手背静脉图像二值化阈值算法

因为传统分割算法对图像细节特征信息不敏感,分割效果不理想,提出了一种确定阈值的改进方法。该算法在阈值图像法的基础上,采用迭代计算平均值的方法,动态地获得每个像素点位置的最佳阈值,以获取一幅与原图像大小相同的阈值图像,利用该阈值图像对原静脉图像进行二值化处理,增强了图像的局部细节特征信息。仿真实验证明了该改进算法的有效性。     

基于遗传算法的干涉图像样的最佳熵研究

将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采用Otsu公式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阚值进行二值化处理，效果非常好。     

一种新的Otsu阈值快速确定算法

针对实时图像分割方法求取闽值时存在的计算复杂、实用性差等问题，提出一种新的基于Otsu的图像分割算法，该算法利用亚采样图像和优化阈值分布空间，来有效地减少算法的计算量。实验结果表明，该算法是有效的，在分割效果和执行时间方面均得到较理想的分割效果。     

铜钢堆焊接头超声弱信号缺陷的提取与量化

采用全局阈值与动态阈值相结合的图像阈值化分割方法,较好地解决了铜钢堆焊接头超声检测图像中弱信号缺陷分割困难问题.介绍了全局阈值法、动态阈值法、全局阈值结合动态阈值法的算法原理,并比较了以上三种方法的缺陷分割效果.为了验证处理结果的可靠性,对试件上典型位置进行了破坏试验,测量了试件断面接合界面上缺陷的线性长度,结果表明测量结果与图像处理结果具有较好的一致性,证明该方法能够将弱信号缺陷从图像背景中提取出来,且缺陷分割误差较小.     

基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。     

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。     

数字图像分割技术研究

数字图像分割是图像处理到图像分析的关键步骤，也是进一步网像理解的基础。本文论魔述了数字图像分割的基本原理，研究了数字图像分割常用的方法，重点研究了区域增长和阈值分割算法。     

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。     

结合深度图像和最佳分割阈值迭代的自遮挡检测算法

针对视觉任务中普遍存在的自遮挡现象和目前视觉系统尚无明确的自遮挡检测算法的现状,提出了一种结合视觉目标深度图像和最佳分割阈值迭代的自遮挡检测算法。在分析图像阈值分割技术的基础上,将分割阈值迭代法的思想引入深度图像领域,并结合使用视觉目标对应的深度差值图像信息,通过求取合适的阈值实现了对自遮挡现象的检测。实验结果表明,该方法能够有效地检测出视觉目标中存在的自遮挡现象并定位自遮挡边界,弥补了目前自遮挡检测领域研究的不足。     

一种有效的红外图像中人造目标分割方法

提出一种红外图像单阈值分割方法。为了减少计算量,结合先验信息选择包含待分割目标的感兴趣区域,利用Bezier曲线法平滑感兴趣区域直方图的噪声;对平滑后的感兴趣区域的直方图求解其曲率曲线,用曲率曲线的波峰所对应的灰度值作为初始分割阈值;基于先验信息从初始分割阈值中确定最佳分割阈值并进行初步分割。为了弥补单纯利用阈值法分割的缺陷,结合上述分割结果和目标的边缘信息得到封闭性良好的完整目标的二值图像。实验结果表明,提出的方法能快速有效地将红外目标从复杂的背景中分割出来,算法的计算复杂度为O(MN)。     

印刷网点微观图像阈值分割算法研究

目的 通过阈值处理方法, 准确获取网点微观图像的特征参数, 将其与仪器测量值相结合, 综合评价印刷品复制质量。方法 提出一种基于高斯函数模型拟合网点图像灰度直方图数据的阈值分割算法, 寻找网点类图像最佳分割阈值, 对图像进行二值化处理, 得到准确的网点参数。结果 得到的印刷品网点面积率在全阶调范围内更接近于测量值, 分割效果明显优于传统的阈值分割算法。结论 提出的高斯拟合阈值分割算法更有利于提取网点类图像的微观参数, 精度高, 稳定性好,为获取准确的网点图像微观参数提供了理论与实践参考。     

包装箱型号标记缺陷检测系统设计与实现

目的 为了实现空调包装箱上型号标记缺陷的实时动态检测,基于图像处理技术设计包装箱型号标记缺陷检测系统.方法 基于AM5728控制器设计控制系统硬件平台,主要包括控制单元、图像采集与处理单元、成像单元等,并进行实际测试研究.采用几个关键方法,包括图像增强处理、形态学、缺陷检测、动态阈值分割算法等,并根据包装箱型号标记图像特征选择配准区域,同时给出一种动态阈值分割算法,利用各种算法实现缺陷检测.结果 采集了250个包装箱条码样本,采用文中方法获取到了监测数据,正确率高达97.2％,漏检率为0.结论 该方法具有较高的可靠性、通用性,可实现包装箱型号标记的缺陷快速检测,解决了空调包装箱上的型号标记实时动态缺陷检测的实际工程问题.     

弧齿锥齿轮接触斑点的数字边缘提取方法

本文以过渡区域的阈值分割算法为基础,提出了实现该算法的阈值自适应计算方法.这种非交互方法避免了图像分割中人工干预阈值的选择,同时能够有效获取接触斑点的理想数字边缘.在接触斑点真彩色图像的256色灰度化预处理过程中,根据数理统计思想,针对具体真彩色图像,实现了三原色系数的自适应计算,所获得的预处理效果为后续的图像分割提供了完整的图像信息.实验表明,本文所发展的锥齿轮接触斑点的数字边缘提取方法,具有良好的适用性和针对性.     

遗传算法在易拉罐罐盖喷码系统中的应用

目的为实现饮料易拉罐拉环背部激光打码的自动化,提出一种基于遗传算法的易拉罐罐盖图像识别新方法。方法首先搭建一套易拉罐盖激光自动打码机,基于所搭建的实验系统,利用CCD相机实时采集罐盖图像。对所采集到的图像进行中值滤波和灰度增强处理,在此基础上,研究基于遗传算法的罐盖图像阈值分割新方法,分析、确定算法的关键参数(个体数目、交叉率、变异率等),由此得到罐盖的二值化图像,并对算法处理结果进行误差分析。结果遗传算法经过约15代的迭代计算,能够收敛,获取到最优的图像阈值,整个算法的运行时间约30 ms,最终的图像精度约为7.9 pixel。结论基于遗传算法的图像阈值分割实时性好,分割后的图像精度高,与传统的Ostu阈值分割法相比,得到的信息更加丰厚,能抑制光线不均所造成的图像干扰。同时对遗传算法阈值分割后的图像进行了sobel边缘检测,得到了清晰的罐盖边缘,为激光打码的准确定位奠定了基础。     

基于小波滤波器的浮动阈值算法

在处理光照不均匀的图像分割时用常用的阈值分割方法不能得到良好的分割效果，通过分析图像特征及对小波分析理论的研究，提出采用小波滤波器将滤波以后的低通图像作为图像的浮动阈值进行二值化，获得了比较理想的效果，该算法在枪支在线OCR识别系统中得到实际应用。     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法。该算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数。通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。     

Forty-Sixth Annual Exhibition of the Institute of Physics and the Physical Society

Abstract

The frequency histogram of connected elements (FHCE) is a recently proposed algorithm that has successfully been applied in various medical image segmentation tasks. The FHCE is based on the idea that most pixels belong to the same class as their neighbouring pixels. However, the FHCE performance relies to a great extent on the optimal selection of a threshold parameter. Since evaluating segmentation results is a highly subjective process, a collection of threshold values must typically be examined. No algorithm has been proposed to automate the determination of the threshold parameter value of the FHCE. This study presents a method based on the fuzzy C-means clustering algorithm, designed to automatically generate optimal threshold values for the FHCE. This new approach was applied as a part of a structured sequence of image processing steps in order to facilitate segmentation of microcalcifications in digitized mammograms. A unique threshold value was generated for each mammogram, taking into account the different grey-level patterns based on different compositions of various breast tissues in it. The segmentation algorithm was tested on 100 mammograms (50 collected from the Mammographic Image Analysis Society and 50 normal mammograms onto which a number of simulated microcalcifications were generated). The algorithm was able to detect subtle microcalcifications with sensitivity ranging from 93 to 98%, False alarm ratio from 3 to 5% and false negatives variability from 2 to 3%.     

Brightness preserving optimized weighted bi-histogram equalization algorithm and its application to MR brain image segmentation

Medical image segmentation is crucial for neuroscience research and computer-aided diagnosis. However, intensity inhomogeneity and existence of noise in magnetic resonance images lead to incorrect segmentation. In this article, an effective method called enhanced fuzzy level set algorithm is presented to segment the white matter, gray matter, and cerebrospinal fluid automatically in contrast-enhanced brain images. In this method, first, exposure threshold is computed to divide the input histogram into two sub-histograms of different gray levels. The input histogram is clipped using a mean gray level to control the excessive enhancement rate. Then, these two sub-histograms are modified and equalized independently to get a better contrast enhanced image. Finally, an enhanced fuzzy level set algorithm is employed to facilitate image segmentation. The extensive experimental results proved the outstanding performance of the proposed algorithm compared with other existing methods. The results conform its effectiveness for MR brain image segmentation.     

An algorithm for finger-vein segmentation based on modified repeated line tracking

Abstract

Image segmentation is an important step for finger-vein identification technique. However, it is difficult to extract precise details of the image because of the irregular noise and shades around the finger-vein. The repeated line tracking algorithm achieves good segmentation performance for low quality images of finger-vein, but it has some drawbacks such as low robustness and efficiency. In this paper, a modified repeated line tracking algorithm is proposed for image segmentation of finger-vein. Firstly, we propose a segmentation method called threshold image to execute rough segmentation and obtain binary and skeleton image of finger-vein. Secondly, the width of finger-vein is estimated based on the binary and skeleton image. The parameters are revised according to the width. Then, the modified repeated line tracking algorithm is executed to figure out the locus space of finger-vein based on the revised parameters. Finally, processing results are obtained by using Otsu algorithm which executes exact segmentation on the locus space. Experiments show that the proposed algorithm is more robust and efficient than traditional repeated line tracking algorithm.