两种二维交叉熵阈值法等价性证明及快速实现

二维直方图斜分最大类间交叉熵阈值(TOSMICE)法和二维交叉熵直线型阈值(TMCELT)法是两种有效的分割方法,且都是二维交叉熵阈值法,为了考查二者分割结果是否相同,提出对两种二维交叉熵阈值法的等价性探讨。首先分析两种二维交叉熵阈值法：虽然名称不同但经过证明其分割原理相同,然后对两种选取公式进行推导得到一种最简阈值选取公式,从而证明了二者的等价性,随之提出基于最简公式的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,两种方法获取的阈值相等,分割结果相同;并且与当前二维直方图斜分递推算法相比,所提出的新型递推算法速度更快。     

矩不变调整的二维Shannon嫡图像分割及其快速实现

为了克服二维Shannon熵阈值法的缺陷,提出了一种使用矩不变法来调整二维直方图斜分Shannon熵的阈值分割方法。首先将二维直方图斜分原理运用到两种Shannon熵阈值法中,然后利用矩不变法从两种熵阈值法获取的阈值中选择最佳阈值,并提出二维直方图斜分Shannon熵阈值法的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,提出的方法不仅分割效果优于当前的二维直方图斜分的最大熵阈值法,而且运行速度更快,约快4倍。     

2维最大类间平均离差阈值选取快速递推算法

阈值分割是广泛使用的最为有效的图像分割方法之一。阈值选取是阈值分割的关键。Otsu提出的基于L2范数的最大类间方差法是备受关注的一种方法,而基于L1范数的最大类间平均离差法则更为简捷,效果很好。2维最大类间平均离差阈值选取方法分割精确、抗噪性能好,其效果优于2维最大类间方差法,但存在计算量大、难以实用等缺点。提出了2维最大类间平均离差阈值选取的两种不同的快速递推算法,都可将计算复杂性由O(L4)减少为O(L2)。给出了2维最大类间平均离差两种快速递推算法的分割结果及运行时间,并与原始算法及原有的快速算法进行了分析和比较。实验结果表明,这两种递推算法都可以大幅度地提高运算速度,运行时间可减少到原始算法的0.1%,使2维最大类间平均离差阈值分割方法更为实用,目前已被应用于红外目标、车牌、指纹等自动识别系统中。     

灰度熵和混沌粒子群的图像多阈值选取

最大Shannon熵阈值选取方法仅仅依赖于图像灰度直方图的概率信息,而没有直接考虑类内灰度级的均匀性.为此提出了最大灰度熵的阈值选取方法.首先给出了灰度熵的定义及其单阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度级的均匀性;其次导出了量化图像直方图的灰度熵单阈值选取公式;最后将灰度熵单阈值选取推广到多阈值选取,提出了相应的快速递推算法,并进一步采用混沌小生境粒子群优化算法寻找最佳多阈值.实验结果表明,与最大Shannon熵单阈值选取和基于粒子群的最大Shannon熵多阈值选取方法相比,所提出方法的分割图像边缘、纹理更为准确,视觉效果明显改善.     

二维直方图θ-划分最大平均离差阈值分割算法

鉴于常用二维直方图区域直分法存在错分, 最近提出的斜分法不具普遍性, 而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷, 提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差的图像阈值分割算法. 首先给出了二维直方图θ-划分方法, 采用4条平行斜线及1条其法线与灰度级轴成 θ 角的直线划分二维直方图区域, 按灰度级和邻域平均灰度级的加权和进行阈值分割, 斜分法可视为该方法中θ=45° 的特例; 然后导出了二维直方图θ-划分最大类间平均离差阈值选取公式及其快速递推算法; 最后给出了θ 取不同值时的分割结果及运行时间. θ 取较小值时, 边界形状准确性较高, θ 取较大值时, 抗噪性较强, 应用时可根据实际图像特点及需求合理选取 θ 的值. 与常规二维直方图直分最大类间方差法及最大类间平均离差法相比, 所需运行时间相近, 但本文提出的方法所得分割结果更为准确, 抵抗噪声更为稳健, 且存储空间也大为减少.     

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。     

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。     

基于人工免疫的烟草异物图像多阈值分割

烟草异物图像分割是图像异物识别的基本任务。为了快速实现烟草异物图像多阈值分割,提出了一种基于人工免疫算法与最大类间方差法的多阈值烟草异物图像自动分割方法。算法首先定义了图像分割目标函数;接着运用人工免疫算法,结合最大类间方差法以及目标函数对图像进行自动分割,并产生最优的多阈值,从而实现图像的多阈值分割。人工免疫算法中,抗原是指最优图像分割目标函数,而抗体是指最优的多阈值。实验证明,方法对烟草异物图像多阈值分割的效果良好,分类清晰。     

一种灰度级抽取的图像分割方法研究

阈值分割方法依据图像直方图分析,利用最优化法则进行最优阈值选取,完成图像分割,这类方法将直方图最优分析等价于图像最优分割.但是,直方图提供的是图像灰度级统计信息而无空间关系信息,则闽值分割可能会导致分割失败,所以有必要进行灰度级空间信息的考察以完成图像分割任务.提出一种灰度级抽取分割方法,首先利用层次聚类方法对各灰度级像素进行空间远邻考察,并给出一种类别数与类间距关系确定最优类别数的方法,然后对近邻灰度级进行抽取并组合,最终形成分割结果.本文对该方法与若干阈值分割方法进行了对比验证,实验表明,所提方法在图像分割方面具有优势,能够得到较为满意分割结果.     

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。