基于灰度—梯度共生矩阵模型的最大熵阈值处理算法

阈值法是图像分割的一种重要方法，在图像处理与识别中广为应用。本文提出了基于灰度-梯度共生矩阵模型和是大熵原理的灰度图像的自动阈值化技术，该方法不仅利用了图像的灰度信息，而且也利用了图像的梯度信息。该方法通过计算基于灰度-梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量。仿真结果显示该算法比一维熵方法效果更佳。     

基于均值—梯度共生矩阵模型的最大熵多阈值算法

为解决噪声显微细胞图像的多阈值分割问题,该文提出基于均值和梯度共生矩阵模型的最大熵多阈值算法。选用象素点的邻域灰度均值和梯度值构成二维灰度直方图。因为对象素点取均值可以平滑噪声,取梯度值可以锐化边缘,所以该算法能够改善图像的分割质量。考虑显微细胞图像多阈值分割的要求,该算法对二维灰度直方图采用改进的区域划分方式。通过优化传统的求熵算法,来减少运算时间,使之更加适合于擅长矩阵运算的MATLAB编程语言,从而提高运算速度。实验证明,该算法去除了噪声干扰,实现了显微细胞图像的多阈值分割,运算速度较快。     

灰度-梯度共生矩阵模型的加权条件熵阈值法

基于二维灰度直方图的最大熵阈值法是依据“灰度-灰度均值”构成直方图的图像分割方法,该方法着重于图像的内部信息,忽略了边界区域的信息。应用图像的梯度信息建立“灰度-梯度共生矩阵”,构造图像的二维灰度直方图,结合最大条件熵法进行阈值选取。为了充分提取图像内部和边缘信息,提出了二维加权最大熵阈值法。结果表明,该方法一方面能够保留更多的图像边缘信息,另一方面能够根据实际需要调节权值大小,得到兼顾图像内部和边缘信息的分割结果。     

一种结合纹理信息的三维Renyi熵阈值分割算法

充分利用图像空间邻域信息,引入均值-中值-梯度共生矩阵模型,并结合Renyi熵相关理论,提出一种结合纹理信息的三维Renyi熵阈值分割算法.同时给出了该方法的快速递推公式,有效的节省了计算时间与存储空间.实验结果表明,与现有分割算法如最大类间方差法、最小误差法、最大熵法和灰度-梯度法相比,本方法的分割效果更为理想,即使对于低对比度、低信噪比的目标,本文算法也更具鲁棒性.     

最大熵阈值处理算法

阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用.提出了一种基于灰度-梯度共生矩阵模型和最大熵原理的自动阈值化方法.该方法不仅利用了图像的灰度信息,而且也利用了梯度信息,通过计算基于灰度-梯度共生矩阵的二维熵,并使边缘区域的熵最大来选择阈值向量.仿真结果显示,该算法比其他二维熵方法效果更佳.     

基于边界梯度控制的最大熵阈值分割方法

结合梯度和灰度这两种图像的本质特征,提出一种基于边界梯度控制的最大熵阈值分割方法。该方法首先定义了一种边界梯度控制函数来定量分析图像中细节信息的丰富程度,通过该函数的局部极大值确定可能的分割阈值的集合,然后根据最大熵原理在该集合中选取最优阈值,最终实现图像的二值化分割。实验结果表明该方法的分割结果由于保留了丰富的细节信息,能够更好地体现图像语义,且该方法亦具有一定的抗噪性。     

一种新的图像阈值分割算法

提出了一种基于区域灰度均值-梯度共生矩阵模型和二维Renyi熵原理的阈值分割方法.该方法不仅利用了图像的灰度信息,而且也利用了梯度信息,通过计算基于灰度-梯度共生矩阵的二维Renyi熵,并使边缘区域的熵最大来选择阈值.二维Renyi熵比其它二维熵多了一个参数,此参数使得二维Renyi熵能处理更多类型的图像.将上述方法进行仿真实验,并且仿真其它二维熵方法,仿真结果显示,该算法比其他二维熵方法效果更有效更一般化.     

基于VSAR的二维最大熵阈值分割算法*

基于对传统二维最大熵算法各种改进方法分析,提出了一种基于判决域自动约束的二维最大熵改进算法。该算法提出了可以自动确定判决域大小的经验公式,与以往的改进算法相比,不仅减少了算法的运算量,同时具有自适应性,因而在某些应用场合具有较强的实用性。     

基于最大熵-方差模型的图像分割方法

针对当图像中目标与背景的面积相差很大时,最大类间方差方法的分割性能迅速下降的问题,研究了信息熵和方差的关系.认为信息熵和方差都被用作不确定性的度量,两者之间定会存在一定的科学关系,因此将最大熵和最大类间方差结合起来建立数学模型,提出基于最大熵-方差模型的图像分割方法,并引入类内方差对分割进行评价来选取参数调整算法的分割性能,更充分地利用了图像的灰度信息.通过实验证明该方法优于最大熵方法和最大类间方差方法,具有较强的稳定性,提高了图像分割精度.     

基于三维直方图重建和降维的Renyi熵阈值分割算法

针对三维Renyi熵阈值算法的高计算复杂性及抗噪性差的问题,提出一种基于三维直方图重建和降维的Renyi熵阈值分割算法。该方法通过重建三维直方图,将三维直方图区域划分由八分法改为二分法,不仅减弱了噪声干扰,而且计算复杂度也由O(L6)降到O(L)。实验结果表明,该算法抗噪性更强,分割效果更好,计算时间也远低于传统三维Renyi熵算法。     

萤火虫算法优化最大熵的图像分割方法

为了提高图像的分割效果,提出一种萤火虫算法优化最大熵的图像分割方法。获得最大熵法的阈值优化目标函数,采用萤火虫算法对目标函数进行求解,找到图像的最佳分割阈值,根据最佳阈值对图像进行分割,通过仿真实验对分割效果进行测试。结果表明,该方法可以迅速、准确找到最佳阈值,提高图像分割的准确度和抗噪性能,可以较好地满足图像分割实时性要求。     

基于最大类间方差的最大熵图像分割

最大熵分割算法对于目标与背景之间界限模糊的图像分割效果较好,但该算法对图像边缘的处理能力较差。最大类间方差分割算法对图像边缘的识别能力较强,但该算法对于目标和背景之间界限模糊的图像分割效果不好。针对上述问题,提出了一种基于最大类间方差的最大熵图像分割算法,该算法既能很好地对目标与背景之间界限模糊的图像进行分割,又能有效地识别图像的边缘。实验结果表明,本文所提算法对目标与背景之间界限模糊的图像的分割效果以及对图像边缘的识别能力均优于传统的最大类间方差算法和最大熵算法,且具有更好的有效性和鲁棒性。     

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.     

基于分解的二维Renyi灰度熵的图像阈值分割

针对传统二维Renyi熵阈值法的高计算复杂性,提出一种新的基于分解的二维Renyi灰度熵阈值分割方法。该方法通过求解两个一维Renyi灰度熵阈值替代二维Renyi灰度熵的最佳阈值,理论上证明当满足一定条件时,两者等价;同时将计算复杂度由O(L4)降到O(L),所耗时间约为传统二维Renyi熵算法的1/10 000。     

一种半调图像类型识别方法*

半调图像类型的先验知识对于逆半调处理有着十分重要的意义。为了对半调图像进行类型识别,利用不同半调图像表现出的纹理差异设计了一种半调图像类型识别方法。其中主要选取了基于灰度—梯度共生矩阵的大梯度和小梯度优势统计值作为判别特征。仿真实验结果表明,所选取的特征值在不同类型半调图像上表现出明显的差异,将其作为半调图像分类识别的依据,最终通过判别函数可将常见的半调图像分为三大类。     

二维指数熵图像阈值选取方法及其快速算法

二维Shannon信息熵法是图像阈值分割中常用的经典算法，但存在着不足。为此，提出了一种二维指数信息熵阈值选取方法，克服了对数熵的不足,将对数改为指数，提高了速度。同时给出了一种二维指数熵阈值选取的快速算法，通过改变二维直方图的区域划分，将二维阈值转换为一维，运行时间不到原算法的1%。实验结果表明，该算法能快速准确地实现图像分割。     

基于加权香农熵的图像阈值法

熵阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用。针对最大熵阈值法是基于图像灰度分布的均匀性假设,导致它对有些图像分割无效的问题,首先提出了加权信息熵的图像分割新方法,其次对加权信息熵的灰度级权因子选取方式进行了探讨,最后给出了基于类内熵和类间熵相结合的图像分割效果评价新方法。实验结果表明,提出的方法是可行的。