基于信息熵的图像分割阈值迭代改进算法

将信息熵理论和分割阚值迭代法融合,提出一种基于图像目标信息熵的阈值迭代选取方法,并将这种改进的迭代法与目前常见的最大类间方差法和最大熵法进行比较.实验表明,此算法具有速度快,总体分割效果好的优点.     

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。     

加权调和平均型最大熵图像阈值选取法

基于最大熵阈值法可看成是目标和背景信息熵的算术平均,基于此给出一种基于目标和背景信息熵的调和平均的图像阈值分割方法.为了进一步增强该方法的分割性能,又给出加权调和平均型最大熵图像分割法以及权重参数的一种选取方法.加权调和平均型最大熵图像分割法通过计算图像中目标和背景的加权调和平均熵,寻找加权熵最大的灰度值作为图像的分割阈值.实验表明该方法可获得比传统熵阈值法更好的分割效果.     

基于RGB彩色空间的图像分割研究

图像分割是图像处理中的主要问题,图像分割效果的好坏直接影响图像分析的结果。彩色图像分割是指将彩色图像分割成各具特性的区域并提取出其中感兴趣的目标,为后续图像处理工作奠定基础。针对彩色图像梯度图进行分水岭分割会造成过分割的问题,比较阈值分割、最大类间方差分割和最大熵分割等图像分割方法,提出一种基于遗传算法改进最大熵的彩色图像分割方法。实验结果表明,该图像分割算法灵活性强,可以有效地分割彩色图像。     

基于进化规划的最大类间方差的图像分割算法

图像分割是计算机视觉中一个关键的技术.在分析了最大类间方差算法(Ostu算法)求阈值进行图像分割以及进化规划原理的基础上,提出了一种自动阈值选取的图像分割的算法.该算法以灰度图像的灰度最大类间方差作为适应度值,将图像分割问题看作为一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割.最后基于实例对其与传统Ostu算法进行性能比较和效果验证.结果表明,本方法在图像分割过程中具有速度快,效果好的特点.     

一种新的指纹图像合成分割法

在研究和分析传统方差法和最大类间方差法的基础上,提出了一种传统方差法和最大类间方差法相结合的分块处理分割算法。该算法首先求出整个指纹图像的方差,然后计算每一子块的方差。若方差小于整个图像的方差则用方差法对图像进行分割,否则用最大类间方差法进行分割。最后再对图像进行平滑处理。实验结果表明,相对于传统分割方法,该方法无需根据经验选取阈值,能较准确地分割出前景和背景,抗噪能力强,对高对比度和低对比度的图像均具有很好的分割效果。     

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。     

基于机器视觉的航空插头焊杯定位北大核心

为了降低航空插头焊杯定位偏差,提高定位精度,提出基于机器视觉的航空插头焊杯定位方法。使用Opencv对采集的焊杯图像进行预处理,去除噪声和背景等干扰信息,增强图像亮度和对比度,对比最大类间方法和最大熵阈值法在三种光照条件下图像分割的效果,发现最大类间方差法在光照改变时分割比较稳定,且其分割所用时间远小于最大熵阈值法,选用最大类间方差法作为图像阈值分割方法,分割得到只有焊杯的图像。对分割图像进行形态学操作,去除因光照较强时个别焊杯出现的毛刺,采用加权灰度质心法获取焊杯的圆心坐标,从而实现了焊杯的准确定位。获取航空插头不同位置的5个焊杯在三种光照条件下焊杯坐标,结果表明,所提方法的定位误差较低,可以实现焊杯的高精度定位。     

基于最大类间方差法的脑MRI图像分割

针对具体的脑MRI图像分割,经典的水平集方法存在处理时间较长、分割速度慢、不能很好地收敛到物体的实际边缘等缺点,本文采用了最大类间方差法（Ostu法）。文章详细阐述了最大类间方差法在具体的脑MKI图像分割中的应用,并将基于该方法的脑MRI图像边缘检测的实验结果与经典的水平集分割方法的处理结果进行了比较。实验结果显示,最大类间方差法不仅原理简单、运行速度快,而且能够实现边缘的精确检测。     

基于信息熵图像分割算法的若干改进

最大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。针对原有最大熵阈值法的不足,从3个方面对其进行了改进研究:参数化最大熵分割准则,引入灰度对比度对分割进行评价来选取参数来改善最大熵阈值法的分割性能;加权图像指数熵,引入了信息熵的指数形式并对其加权,依照灰度的分布选取权重,并通过分割后灰度对比度来确定权的参数,更充分地利用了图像的灰度信息;基于高频率灰度信息对原始熵进行变形,充分考虑了高频率灰度对分割的影响。通过对比实验表明,改进算法确定的阈值可以获得更佳的分割效果。