针对影响因素的多样性,通过分离因子确定阈值分割个数。实验结果表明,该方法对贴剂图像具有良好的分割效果,满足速度和精度要求。     

基于改进最大类间方差法的手势分割方法研究

针对手势图像中由于噪声和成像干扰造成的手势模糊和边界不清晰的问题,提出了一种基于改进最大类间方差法的手势分割方法.首先建立手势图像的二维灰度直方图,在二维灰度直方图上确定噪声点位置,在原图的相应区域滤除噪声.然后重建二维灰度直方图将内点区的点集投影到45度线,得到投影灰度直方图.接下来在灰度投影直方图上采用全局Otsu确定局部Otsu的左边界,用高斯函数拟合得到局部Otsu右边界,最后采用局部Otsu分割手势.该方法可以有效地对手势图像进行精确分割,实验结果验证了本文算法的有效性.     

基于二维直方图双斜率划分的快速Otsu图像分割算法

为了克服Otsu算法对图像分割的不足,本文在二维Otsu的基础上提出了基于二维直方图双斜率划分的快速Otsu分割算法,该算法将二维直方图上像素点之间关系转化为斜率值,构建斜率值与频率的一维直方图,利用双阈值Otsu对灰度斜率的一维直方图取双阈值,利用求出的双阈值（临界斜率）对图像二维直方图进行重新划分,对划分的图像二维直方图的有效区域,再次利用一维Otsu方法划分,从而得到最终结果。最后通过实验,验证此方法有较强的抗噪性,比二维Otsu方法计算效率高,处理效果好。     

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。