食品HACCP分类的BIRCH算法

食品卫生的HACCP自动分类要处理的数据集形状呈现多样性,对分类结果的准确性和专业性要求很高,已有的算法难以满足。该文基于经典BIRCH算法,结合多阈值思想和多代表点特征树思想,提出多阈值多代表点的BIRCH算法,增加了专业分类知识的指导,并对每一个代表点设立单独的阈值,使得该算法能适应各种形状的数据集,减少了聚类特征树重建次数,提高了算法的效率。     

改进海鸥算法的多阈值图像分割算法北大核心CSCD

为进一步提高图像分割精度,改善传统多阈值图像分割方法计算量大、分割慢的问题,提出了改进海鸥算法(improved seagull optimization algorithm,ISOA)的多阈值图像分割方案。针对原始海鸥算法(seagull optimization algorithm,SOA)存在早熟、寻优精度不足的问题,首先,采用cubic混沌映射优化初始解,提高搜索效率;其次,引入鹰栖息优化算法(eagle perching optmizer,EPO)的缩放因子和疯狂算子进行扰动,并与麻雀搜索算法(sparow search algorithm,SSA)警戒者的位置更新相结合,优化寻优精度和收敛速度,避免陷入局部最优。利用6种基准测试函数对ISOA进行寻优性能测试。最后,将ISOA与图像分割的最优阈值选取相结合,进行基于Otsu的多阈值图像分割,并与现有分割算法进行对比。仿真结果表明,ISOA在基于Otsu的图像分割中,100%取得了最优值,且80.9%的结果优于其余算法,使图像的分割精度和质量均得到了优化。     

复杂背景下的多阈值人眼定位新算法*

提出了一种基于复杂背景下的多阈值人眼定位算法。该算法首先对图像进行光线补偿,减小由于光照不均等因素造成的影响;然后根据对人眼灰度特征的分析来确定3个人眼二值化阈值,从而分离出人眼候选区域;最后根据人脸的几何特征、人眼位置判定准则以及计算二维相关系数来排除非人眼区域,从而定位双眼。实验结果表明,该算法能在不同条件下准确定位人眼,且具有较快的定位速度和较高的检测率。     

基于迭代的癌细胞图象自动多阈值分割

随着现代医学研究的飞快发展，显微图象定量分析已经广泛应用到临床诊断，病理分析，癌变分级分类等越来越多的医学领域之内。本文将传统的迭代算法应用到癌细胞图象的多阈值分割中，可根据实际需要确定阈值个数，不但可以快速准确地将细胞质、细胞核分割开来，还可以根据需要确定阈值个数，从而分割出癌变细胞核内的粗颗粒状物质以进行进一步的纹理分析。     

运动图像序列中的斑点检测算法

传统运动图像斑点检测算法通过降低阈值来提高正确检测率,但较高的错误检测率直接影响其后的斑点修复结果。为最大化正确检测率与错误检测率之间的比值,在SROD检测算法的基础上提出改进的斑点检测算法。引入自适应多阈值的概念,对同一帧图像中的不同斑点进行自动收敛,找到合适的阈值,采用纹理匹配方法减小斑点区域中由于运动矢量估计导致的偏差。对实际破损以及人工添加斑点的图像序列进行性能评估,结果表明,改进算法能在得到较高正确检测率的同时降低错误检测率。     

基于弯板传感器的动态称重公路预检系统研究

要提高公路预检系统的可靠性与稳定性,关键是要提高系统动态称重的准确度等级,提出专家系统与模糊多阈值消噪算法相结合的动态称重数据处理方法。弯板传感器动态称重过程的知识多,处理过程复杂,采用专家系统对知识进行处理;动态称重信号的干扰在不同小波分解层和不同数据区间的强度不同,采用模糊多阈值消噪算法对动态称重数据进行消噪处理,重构的动态称重数据达到要求,并在Matlab中分析表明该算法是有效的。通过现场试验验证,将专家系统与模糊多阈值消噪算法相结合,使系统动态称重误差小于2%,称量准确度等级达到2级指标。     

图像分割技术用于印刷电路板检测的研究

图像分割在图像分析、图像识别、图像检测等方面占有非常重要的地位,是从图像处理到图像分析的重要步骤,图像分割的好坏直接影响到图像分析的结果。针对此就印刷电路板检测过程中的图像分割进行研究。阈值分割技术的运算效率高、计算简单等特点非常适应印刷电路板检测的快速性和稳定性要求,因此着重介绍了四种阈值分割技术,并借用软件将各算法分别应用于实际的印刷电路板图像,然后对各个阈值化算法的分割结果做了对比和简要分析。     

基于改进分水岭算法的VCH-F1图像分割

针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点,提出了一种能够有效消除局部极小值和噪声干扰的分割方法。首先比较并选取彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的;然后提出基于多阈值分割的方法消除无效梯度信息;最后介绍了算法的步骤及结果。实验结果证明,基于该方法处理梯度图像进行分水岭算法处理可以得到准确的分割结果。     

自然场景图像中叶片区域快速多阈值提取方法

针对自然场景中植物叶片图像分割效果不佳,难以从含有多个叶片的图像中提取出完整叶片区域的问题,提出了一种叶片区域的快速多阈值提取方法。首先,使用人工蜂群算法优化Otsu多阈值选取的过程,以类间方差为适应度函数获取最优的多个阈值,在获取最优多阈值的过程中以迭代的方式自适应地确定出适合于叶片图像的分割阈值数目,然后使用边缘检测,逻辑运算和形态学操作等从多阈值分割结果中去除背景元素,提取独立、完整的叶片区域。实验结果表明,当对包含一个和多个叶片的自然场景图像进行处理时,该方法能够较为快速地得到更为完整、准确的叶片区域。     

基于模糊率的自适应多阈值图像分割方法

针对目前图像模糊阈值分割法存在的窗口宽度自动选取困难以及阈值搜索范围难以确定的问题,本文提出了一种基于模糊率的自适应多闽值图像分割方法。利用图像直方图峰值分段的思想,在给定隶属函数的情况下,实现了窗宽的自适应选取以及图像多闽值的自动选取,有效地拓宽了模糊阈值图像分割方法的适用范围。实验结果表明,该方法对直方图呈多峰分布的图像可取得良好的分割效果。