加权Otsu分割方法及其模糊理论解释

从信息散度角度出发推导出一种图像灰度概率加权的Otsu分割方法,将灰度概率加权进行推广得到一般加权的Otsu分割方法,采用模糊能量理论解释其合理性。实验结果表明,加权Otsu分割方法是可行的,能避免传统Otsu分割方法提取出的目标可能与实际需要的目标不一致的问题,是对已有Otsu分割方法的有益补充。     

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。     

基于分解的三维Otsu图像分割快速算法

摘要：针对三维Otsu图像分割算法计算复杂度高,运算量大的问题,本文提出一种基于分解的三维Otsu图像分割快速算法。该算法,首先将三维Otsu分解为三个一维Otsu;然后,在分析一维Otsu的基础上,结合类间距离和类内距离,提出一种新的阈值识别函数设计算法,并给出了快速实现方法。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1400倍左右。     

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.     

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。     

基于绝对值距离的图像阈值化分割新算法

传统Otsu阈值法对图像分割缺乏一定鲁棒性的不足,将Otsu阈值法的平方欧氏距离用绝对值距离代替得到一种新的图像阈值化分割准则,提出了基于绝对值距离的图像阈值分割新算法,最后给出其参数估计方法.实验结果表明,分割新算方法是有效的,能够获得比传统Otsu方法更好的分割结果.     

新的基于分解直方图的三维Otsu分割算法

Otsu是图像处理领域一种常见的图像分割方法.为了解决传统的三维Otsu法时间复杂度高、抗噪性低等缺点,提出了利用直方图投影技术和直方图分解技术对三维直方图降维,将其拆分成一个一维直方图和一个二维直方图,分别用一维Otsu法和二维曲线型Otsu法求阈值,再用获得的阈值确定图像点的归类.实验对比结果表明:该方法分割效果较好,运行时间短,能满足实时性的要求.     

基于粒子群和二维Otsu方法的快速图像分割

二维Otsu方法同时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.针对二维Otsu方法计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.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.结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用.     

多特征组合的深度图像分割算法

深度图像直接反映景物表面的三维几何信息,且不受光照、阴影等因素的影响,对深度图像处理、识别、理解是目前计算机视觉领域研究的热点和重点之一。针对深度图像信息单一且噪声较大的特点,提出一种基于组合特征的阈值分割算法,实现对深度图像数据的有效分割。算法首先通过梯度特征对图像进行Otsu阈值分割;在此基础上,分别在不同分割区域内利用深度特征进行Otsu多阈值分割,得到候选目标;然后,在空域上利用像素的位置特征对候选目标进行分割、合并与去噪,最终得到图像分割的结果。实验结果表明,该方法能有效克服深度图像中噪声的影响,得到的分割区域边界准确,分割质量较高,为以后的室内对象识别和场景理解工作奠定了较好的基础。     

滚动接触疲劳缺陷检测的改进Otsu算法

针对滚动接触疲劳试验机高精度和高效率的检测要求,提出一种基于自动加权阈值的改进Otsu算法,将背景发生的概率作为Otsu分割阈值的权重,使分割阈值靠近直方图的左下缘.首先对试件图像进行区域定位,获得试件接触表面图像;然后比较不同滤波器的检测准确率、召回率、调和平均以及运行时间,选择运行时间短、调和平均大的快速导向滤波器对图像进行滤波;最后计算图像的错误分类误差来验证检测算法的有效性.实验结果表明,该算法对测试图像的错误分类误差接近于0,与Otsu、加权目标方差、谷值强调和邻域谷值强调阈值分割法相比,在滚动接触疲劳缺陷检测中有更好的分割结果.     

一种实用的多灰度层次目标分割算法

本文提出了一种较为实用的,可用于多灰度层次目标提取的分割方法.首先利用双峰法粗定阈值,然后结合大津法得到较精确的阈值来分割图像.试验结果表明该方法易于实现,运算速度快,可扩展性好,对目标灰度层次较多的图像能够产生很好的分割效果.     

基于WFSOA的2D-Otsu钢轨缺陷图像分割方法

针对二维最大类间方差阈值法(2D-Otsu)抗噪性较弱、计算时间较长的问题,文中提出了一种基于随机权重及异步价值因子取值的人群搜索算法,并将其应用于2D-Otsu中对钢轨缺陷图像进行分割。该算法采用随机权重加快收敛速度,采用异步价值因子提高搜索能力,有利于全局收敛到最优值。根据测试函数分析,WFSOA算法能够快速收敛,寻优值结果精度高,收敛时间短,算法稳定性好。在钢轨缺陷图像分割中,将2D-Otsu的迹函数作为WFSOA的目标函数,实验结果表明图像检测实时性高,对表面灰度不匀或生锈的钢轨缺陷分割结果清晰,有效降低了钢轨缺陷误检率和漏检率,在计算时间上仅占2D-Otsu算法的2%,可满足实际工程对实时性的需求。     

Otsu多阈值快速求解算法

最大类间方差(Otsu)方法计算简单,分割效果良好,广泛应用于图像的单阈值分割。为了使Otsu方法能够适应于更加复杂的图像,很多学者对其进行了多阈值的推广,但存在计算量大、效率低的问题。针对此不足,对Otsu方法也进行了多阈值的推广,首先划分直方图区间,然后采用快速二分法求取区间中的阈值以实现Otsu方法的多阈值扩展,使其在保持良好分割效果的基础上大大节省了时间。实验说明了该算法的有效性。     

基于优化算法与多尺度差分的图像分割方法

为了使图像分割算法能够满足实时性要求,针对Otsu法计算量大的问题,将类间方差进行连续域扩展,推导出速度较快的黄金分割法;应用灰度差分直方图进行分割,能够根据多尺度灰度差分直方图得到候选集,将搜索次数减少到候选集中元素个数,计算量小、速度快;结合两者可以实现图像的快速分割。仿真实验和实际应用表明,该方法不仅分割效率高,而且能够得到很好的分割效果。     

基于CPSO的二维Otsu图像分割法

二维Otsu方法同时考虑了图像的灰度信息和像素问的空间邻域信息,图像分割效果好但算法计算量较大。针对上述情况,提出一种基于混沌粒子群优化算法（CPSO）的策略,将其用于二维Otsu方法中,并与标准粒子群优化算法（SPSO）进行仿真实验对比。实验结果表明,该方法可以提高分割速度,克服SPSO的缺点,图像分割结果较理想。     

基于最大类间方差法的快速交通视频运动目标分割方法

针对交通视频运动目标分割中,信息量大,运算耗时的特点。提出一种新的快速运动目标分割方法。首先选择两帧合适图像相减并取绝对值,然后对所得图像进行分块,判断应该被舍弃的子块。选择剩下的子块进行最大内间差分运算,分割出运动目标。试验结果表明这种方法能够在满足交通视频图像目标分割的基础上大大提高算法效率。     

基于Otsu准则及图像熵的阈值分割算法

在图像分割中，阈值的选取至关重要，在经典的Otsu准则基础上，结合图像熵提出了一种改进的局部递归的阈值选取及分割算法。基于图像像素熵信息，运用递归思想局部搜索图像的最佳阈值，这样不但缩短了计算时间，而且具有较好的自适应特点。该算法在图像背景不均匀或图像不是简单的单峰、双峰图像的情况下可以进行有效的分割，分割后的图像细节更加丰富，有利于分割后的特征提取。对Lena图像进行了实验，获得了较好的分割结果。     

基于Chan-Vese模型的医学图像分割算法

在二维Otsu方法和Chan-Vese模型的基础上,提出了一种新的医学图像分割算法。首先用二维Otsu方法将图像分成目标、背景、边缘和噪声等4部分,然后通过一个能量函数来判断边缘和噪声区域中各像素点属于背景还是目标,并利用同质区域的全局信息对初始分割结果进行微调,得到更精确的分割效果。该算法优化了初始轮廓位置,有效地解决了初始位置影响曲线演化速度问题,并通过逐点代入法来极小化能量函数,减少了计算量,提高了图像分割的速度。实验结果表明,提出的算法具有抗噪性,分割效果良好,有很好的实际意义。     

基于C-V模型的脑白质疏松症磁共振图像病变区域分割

针对脑白质疏松症病变区域在磁共振图像的T₂加权像上呈现斑块状或融合成片状的高亮信号这一特点,提出了一种基于C-V模型的水平集分割方法对病变区域进行图像分割。首先,对C-V模型进行改进以避免重新初始化问题;然后,使用Otsu阈值法对图像进行预分割,将预分割的结果直接作为改进C-V模型的初始轮廓;最后,利用水平集方法进行曲线演化,得到最终的分割轮廓。实验结果表明,该方法能较为准确地分割出病变区域,实现病变区域的计算机自动快速分割,对脑白质疏松症临床辅助诊断和预后判断有一定的应用价值。