二维Otsu阈值分割算法的改进及应用

为改善传统二维Otsu阈值分割算法处理图像的计算复杂度高、实时性差、受噪声干扰严重等缺点,提出一种改进的快速二维Otsu阈值自动分割算法.通过改变二维直方图判别域的划分将二维阈值求解转化为一维阈值求解,对原图像的直方图采用二分法得到最优分割阈值的初始值,然后在此基础上通过两个分量方向上迭代求解得到图像的最优分割阈值.理论分析与仿真车牌实验表明,与传统二维阈值分割算法相比,此算法的计算复杂度远远低于原始二维Otsu算法,且分割效果和原始算法的基本一致.     

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。     

一种适用于SAR图像的2维Otsu改进算法

Otsu法是图像阈值分割中的经典算法之一,在图像处理中得到广泛的应用。针对原始2维Otsu法直方图区域划分上的缺陷和运算速度慢的缺点,分析了适用于SAR图像相干斑乘性噪声的直方图区域划分方法,提出了一种更符合实际图像模型的阈值选取准则。实验结果表明,该改进算法的分割效果良好,运算速度也有很大提高。     

数字图像处理等；基于二维Otsu和模糊聚类的图像分割算法*

针对传统二维Otsu算法计算复杂度高的问题,提出一种改进的Otsu图像分割算法。该算法通过求两个一维Otsu法的阈值来代替传统二维Otsu法的阈值,使得计算复杂度得到了降低;同时为了改进分割效果,结合使用了模糊C-均值聚类算法。实验结果表明,改进的算法充分发挥了两者的优势,不仅在计算速度上优于原二维Otsu算法,且分割效果较好。     

二维Otsu阈值法的快速迭代算法

提出二维Otsu阈值法的快速迭代算法.针对传统二维Otsu阈值法及改进的递推二维Otsu阈值法等具有高计算复杂性的不足,假设被分割图像及其邻域平滑图像形成的二维联合直方图是连续二元概率分布函数的条件下,利用求多元函数极值的方法得到二维Otsu阈值法的快速迭代算法.大量实验结果表明,本文方法是可行的且有良好的分割性能.     

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。     

二维Otsu自适应阈值选取算法的快速实现

Otsu 自适应阈值算法作为图像阈值分割的经典算法, 在图像领域得到了广泛的应用, 在此基础上发展起来的二维阈值法因为计算时间长而制约了其应用. 针对二维 Otsu 自适应阈值算法计算复杂度高的缺点, 通过消除二维自适应阈值算法中的冗余计算, 用迭代的方式得到查询表, 从而大大提高了二维阈值算法的计算速度. 实验结果表明, 该算法不仅计算时间远远小于原始二维 Otsu 算法, 并且求得的阈值跟原始的算法一样.     

基于二维直方图重建的Otsu图像分割算法

针对二维Otsu算法因区域误分而产生的抗噪性差和计算量较大这一问题,提出了一种基于二维直方图重建的Otsu图像分割算法。该算法首先分析了原始算法中二维直方图所存在的误分和不足;然后重建二维直方图,以此来减弱噪声的干扰;最后将二维直方图区域划分由原来的四分法改为二分法,从而提高了计算速度。实验结果表明,本算法具有更强的抗噪性,分割效果也更为理想。     

改进的二维Otsu图像分割方法的研究

为提高传统二维Otsu法的分割精度,尤其是对图像中小目标的分割精度,提出具体的改进方法：在传统二维Otsu法的基础上,对二维灰度直方图进行坐标变换,并将传统计算公式进行调整,改进阈值分割方法。实验结果表明,改进的阈值分割方法与传统算法相比较,提高了识别能力和分割效率。     

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。     

基于双界线的Otsu阈值分割法及其快速算法

传统2维Otsu阈值分割法由于运算时间长、抗噪能力不足而在应用中受到限制。为了克服这些缺点,提出了一种基于双界线的2维Otsu阈值理论及其快速算法。在新的2维直方图中,两条平行于对角线的界线决定目标和背景区域的宽度,垂直于对角线的分割直线决定阈值大小。该算法运用Roberts算子和线性拟合法确定双界线,然后运用改进的Otsu法计算最佳阈值,最后对噪声区域进行后处理。实验结果表明,该算法不仅运算速度快,而且具备较好的分割质量和抗噪性能。同时,快速算法的引入,进一步降低了运算量,使得该算法具备更好的实时性。     

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法.该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割.实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想.     

Multi-level image thresholding using Otsu and chaotic bat algorithm

Multi-level thresholding is a helpful tool for several image segmentation applications. Evaluating the optimal thresholds can be applied using a widely adopted extensive scheme called Otsu’s thresholding. In the current work, bi-level and multi-level threshold procedures are proposed based on their histogram using Otsu’s between-class variance and a novel chaotic bat algorithm (CBA). Maximization of between-class variance function in Otsu technique is used as the objective function to obtain the optimum thresholds for the considered grayscale images. The proposed procedure is applied on a standard test images set of sizes (512 × 512) and (481 × 321). Further, the proposed approach performance is compared with heuristic procedures, such as particle swarm optimization, bacterial foraging optimization, firefly algorithm and bat algorithm. The evaluation assessment between the proposed and existing algorithms is conceded using evaluation metrics, namely root-mean-square error, peak signal to noise ratio, structural similarity index, objective function, and CPU time/iteration number of the optimization-based search. The results established that the proposed CBA provided better outcome for maximum number cases compared to its alternatives. Therefore, it can be applied in complex image processing such as automatic target recognition.

     

基于鱼群算法的图像阈值分割*

本文提出了一种基于鱼群算法的二维阈值图像分割的新方法。传统的二维Otsu方法考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对Ostu方法的计算量大、运行时间长的缺陷,采用鱼群算法来搜索最优二维阈值向量,通过鱼群追尾行为获得最优阈值。实验结果表明,所提出的方法不仅能得到理想的分割结果,而且分割速度快。     

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。     

融合视觉模型和最大类间方差的阈值分割算法

针对传统二维直方图的区域划分方法存在把图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点的缺点,以及传统二维最大类间方差阈值分割算法的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了该二维直方图的区域划分方法,同时还把提出的二维直方图应用到最大类间方差阈值分割算法中。根据分割时间、分类误差、均匀性等定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出的阈值分割算法在降低计算复杂度的同时还具有很好的分割性能。     

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.     

改进的二维最小卡方散度图像分割方法

传统的交叉熵阈值法具有抗噪性能差,计算时间长等问题。为了改进算法的性能,提出了一种二维最小卡方散度图像阈值化分割新准则,构建了基于改进中值滤波的新型二维直方图。利用对称卡方散度描述分割前后图像之间的差异程度。使用关键阈值对滤波图像进行分割,达到最佳的分割效果。实验结果表明,与二维Otsu和二维最小交叉熵法相比,提出的方法不仅大大缩短了分割时间,而且分割性能与抗噪性能更强。