三维最大Renyi熵的灰度图像阈值分割算法

针对现阶段的阈值分割算法(如最小误差法、Otsu法、Renyi熵法等)在灰度、邻域均值或中值构成的二维或三维直方图上进行分割而造成的误分和低抗噪性等问题,提出了一种基于灰度、邻域均值和邻域加权中值三维直方图的最大Renyi熵阈值分割算法。相比目前多种阈值分割算法,新加入的邻域加权中值既能很好地过滤噪声,又能保留一定的图像边缘细节。经过对多幅图像的实验表明,该方法无论在精度上还是抗噪性上都有明显提升。     

一种超模糊熵ULPCNN图像自动分割新方法

为了自动地对图像进行二值分割,提出了一种新的自适应迭代全局阈值图像分割算法．首先对二维超模糊集隶属函数进行了自适应修正,并将其引入到图像超模糊熵概念中; 然后从适应图像分割角度,将传统脉冲耦合神经网络模型改进为具有单调指数上升阈值函数的ULPCNN抑制捕获模型; 最后把ULPCNN与最大超模糊熵判据相结合对图像进行自动分割,并与基于最大香农熵、最小交叉熵及最小模糊熵准则的ULPCNN分割方法作了比较．理论分析和实验结果表明,该方法能自动确定迭代次数和选取最佳阈值,对图像目标划分清晰,细节保持较好,改善了图像的分割性能．     

基于区间值模糊集熵的图像阈值分割算法

提出了一种新的区间值模糊集的模糊熵,并将其用于图像的阈值分割.根据图像直方图确定模糊化因子,选择适当的主隶属函数实现图像的区间值模糊集表示.利用新的区间值模糊集的模糊熵研究了图像的阈值分割算法.仿真实验表明,新的基于区间值模糊集模糊熵的阈值分割算法在处理模糊图像及具有噪声图像方面均比经典图像阈值分割方法更有效.     

基于模糊逻辑的图像阈值分割算法

为确定图像分割的最佳阈值,提出了一种新的有效的图像阈值分割方法.该方法首先给出一个新模糊熵的定义,这个模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时也考虑到图像在空域中划分区域时随隶属函数变化而变化的情况,这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息.然后,采用改进粒子群优化算法寻求隶属函数的最优参数,得到分割的最佳阈值,并用该阈值对图像进行分割.将新算法应用于图像分割中,效果优于现有大多数阈值分割算法.     

基于改进的二维Otsu法及PSO的火灾图像分割

针对传统的二维灰度直方图区域划分误差大和运算速度慢等问题,提出一种基于二维直方图和粒子群优化的阈值分割算法,即改进的二维最大类间方差法的粒子群优化算法.利用该算法在二维灰度空间上自适应搜索最优阈值,根据最优阈值对图像进行分割.选取森林火灾火焰图像,对其进行图像分割仿真实验.实验结果表明,该算法的分割效果较好,具有很好的抗噪性能,可有效提高运算速度,且实时性较好.     

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE(Gray Level and Local Entropy)二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.     

改进的最小交叉Tsallis熵的小目标声呐图像分割

利用一维属性直方图改进交叉Tsallis熵,在此基础上提出了一种基于一维属性直方图的对称最小交叉Tsallis熵水下小目标声呐图像分割方法。该方法的主要步骤是:①抑制水下小目标声呐图像的散斑噪声;②根据图像像素的灰度值和该像素邻域的灰度平均值的大小建立属性集,在属性集上建立与该属性集约束对应的一维属性直方图;③根据一维属性直方图的对称交叉最小Tsallis熵法确定灰度二值化阈值;④对二值化后的图像去除孤立区。实验结果表明:该方法适用于直方图为复杂非双峰形状的水下小目标声呐图像,而且与现有的属性直方图上的一维最大熵阈值化法比较,具有更强的抗噪能力。     

基于改进萤火虫算法的多阈值微生物图像分割

针对微生物显微图像噪声干扰大、灰度分布不均匀、单幅图像中包含多个形态丰富的微生物,难以快速准确提取目标满足实际应用要求问题,提出一种基于改进萤火虫算法的多阈值分割方法。首先,通过统计图像灰度直方图峰值,自动获取最佳多阈值数目m;其次,引用二维熵阈值分割原理,将二维熵单阈值扩展到多阈值,并设计基于对数熵的多阈值目标代价函数;最后,针对原始萤火虫智能优化算法容易过早陷入局部最优解且萤火虫个体之间缺乏协同,导致算法效率低下问题,提出基于萤火虫初始化过程优化以及变量参数(步长量化因子α和相对吸引力参数β_(ij))调整的改进萤火虫算法,从而实现快速、准确寻找到多个最佳阈值。并将该算法与一维熵、二维熵、Otsu、粒子群多阈值分割以及原始萤火虫多阈值分割等分割算法作比较。实验结果表明,本文改进算法在微生物分割的准确性与时效性上有明显提高,为后续自动识别奠定良好基础。     

基于四叉树和交叉熵的面向对象图像分割方法

为了解决光照不均的非均匀图像分割问题,提出了基于面向对象思想的图像分割算法.针对非均匀图像的特点,以四叉树作为分析结构,在Shannon熵上推导出子集熵与全集熵的关系,作为图像的面向对象描述.基于此关系,充分考虑非均匀图像子集的局部灰度分布,最小化子集与全集的交叉熵,抹去子集的局部灰度偏移特征,从而得到分割阈值与局部灰度分布相关的分割方法.实验表明,相比常用的动态阈值算法,该算法具有运算量少、分割结果自适应性好的特点.     

基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中,提出一种新的图像阈值分割方法,以灰度图像的直方图熵作为评价标准,把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性,搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明,采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．     

参数化最大香农熵阈值分割算法

提出了参数化最大香农熵阈值化分割算法。针对基于香农熵的图像阈值化分割算法对许多图像很难获得满意分割结果的不足,基于三角模蕴涵算子研究中常用的分式极限表达式对香农熵阈值化算法进行参数修改,得到了参数型的最大香农熵阈值化分割准则以便改善其分割性能。实验结果表明,本文的参数化修改香农熵阈值法是可行的。     

基于二维模糊熵的图像非监督变化检测

针对图像变化检测,提出了一种基于二维模糊熵的方法。首先采用LMS方法寻找二维直方图的最佳分割方向;再根据最佳分割方向构建一种新的二维隶属度函数,并用其搜索差异图像二维模糊最大熵来确定最佳二维隶属度函数;最后按最佳二维隶属度函数检测差异图像中的变化区域。理论分析和实验结果表明,本文方法相对一般二维检测方法具有更好的检测性能。     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。 更多还原     

基于蒙特卡罗方法和粗糙熵标准的图像分割方法

提出了一种新的图像分割方法。这种分割方法首先利用粗糙集理论将图像按照一定的规则划分为大小相等的若干图像子块,而后利用蒙特卡罗方法基本原理对划分的图像子块进行一定规模的随机抽样,以随机抽样所得的图像子块为样本进行粗糙熵计算,用所得最大粗糙熵所对应的灰度值为分割阀值对图像进行分割,在采用较小的图像子块划分以取得更好的分割效果的情况下,极大的提高了算法的分割速度。通过对测试图像的MATLAB仿真试验验证了算法在降低计算机消耗方面的有效性,且所得的分割阀值也令人满意。     

一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法,定义了模糊熵,提出了基于最大模糊熵的模糊聚类的方法,得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰,有明确的数学含义,相对于传统的FCM聚类算法,其聚类效果更好。     

一种新的自适应图像模糊增强算法

对图像模糊增强算法中的非线性变换进行了研究,发现了其存在变换强度较小,运算速度较慢,丢失部分灰度信息等缺点．提出了一种新的模糊增强变换算子,该变换算子不但克服了上述缺点,而且具有封闭性、变换强度可调以及移植性好等优点．另外,针对以往算法选取阈值参数的随机性问题,通过引入模糊熵,使阈值的选取具有了一定的目的性．将新的模糊增强算法应用于图像边缘检测中,取得了优于现有模糊增强方法的效果．     

基于自适应遗传算法的激光图像处理

针对激光图像分割处理的问题,提出了一种基于自适应遗传算法的激光图像分割处理算法.该算法将自适应遗传算法与最大类间方差分割方法相结合,将图像类间方差作为适应度函数,利用交叉概率和变异概率动态调整自适应遗传算法求解最大类间方差的最优阈值.为了衡量该算法的处理效果,分别采用本文算法和最大类间方差图像分割算法对图像进行处理.结果表明,该算法的CI值为0. 417,能够对图像进行有效分割,且分割的准确性和运算速率均优于传统的最大类间方差分割方法,具有较高的实践价值.