共查询到18条相似文献,搜索用时 93 毫秒
1.
针对传统图像分割方法在引信图像分割上的不足,提出一种能够兼顾类内方差和类间方差的改进二维Otsu算法。介绍二维Otsu算法,分析比较原系统分割算法与自适应二维Otsu图像分割算法的优劣。实验结果表明:改进二维Otsu算法既能保证目标和背景的最大离散度,又能使目标和背景的内聚性最好,分割效果明显优于传统方法。 相似文献
2.
提出了一种新的基于一维最大类间方差和形状连通性的图像分割算法。它首先选出未经平滑的原始直方图的所有极小值,并用一维最大类间方差法选取出类间方差较大的灰度值;然后再对这些灰度值进行形状连通性值(shape connectivity,SC)的计算。选择SC值最大的一个作为最终分割阈值。文中还在将边缘像素点划分为目标或背景点的方法上也做了一些改进.即使用二维的阅值准则对其进行划分.进一步减小了误分割发生的可能性。理论分析和实验结果都表明:该新算法较一维最大类间方差和基于形状连通性的分割算法都优越.且运算速度快、划分效果好。 相似文献
3.
4.
针对传统二维最大类间方差(Otsu)阈值分割算法处理红外图像耗时的缺点,提出了一种应用微粒子群理论的二维Otsu阈值分割算法.该算法利用粒子群理论的群体智能的特点,通过优化得出粒子的个体极值和全局极值,并根据这两种极值来更新粒子的位置和速度以获得最佳的分割阈值向量.通过对算法中惯性权重和学习因子的讨论确定了最佳的参数选择方案.仿真结果表明,该算法计算准确,流程简单,其运行时间仅为原始算法的5%左右,是一种快速有效的图像阈值分割算法. 相似文献
5.
基于小波变换的小目标检测 总被引:6,自引:0,他引:6
利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除. 相似文献
6.
7.
针对工业计算机层析成像(CT)图像中金属伪影和噪声会干扰部件分割提取的准确性和精度问题,提出一种基于标准差权重阈值和区域生长的工业CT图像特征提取算法。采用标准差权重的二维最大类间方差和二维最小交叉熵阈值分割方法去除图像背景,利用图像的邻域均值实现多种子点区域自动选取,添加Scharr算子计算梯度改进生长准则完成对部件特征的提取。实验结果表明:该算法相对于其他区域生长法,精确率提高了9.1%,准确率最大接近1,相似性系数提高了5.3%,交并比提高了4.1%最大;该算法部件提取效果更好。 相似文献
8.
9.
10.
11.
基于直方图熵和遗传算法的图像分割法 总被引:3,自引:0,他引:3
图像分割是计算机视觉研究中一个老而难解决的问题。本文提出了一种基于灰度图像的直方图的熵和遗传算法进行图分割的方法,以灰度图像的直方图熵作为评价标准,把图像分割问题定义为一个优化问题,利用遗传算法的寻优高效性,搜索到能使分割到最优的分割参数--图像分割阈值。 相似文献
12.
13.
14.
一种基于最小模糊熵遗传算法的SAR图像分割方法 总被引:1,自引:1,他引:0
在合成孔径雷达(Synthetic Aperture Radar)自动目标识别中,图像分割的好坏直接影响目标的识别性能。本文在最大模糊熵分割方法的基础上,根据图像目标和背景内部像素灰度值的一致性和集中性,提出了一种新的图像分割隶属度函数,从而得到最小模糊熵分割方法,然后将最小模糊熵作为遗传算法的适应度函数应用于SAR图像,进行全局快速的最优阈值寻找。实验结果表明,由于最小模糊熵的抗噪能力强,将其作为遗传算法的适应度函数后,能够更有效地克服SAR图像中的乘性噪声,分割后的噪声点明显减少,图像目标清晰,分割效果明显优于最大模糊熵分割方法。 相似文献
15.
16.
针对基于视觉的无人机着舰中红外合作目标分割的需求背景,提出一种组合分割方法。相关研究发现随着待分割目标所占图像中比例变化,Otsu算法在分割时效果亦随之改变。当目标比例较小时可能会造成不同程度的误分割,而最大熵分割算法在实际处理中又含有较多噪点。本文首先根据图像的能量信息找出包含合作目标的感兴趣区域,同时在原图运用双Otsu算法进行分割,最后对两者的结果进行逻辑"与"运算得出最终分割结果。大量实验结果表明,本文的组合分割方法与Otsu算法和最大熵算法相比分割效果有明显改善。 相似文献
17.
基于特征点和区域生长的目标图像分割方法 总被引:2,自引:0,他引:2
成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。 相似文献