基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则,解决了Shannon熵定义中存在的无意义值问题。同时,以二维直方图斜分方式更加准确地划分目标和背景,提高了算法抗噪性能,且使需要选取的阈值个数由两个变为一个,减少了算法运行时间。此外,采用蜂群优化算法加速对最佳阈值的搜索,使速度提升了约80%~140%,进一步提高了算法的实时性。最后,针对火焰图像进行了大量实验,并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明,提出的方法在分割效果上优势明显,且抗噪性能更好,是一种实时有效的火焰图像分割方法。     

二维直方图准分的Tsallis熵阈值分割及其快速实现

传统二维Tsallis熵阈值法主要由于对二维直方图采用近似假设等原因,导致分割结果不够准确,由此提出了基于二维直方图准分的Tsallis熵快速图像分割方法.首先,准确选择邻域模板构建二维直方图并将Tsallis熵法用于此直方图上以便提高分割性能;然后,舍弃二维直方图中关于主对角区域的概率和近似为1的假设而准确计算使阈值选取更准确;最后,结合Tsallis熵公式对二维直方图进行分析得到其特性和2个定理,利用此特性和2个定理导出新型、快速的递推算法来降低计算复杂度.实验结果表明,与传统二维Tsallis熵法相比,所提出的方法不仅分割更准确和抗噪性更强,而且占用的存储空间和运行时间都更少.     

基于最小Tsallis交叉熵的阈值图像分割方法

利用Tsallis熵的非广延性(nonextensivity),本文提出了一种最小Tsallis交叉熵阈值分割方法.该方法通过引入一个参数q.在阈值的选择过程中不仅考虑了目标和背景之间的信息昔差异,而且考虑了目标和背景之间的相互关系,克服了传统最小交叉熵忽略目标和背景之间的相互关系所导致的阈值选择不恰当的缺点.实验结果表明,通过选择合适的参数q,所提出方法的分割效果明显优于传统的最小交叉熵阈值法.     

基于萤火虫算法的二维熵多阈值快速图像分割

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先,分析了二维熵阈值分割原理,将二维熵单阈值分割扩展到二维熵多阈值分割。然后,引入萤火虫算法的思想,研究了萤火虫算法的仿生原理和寻优过程;提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后,使用该方法对典型图像进行阈值分割实验,并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明:该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍,1040.32倍和8128.85倍;另外,在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示,基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。     

基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他三种改进算法进行了比较.结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维Otsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分Otsu快速递推算法的1/4,不到文献[11]中快速算法的4%.     

低对比度图像中改进的二维熵阈值分割法

为了实现对低对比度图像中目标的识别和提取,采用二维熵值理论,重新定义了二维直方图坐标的含义,利用二维最大熵作为判定准则,对图像进行阈值切割.利用低对比度图像的特点,采取了压缩循环边界条件方法并结合递推加速算法,对比传统的阈值切割方法,取得了良好的分割效果,同时也提高了原始二维最大熵的计算效率,增强了低对比度下图像目标识别率,有良好的应用前景.     

视觉显著目标的自适应分割

基于视觉注意模型和最大熵分割算法,提出了一种自适应显著目标分割方法来分离目标和复杂背景,以便快速准确地从场景图像中检测出显著目标。首先,通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图;通过引入局部能量通道来更好地描述了显著目标的轮廓。然后,根据显著图中像素灰度的强弱构建不同的目标检测蒙板,将每个蒙板作用于原图像作为预分割的结果,再计算每个预分割图像的熵。最后,利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明：本文算法检测的显著目标更为完整,分割性能F-measure达到0.56,查全率和查准率分别为0.69和0.41,相对于传统方法更为有效准确,实现了在复杂背景下对显著目标的有效准确检测。     

基于NSCT、KFCM和多模型LS-SVM的红外小目标检测

为了进一步提高红外小目标的检测性能,针对图像序列中背景与小目标的特点,提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和核模糊C均值(kernel fuzzy C means,KFCM)聚类多模型最小二乘支持向量机(least squares support vector machine,LS-SVM)背景预测的检测方法.首先对红外小目标图像进行NSCT并去噪,提高图像的信噪比;然后通过基于核模糊C均值聚类的多模型ILS-SVM预测去噪后红外图像中的背景,用去噪后的实际图像减去背景预测图像得到残差图像;接着提出基于递归最大类间绝对差的阈值选取算法分割残差图像;最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标.给出了实验结果与分析,并与现有的3种基于背景预测的小目标检测方法进行了比较.结果表明该方法具有更高的检测概率和信噪比增益.     

图像阈值分割的Fisher准则函数法

针对图像分割中的阈值选取问题，通过引入模式识别理论中的Fisher评价函数作为图像分割的准则函数，提出了基于Fisher评价函数法的图像分割新技术。该方法利用图像直方图计算各灰度级下的Fisher评价函数值，其最大值即对应于最佳分割闲值。对该方法进行了详尽的图像分割实验，并与著名的Otsu法、最大熵法、最小误差准则法进行了详细比较，结果表明该方法具有分割性能稳定、计算速度快以及受目标大小影响小等优点，是一种实用有效的图像阈值分割新方法。     

基于改进BBO算法的二维交叉熵多阈值图像分割

为了提高生物地理学优化(BBO)算法在多阈值图像分割中的全局搜索能力,提出一种基于改进的BBO算法的多阈值图像分割.在运用BBO算法进行优化阈值时,首先,采用精英选择算子保留出最优的几组解.其次,引入一种基于优秀解和待迁出解融合的迁移策略,以减少传统迁移操作的过早收敛以及无效迁移等行为.再次,为了减少传统变异操作的盲目性,创建一种通过二进制计算的变异操作.然后将其应用到二维交叉熵的多阈值图像分割中.最后,使用该方法对典型图像进行分割实验,并与粒子群算法的二维多阈值分割,以及基于标准的BBO算法的二维多阈值图像分割进行比较,实验结果表明:该方法具有良好的收敛稳定性,可以有效缩短迭代的时间,并且优化性能优于标准的BBO算法.     

基于单高斯背景模型和双差分融合的运动目标检测算法

提出了一种新的运动目标检测算法,实现了只对帧图中感兴趣的运动目标区域进行背景匹配更新,能够较精确地检测出运动目标。该算法首先提出了双差分模型确定运动目标最大分布的可能区域,然后融合单高斯背景模型对此区域进行背景重建,再运用背景差分得到精确前景目标。仿真试验结果表明,该方法降低了运算的复杂程度,提高了检测精度,具有很好的鲁棒性。     

Modified cuckoo search algorithm in microscopic image segmentation of hippocampus

Microscopic image analysis is one of the challenging tasks due to the presence of weak correlation and different segments of interest that may lead to ambiguity. It is also valuable in foremost meadows of technology and medicine. Identification and counting of cells play a vital role in features extraction to diagnose particular diseases precisely. Different segments should be identified accurately in order to identify and to count cells in a microscope image. Consequently, in the current work, a novel method for cell segmentation and identification has been proposed that incorporated marking cells. Thus, a novel method based on cuckoo search after pre‐processing step is employed. The method is developed and evaluated on light microscope images of rats’ hippocampus which used as a sample for the brain cells. The proposed method can be applied on the color images directly. The proposed approach incorporates the McCulloch's method for lévy flight production in cuckoo search (CS) algorithm. Several objective functions, namely Otsu's method, Kapur entropy and Tsallis entropy are used for segmentation. In the cuckoo search process, the Otsu's between class variance, Kapur's entropy and Tsallis entropy are employed as the objective functions to be optimized. Experimental results are validated by different metrics, namely the peak signal to noise ratio (PSNR), mean square error, feature similarity index and CPU running time for all the test cases. The experimental results established that the Kapur's entropy segmentation method based on the modified CS required the least computational time compared to Otsu's between‐class variance segmentation method and the Tsallis entropy segmentation method. Nevertheless, Tsallis entropy method with optimized multi‐threshold levels achieved superior performance compared to the other two segmentation methods in terms of the PSNR.     

运动背景星空图像小目标运动轨迹提取算法

摘要：对星空观测CCD相机获得的序列图像,在目标运动的同时,相机也由于平台的姿态或位置改变而发生运动,同时,受相机平台不稳定的影响,目标成像的亮度存在缓变,且可能在某几帧图像中成像湮没在背景噪声中,造成目标运动轨迹的不连续现象。针对上述特点,本文提出了一种序列星图中目标的运动轨迹提取算法。首先利用交叉投影方法提取星点,确定包含星点的区域;然后,利用序列图像最亮的一组星点的质心估计星图的全局运动参数,并进行图像匹配,滤除背景恒星;最后,提出一种目标运动轨迹的提取算法。实验结果表明该算法对于空间小目标(≥1pixel)在序列图像中运动轨迹不连续的情况下可以进行准确的运动轨迹提取,具有较强的鲁棒性。     

面向挤出中聚合物形态的层析图像处理方法的研究

依据光学信息论中的多维随机变量的联合熵、条件熵、平均互信息之间关系和互信息的链式法则,提出了面向挤出中聚合物形态的层析图像处理方法.它包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量.实验表明,通过该方法不仅能将目标形态从目标与背景之比为1∶9的层析图像中分辨出来,而且能提高目标图像的空间分辨率30%,解决了由于目标图像信息量小、对比度差而使得层析图像测量方法难以在工程中应用的问题.     

Estimation of one-dimensional velocity distribution by measuring velocity at two points

The measurement of the velocity distribution and discharge in the open channels has always been an important issue in hydraulics. Unfortunately, flow measurement in the open channel is often expensive and sometimes produces poor results. There are many empirical methods to estimate the velocity distribution in a conduit, however, these methods are often applicable only to a narrow range of open channel conditions. In this paper, considering velocity as a random parameter, one-dimensional velocity distribution in open-channel has been derived based on the entropy concept and the principle of maximum entropy (POME). The entropy indexes (M, G, λ₂ and λ_*) are important parameters in entropy method to estimate velocity distribution and discharge in a conduit. A new approach is presented in this work for estimating the entropy parameters based on two-point velocity measurements. The approach for estimating the entropy parameters is tested for laboratory observations and velocity distribution and discharge are determined using Shannon, Renyi and Tsallis entropy methods. The present approach has shown good agreement with measured data. Also, the results showed that Tsallis entropy method is more accurate than other forms of entropy and the calculated values of NRMSE for estimated velocity profile and discharge are 7.86 and 8.8% respectively, showing a good simulation.     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

基于成像提取的RCS精确测量方法研究

高精度雷达散射截面(RCS)测量对背景环境具有较高要求,当背景环境存在较强干扰时,通过背景矢量对消难以消除杂波影响。提出基于成像提取的高精度RCS测量方法,从背景杂波中分离和提取出目标的散射信号,从而提高了测量的精度。首先推导了像与RCS的数学关系,然后利用转台模式下的测量回波进行成像处理,得到目标区域的二维像;从成像区域中提取目标的二维像,通过波谱变换和定标获得目标的RCS。仿真结果表明,该方法对于具有干扰情况下的RCS测量,可以改善3~5 d B的测试精度,并且能够对弱散射目标进行测量。实验结果表明了成像提取方法的有效性和准确性。     

面向遥感图像水域分割的图像熵主动轮廓模型

为提高遥感图像水域分割的准确度,结合高分率遥感图像中水域与背景纹理复杂度差异较大的特点,将图像熵引入到CV模型中,提出两种图像熵主动轮廓模型用于高分辨率遥感图像的水域分割。其中,针对水域纹理相对简单的遥感图像,在CV模型中引入零水平集内的图像熵而构成局部图像熵主动轮廓模型,可以有效降低背景中灰度值与水域近似的区域发生误分,从而提高水域分割的准确度;针对水域纹理相对复杂的遥感图像,在CV模型中同时引入零水平集内外图像熵而构成全局图像熵主动轮廓模型,改进了水平集函数进化过程中对灰度信息的依赖,并能使零水平集进化到全局最优,进一步提高了遥感图像中水域分割的准确度。针对高分辨率遥感图像中的湖泊、河流和海域分割对比实验结果表明:局部图像熵主动轮廓模型的分割精确率分别为90.1%、81.5%和93.6%,F值分别为0.94、0.885和0.96;全局图像熵主动轮廓模型的分割精确率分别为94.5%、85.3%、94.9%,F值分别为0.956、0.895、0.967。本文提出的两种图像熵主动轮廓模型均能有效减小背景误分,提高了遥感图像水域分割的准确度。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。