红外图像的动态阈值分割

在深入探讨目前图像分割算法的基础上，针对实际红外图像的分割提出了一种新的方法－－动态阈值分割算法。它利用局部空间阈值适度调整全局统计最优阈值，因而其分割阈值是动态的。实验表明该算法能够突出图像中感兴趣的细节，单动态阈值的分割效果相当于常规固定双域值的分割。     

基于最大模糊相关准则的图像快速分割

根据数字图像本质上具有模糊的特性,分析了传统模糊熵阈值方法的缺陷,提出了最大模糊相关准则快速阈值分割方法.首先应用模糊隶属度函数把数字图像转换到模糊域,然后根据相关的定义计算图像直方图目标与背景的模糊相关总量,并依据最大模糊相关准则自动选取最佳阈值.另外,为了缩短最佳阈值获取时间,应用差分演化算法对模糊隶属度函数参数进行寻优.最后在真实图像上与其它几种典型的阈值法进行了对比实验,实验表明所提方法能获得较好的分割结果,满足实时性需求.     

一种仪表图像整体阈值分割方法

通过对仪表图像特征的研究，介绍了利用计算机图像处理与模式识别技术，进行机器识别过程中采取二值化分割的一种基于Otsu算法的方法，并指出了其存在的不足以及应进一步研究的问题。     

改进乌鸦算法优化多阈值图像分割

目的 针对传统乌鸦算法随机搜索的盲目性和易陷入局部最优的缺点,提出一种改进乌鸦算法,用于多阈值图像分割.方法 采用精英分享策略,弥补乌鸦位置更新的盲目性;引入Levy飞行机制,避免算法陷入局部最优;随迭代次数调整变尺度系数,限制搜索步长,加快算法收敛;以Kapur熵为适应函数,利用改进乌鸦算法对不同类型图像进行多阈值分割,并与传统乌鸦、布谷鸟等4种算法的分割结果进行对比分析.结果 改进乌鸦算法对Lena,Flower,Fruits和Boat图分割后的结构相似性分别为0.7703,0.7761,0.7276和0.7921;标准偏差分别为0.0295,0.0385,0.0344和0.0173,实验数据表明,改进算法较其他算法有着更好的分割效果.结论 文中算法有效地改进了传统乌鸦算法的盲目性和易陷入局部最优的缺点,能够准确地分割复杂图像,在多阈值图像分割领域具有一定的参考价值.     

基于阈值的几种图像分割算法研究

图像分割就是将图像分成若干具有特定意义的区域,并将它们提取出来进行处理的技术。本文介绍了阈值化分割技术的基本原理,描述了几种常用的图像分割算法,并对几种算法的优缺点进行了分析。     

一种改进的势函数聚类多阈值图像分割算法

针对基于势函数聚类的多阈值图像分割算法的不足,定义了伪势的概念,并在原算法基础上提出了一种改进的图像分割算法。由伪势概念确定了伪势合并的判别方法,按照此方法,当相邻的两个峰之间的距离小于所定义的自适应模糊伪势因子时,则应该进行伪势合并。改进后的算法在计算剩余势函数时判断是否存在伪势,然后在势划分函数组的确定过程中相应地进行伪势合并计算。利用多幅图像进行了多阈值分割的仿真试验,结果表明,改进的基于势函数的多阈值图像分割算法具有更好的鲁棒性和分割效果。     

多阈值S-F的光照不均图像分割

针对钢管识别统计系统开发中,图像分割环节易受光照不均匀影响的问题,以及对图像增强处理后再分割导致目标错分的不足,本文提出一种多阈值S-F(分割-融合)的图像分割方法。该方法根据改进的Otsu多阈值法,采用形态学操作与图像融合技术,实现堆垛钢管目标的提取。实验结果表明,在光照不均匀情况下,该方法对钢管图像的分割效果明显优于传统方法,具有不受光照优劣程度影响、适应性强的特点,可应用于机器视觉领域的目标识别。     

自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法，试验表明该算法能够避免过分割现象，具有良好的分割效果。     

模糊聚类方法在医学图像分割中的应用

模糊聚类方法已被广泛应用到图像分割领域,重点研究模糊聚类方法以及模糊聚类方法在医学图像分割中的应用,同时对分割方法应用图像进行实验,分析。     

基于Tsallis广义散度的图像阈值分割

为了有效获取图像自动分割的最佳闽值,基于Tsallis广义散度概念,提出了一种新的图像阈值化方法.首先,对Tsallis广义散度公式进行化简,进而建立该简化公式的对称形式.接着,在简化公式的对称形式上构造阈值化前后图像前景与背景的散度和,然后对该和式求职极小值获取图像分割的最佳阈值.实验结果表明,新方法是可行的且能更好的适应复杂多样的图像,是一个有效的阈值分割方法.     

模糊控制与图像处理技术实现的聚焦方法

为提高图像测量系统的精度,提出了一种由模糊控制与图像处理技术实现的自动聚焦方法。通过线性拟合与同态滤波滤除噪声后,用改进的梯度平方函数作为聚焦评价函数,提高了聚焦灵敏度;运用模糊控制技术改换搜索方式,实现了实时自适应变步长搜索,保证系统快速准确聚焦。实验结果表明,该聚焦方法具有单峰性,响应快,鲁棒性强,在±100μm范围内自动搜索,定位时间小于2″,聚焦不确定度达±1μm。     

利用变分的平面网格图像自适应分割算法

针对管道弯曲度测量系统中照度不均匀的平面网格图像,提出了一种利用变分的自适应阈值分割方法。综合考虑图像的灰度分布和梯度信息,以图像的边缘点作为插值点,构造一个自适应的阈值曲面。在极小化阈值曲面能量函数时,使用变分方法化简Poisson方程,并利用逐次超松弛迭代法求方程的收敛解,从而产生稳定、光滑的阈值曲面,实现对照度不均匀的平面网格图像进行有效分割。为了验证该方法的有效性,进行了图像分割实验,选择超松弛参数为1.5,变分参数为26。并且与常用的最大类间方差法、迭代法和一维最大熵法进行了比较。实验结果表明,对于照度不均匀的平面网格图像,该分割算法的分割效果明显优于其他三种算法,它能准确地分割出平面网格图案。     

采用阈值的快速边缘检测算法

针对原有模糊边缘检测算法计算复杂、适应性差的缺点,提出一种新颖的快速边缘检测算法。该算法将图像映射为一个模糊特征面,通过图像自适应阈值来确定模糊增强的渡越点。在渡越点上对图像进行非线性增强。算法将“Min”与“Max”算子结合起来提取边缘,避免了使用单一算子检测边缘强度较弱的缺点。该方法避开了原算法中复杂的指数运算,运算量减少了40%左右;渡越点的自适应性提高了算法的适应性。仿真表明,该算法检测的边缘细、连贯,并且算法抗噪能力强。     

自适应阈值的小波图像去噪

针对VisuShrink阈值和NormalShrink阈值的缺陷,提出了一种改进的自适应阈值图像去噪方法.根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,并依此对图像进行去噪.实验结果表明,该方法可将每一尺度上的信号与噪声作最大分离,有效去除了白噪声,较好地保留了图像的细节信息,进一步提高了峰值信噪比,且没有增加时间复杂度,能用于实时处理.     

自动识别航空CCD图像上建筑物的方法

针对高分辨率航空CCD图像上建筑物的特点,提出了一种自动识别规则建筑物的新方法。通过系统级几何校正和平滑处理实现图像的预处理,组合拉普拉斯图像锐化和阈值分割方法准确检测CCD图像上的边缘信息。应用二值图像像元的邻接连通量提取线段信息,提出了根据图像双向投影图确定建筑物角点位置的方法,并对角点位置序列进行搜索和匹配识别,从而提取建筑物轮廓信息。通过实际的航空CCD图像处理说明方法是可行的,识别的有效率达到85%左右。     

A visual consistent adaptive image thresholding method

Image thresholding method is an important preprocessing step in many applications of image processing. In this paper, we present a visual consistent adaptive image thresholding method, by combining the thresholding process with the characteristics of human visual system. In the proposed algorithm, we first roughly classify the image pixels into two categories. Then two sub-images are constructed to retain the essential information of the original image. For each sub-image, a corresponding global optimal threshold is calculated by optimizing an objective function. Finally, a visual consistent binary image is produced by combining the results from the previous steps with the information of pixels in each category. The proposed method has been tested on some different images, and the results are also compared with a number of known algorithms in the literature. The experimental results demonstrate that the overall visual qualities of our method are more suitable for human visual perception.     

基于色彩特征的超声医学图像分析方法

图像分割是计算机图像识别和理解的基础，本文提出一种基于色彩特征的彩色多普勒图像分割和基于频域双线性插值的图像旋转与用户交互式剪切相结合的图像分析方法，通过计算彩色超声医学图像的三基色R，G，B的色彩特征，提取出感兴趣的区域并实现了图像的分割，实验证明这是快速可行的彩色分割方法。     

基于空间邻域信息的二维模糊聚类图像分割

传统模糊C均值聚类(FCM)算法进行图像分割时仅利用了像素的灰度信息,并且使用对噪声较敏感的欧氏距离作为像素与聚类中心距离度量的标准,因此抗噪性能较差.为了克服传统FCM算法的局限性,本文提出了一种基于空间邻域信息的二维模糊聚类图像分割方法(2DFCM).该方法利用二维直方图描述的像素邻域关系属性,一方面为聚类提供较准确的初始聚类中心,从而避免聚类中的死点问题;另一方面通过提出聚类中心同时在像素值、像素邻域值二维方向上进行更新的思想,建立了包含邻域信息的新的聚类目标函数,实现了图像的分割.实验结果表明,这种方法抗噪能力强、收敛速度快,是一种有效的模糊聚类图像分割方法.     

红外图像边缘检测的循环移位算法

提出一种基于Bezier曲线的红外图像边缘检测的循环移位算法。为抑制红外图像中的噪声的影响,利用Bezier曲线法平滑图像灰度直方图中的噪声,得到Bezier直方图。利用提出的“循环移位法”探测Bezier直方图曲率曲线的极大和极小值,确定分割阈值和量化灰度值,实现对原始红外图像的分割,对分割后的图像进行边缘检测。实验结果表明,新算法简单有效,在准确检测红外图像边缘信息的同时又能抑制图像中噪声的影响,定位精度高,而且能够得到单像素边缘,在性能上优于传统的几种边缘检测算子。