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。     

二维直方图创建的新方法实现图像自动分割

针对图像的自动分割问题,利用二维熵建立的一般方法和二维熵的性质提出创建二维直方图的两种新方法.第一种方法选择4邻域中心像素灰度值和其余像素的灰度最大值来构造二维直方图,第二种方法选择4邻域中心像素灰度值和其余像素的灰度最小值来构造二维直方图.对典型图像进行对比试验表明,与传统方法相比,采用由4邻域中心像素灰度值和其余像素的灰度最大值构造二维直方图的方法,可以很好地保留目标的细节信息,而采用由4邻域中心像素灰度值和其余像素的灰度最小值构造二维直方图的方法,可以在保留目标轮廓信息的基础上,很好地抑制噪音.     

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了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otsu法的快速迭代算法.在实验结果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原始算法及其他两种快速算法进行了比较.结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少.     

改进的模糊阈值图像分割方法

提出了一种自适应的模糊阈值图像分割方法,通过预分割和直方图信息相结合的方法,解决了传统的模糊闽值图像分割法难以自动获取窗宽的困难;并针对模糊闽值图像分割方法不能适用于直方图呈单峰分布的图像的缺陷,提出了一个新的平滑迭代公式。该平滑迭代公式利用像素点的邻域信息使图像增强,再使用自适应的模糊阈值图像分割方法进行分割,可以拓宽模糊阈值图像分割方法的适用范围。实验结果表明,使用该方法的目标分割正确率达97.3％,显示了较高的分割精度和较强的鲁棒性。     

DNA遗传算法的改进二维最大熵图像分割

传统的二维最大熵图像分割算法在求解阈值时将二维直方图的噪声和边缘区域近似为零,降低了分割精度。针对这一问题,本文提出了一种基于DNA遗传算法的改进二维最大熵快速图像分割算法。利用梯度-均值灰度直方图得到有用区域,并以改进的二维最大熵作为优化函数,采用DNA计算遗传算法得到二维最优阈值。实验表明该算法对图像分割去噪能力强,分割效果好,以及快速有效处理能力。     

二维直方图重建和降维的Otsu阈值分割算法

指出二维直方图直分法中存在区域划分不合理和抗噪性差问题,提出一种新的阈值分割方法,导出有关计算公式.首先分析噪声点在二维直方图中分布情况,通过重建二维直方图减弱了噪声对阈值分割的干扰;然后将二维直方图区域划分由四分法改为二分法,使得阈值搜索的空间维度从二维降到一维;最后分别给出现有二维直方图分割算法和本文方法的仿真结果.理论分析和实验结果表明,该方法可以运用于几乎所有基于二维直方图的阈值分割,特别是对受噪声污染的图片进行阈值分割时,能使分割后的图片内部均匀、边界准确、抗噪性更稳健,所需运行时间大幅减少.     

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.     

一种改进的二维最小交叉熵图像分割方法

针对当前二维最小交又熵阈值法存在计算复杂度高等问题,提出了一种改进的二维最小交叉熵阈值分割方法.首先,依据图像的含噪声类型选择邻域模板并建立相应的二维直方图来提高分割效果;然后,对二维最小交又熵公式进行推导和简化处理,利用定义的数组运算推导出新型递推算法,再确定图像及其邻域图像的实际灰度级别范围,并用这种新算法在所求的灰度级别范围内搜索最佳阈值向量来降低计算复杂度;最后,使用关键阈值一对滤波后的图像进行分割达到最佳的分割效果.仿真实验结果表明,与当前的二维最小交又熵阁值分割法相比,本文提出的方法不仅分割性能及抗噪性能更强,而且分割时间大大减少,小于0.05 s.     

基于灰度直方图的阈值分割算法

介绍图像灰度直方图和传统阈值分割的两种算法,传统算法对图像不加区分,分割效果欠佳,直方图分析法可以弥补其不足,处理效果较理想,是一种值得推广的算法。     

一种基于改进直方图的声呐图像识别方法

针对传统直方图缺乏对图像空间信息描述的缺点，结合声呐图像的特点，提出了一种改进的直方图声呐图像识别方法。该方法将主要面积的圆度信息引入到直方图中，把图像的总体灰度信息与灰度空间分布信息有机地结合起来，从而降低了传统直方图对总体灰度信息的绝对依赖，提高了声呐图像的识别率。采用Manhattan距离作为相似性度量准则，与传统直方图声呐图像识别方法进行比较，验证了本文方法的有效性和可行性。     

基于生化反应速率的图像阈值分割算法

提出了一种改进的DNA遗传算法,以解决遗传算法用于图像分割时收敛速度慢、易早熟的缺点。利用碱基互补的DNA编码方式增加种群多样性,防止陷入局部极值;设计了基于DNA分子操作的置换自适应交叉算子和密码子变异算子,从而提高遗传算法的搜索能力,有效加快了算法的收敛速度和效率,并将此算法用于寻找二维Arimoto熵的最佳阈值,最后对图像进行分割。普通图像和医学图像的分割结果验证了改进DNA遗传算法用于图像分割的有效性。     

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。     

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.     

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.     

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。     

基于二邻域局部阈值的矾花图像分割

本文提出一种采用二邻域类间方差局部阈值化算法对矾花图像进行分割，实践证明该方法非常有效，能基本解决常规局部阈值分割中出现的问题。     

基于小波域多分辨率MRF的声呐图像目标分割

声呐图像受噪声影响严重,分辨率低,传统算法对其目标分割效果较差,为此,提出了小波域多分辨率MRF模型的声呐图像分割算法。小波域多分辨率分析有利于提取声呐图像弱特征信息;每一分辨率中的观测特征采用高斯混合模型建模,尺度内同标记的观测特征用高斯模型建模,用各向同性的双点多级逻辑(Multi-Level Logistic,MLL)模型建模每一尺度的标记场;最后,用迭代条件模式(Iterated Conditional Mode,ICM)实现多分辨率马尔可夫随机场(Multi-Resolution Markov Random Field,MRA-MRF)中能量函数的最优解,获取标记场,完成声呐图像分割。从视觉效果和定量分析两方面验证。对比实验的结果表明,该文算法能有效地提取声呐图像的弱目标信息,较好地将目标区域和背景区域分割出来,具有较高的分割精度和鲁棒性。