在线铁谱图像分析中基才蚁群算法改进Otsu的设计与应用

在线铁谱图像获取机器磨损状态信息是铁谱诊断技术的核心和瓶颈。针对在线铁谱磨粒图像的Kirsch边缘检测特征不明显和Otsu（最大类间方差法）获取最佳阈值的局限性及耗时等问题,设计了一种基于蚁群算法改进Otsu方法完成图像分割,并结合Kirsch边缘检测来提取磨粒图像信息的新方法。首先通过Kirsch算子检测出图像边缘．然后运用基于蚁群算法改进Otsu方法求取最佳阈值并进行二值化处理．最后采用灰度堆栈空间实现磨粒自动定位。通过现场对三峡电厂5号水轮发电机组2012年油液进行试验和数据分析、及近一年的机组开机老化运行．得出所设计的算法能够有效提取磨粒图像信息,同时节省运算时间,对水轮机组故障预测、诊断起到了良好的实际作用。     

基于Otsu算法与直方图分析的自适应Canny算法的改进

Canny算子在边缘检测领域被广泛应用,但传统的Canny算子需要人为设定梯度阈值和合适的高斯标准差,因此自动化程度不高。为解决Canny算子的自适应性,发展了包括Otsu算法在内的自适应算法。但传统的Otsu算法存在定位精度不高,易受高斯滤波标准差影响等问题。在Otsu算法的基础上,通过对高斯滤波后梯度图像的分析与研究,对最大类间方差进行改进,从而提高自适应算法的稳定性。将改进后的类间方差与类内方差的比值作为阈值选取的评价标准,从而有效提高了自适应算法的定位精度。仿真表明,所提出的改进算法能有效提高Canny算法的定位精度和鲁棒性。     

基于分形的改进Otsu红外图像分割算法

提出了一种基于分形的改进Otsu红外图像分割算法.针对Otsu算法在目标的相对面积较小时背景信息容易误分问题,以及递归Otsu算法递归终止条件不易确定问题,将分形算法与Otsu算法结合起来,用于分割红外目标.首先计算红外图像的分形维特征,根据分形维特征去除大部分背景信息,然后在潜在目标区域采用Otsu算法进行分割.仿真结果表明,该算法性能优于Otsu算法及递归Otsu算法.     

基于改进蚁群算法的图像边缘检测研究

针对基本蚁群算法对图像边缘检测效果不理想,提出了一种改进蚁群的图像边缘检测算法。通过改进蚂蚁转移规则和信息素更新策略,使得蚂蚁更具有多样性选择。实验仿真结果表明,该算法可以有效地检测出图像边缘,提高检测的效果。     

基于改进的蚁群算法的边缘连接方法

针对边缘检测得到的边缘通常存在不连续现象,基于改进的蚁群算法理论,在Canny算子得到边缘图的基础上,提出了一种有效的边缘连接方法。该方法利用能见度矩阵设置像素点的初始信息激素并调节信息激素的更新,根据像素点梯度幅值和梯度方向来确定引导函数,从而减小了在算法运行初期定位错误的概率,提高了迭代过程中信息更新的准确性。仿真实验结果表明,该方法能够有效地改善边缘检测后的边缘不连续现象,满足边缘检测的轮廓封闭性要求。     

改进蚁群优化算法的图像边缘检测

为了解决图像边缘检测中的噪声问题,并提升检测效率与检测效果,提出改进蚁群优化算法的图像边缘检测方法。所提方法改进了传统蚁群优化算法直接在像素域进行迭代的边缘检测过程,其将蚂蚁分为探测蚁和寻路蚁,寻路蚁采用数据结构控制思想在原图像上随机选择迭代路线,根据蚂蚁移动角度设置像素点结构搜索路线,在所经过的每个像素点上进行附近像素点结构搜索,快速获取整体图像边缘检测信息,再利用探测蚁将寻路蚁给出的结果进行蚂蚁外激素检测,完成对检测效率与检测效果的改进。实验结果证明,相比传统蚁群优化算法,改进蚁群优化算法在图像边缘检测的效率与效果上均有很大提高。     

基于Otsu阈值分割的边缘快速图像插值算法

为了满足视频监控、目标检测与识别过程中较高图像质量和较低算法复杂度要求,以及改善传统图像插值中细节模糊和边缘锯齿效应,文中提出一种基于Otsu阈值分割的边缘快速图像插值算法。利用Otsu算法,根据目标区域和背景区域的类方差最大,确定分割阈值,对非边缘区域进行双线性插值,边缘区域利用与待插值点周围6个或8个相邻降采样像素局部结构的多方向特点,自适应估计高分辨率像素值。实验表明,该算法运算复杂度低,很好保持了图像的边缘,获得了视觉质量较好的高分辨率图像。     

基于蚁群算法的图像边缘提取技术

蚁群算法是根据真实蚁群的觅食原理提出的一种新兴的启发式智能搜索算法.本文将蚁群算法应用于图像边缘搜索提取中,通过蚂蚁的智能特征,自适应的调整自己的行为,对图像边缘进行搜索提取.同时,引入了"精英蚂蚁"的概念,将精英蚂蚁的概念与蚁群算法想结合,优化了搜索过程,并提高了搜索速度.     

浅论蚁群算法及其应用

蚁群算法作为一种新型的模拟算法,基于其本身所拥有的分布、鲁棒性、并行性等优点,在近些年中得到了快速的发展。文章对蚁群算法的原理及近几年的发展状况做了简单的综述,介绍了其在实际当中的应用,并对今后的发展做了展望。     

基于模糊判决改进的Otsu图像分割算法

在图像分割中,阈值的选取是十分重要的.提出了一种基于模糊判决的Otsu图像分割算法,通过对Otsu算法中阈值的模糊判决处理,采用重心法来求取阈值,使所求阈值更加接近实际最佳阈值,从而能更好地分割图像.实验结果表明,与当前的一维Otsu算法和二维Otsu算法相比,改进算法有着更好的图像分割效果.     

基于Otsu算法的图像阀值自动选取算法研究与应用

针对图像处理在追踪运动物体领域的应用,选择Otsu图像分割算法进行研究分析,给出了该算法的C++程序代码。为验证算法在工程应用领域的有效性和准确性,将其应用到车辆目标检测系统中,该系统以运动目标检测与跟踪为出发点,通过读取视频帧、帧差处理、Otsu分割、形态学处理,连通分量分析进行目标检测,从而实现跟踪汽车运动的目的。最后在Opencv2．4．8和微软VS2010环境下对Otsu算法在该系统的应用进行测试,结果表明,Otsu算法能够快速高效的进行车辆检测及跟踪定位,具有较好的工程应用价值。     

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。     

基于改进Otsu算法的TFT-LCD点缺陷自动光学检测系统

针对TFT-LCD点缺陷自动光学检测时,缺陷与背景对比度较低难以用传统阈值分割算法处理的难题,提出一种改进的Otsu算法,并构建了TFT-LCD点缺陷自动光学检测系统。首先,通过Gabor滤波去除了纹理背景的影响。然后,利用威布尔函数形态参数分段取值时,其分布函数呈现的不同分布特性,改进了传统Otsu阈值提取函数。最后,进行了离线测试试验和在线测试试验。试验表明,改进的Otsu算法在点缺陷与背景对比度较低的情况下分割效果优于传统Otsu算法。将该算法移植到TFT-LCD点缺陷自动光学检测硬件平台上进行在线测试,正确检测率可达到94%,单个样本最短检测时间可缩短至150ms。降低了TFT-LCD人工检测点缺陷的工作量和劳动强度。     

基于蚁群算法的改进ICA算法

针对FastICA算法存在依赖非线性函数选取的缺陷,为了提高分离结果的可靠性,提出一种基于蚁群算法的改进ICA算法.该算法对非线性函数没有特殊要求,以负熵近似表达式为目标函数,利用蚁群算法代替FastICA算法中的牛顿梯度法,求出最优分离矩阵B,从而对混合信号中的独立分量进行分离.仿真结果验证了改进ICA算法的有效性和...     

基于改进的人工蚁群的图像分割算法

蚁群算法具有良好的离散型、并行性、正反馈性和鲁棒性,非常适合用于图像分割.基本蚁群算法存在着收敛速度慢、图像边缘的细节信息保留不完全等不足.改进了蚁群算法的启发信息,提高了蚁群算法的收敛速度,同时更有效地保留图像边缘的细节信息.图像的奇异值中只包含了少量的细节信息,大量细节信息体现在图像矩阵的2个正交矩阵中.通过利用奇异值分解作为启发信息,与信息素共同指导蚂蚁的行为.通过对蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,根据信息素分布提取分割结果.仿真实验表明,对图像得到了理想的分割结果.     

基于蚁群优化与细菌趋化性的图像边缘检测算法

为解决基于蚁群优化的图像边缘检测算法中信息素的作用不明显,难以获得全局最优解,从而降低目标边缘的检测精确度与效率等问题,提出一种基于细菌趋化性(BC)耦合蚁群优化(ACO)的边缘检测算法.通过细菌趋化性找到最佳解决方案,用于产生信息素的初值;将BC得到的信息素初值作为ACO的初始信息素,计算每只蚂蚁的行走概率,从而选择...     

基于边缘信息的二维Otsu阈值分割算法的改进

在灰度图像的处理中,Otsu法是普遍的阈值分割方法,在对Ostu阈值分割方法不断改进的过程中,以二维的Otsu阈值分割方法应用最为广泛,在二维的Otsu方法的统计量中加入均值的方式虽然在一定的程度上消除了噪声,但对于背景与目标区域不明显时,二维Otsu阈值分割不能得到理想的效果。文中在二维Otsu方法改进的过程中,在不增加算法复杂度的情况下使用Sobel算子加入边缘信息,可以有效刻画边缘信息,同时可以很有效减少边缘处的噪声。     

基于侦察和感知能力的蚁群图像边缘检测算法

针对蚁群算法在进行图像边缘检测时,蚂蚁会做大量的无效搜索,增加算法的运行时间。提出了具有侦察能力和感知功能的蚁群图像边缘检测算法,让侦察蚁进行侦察,排除大量的非边缘区域,然后觅食蚁利用感知能力进行搜索图像边缘。通过实验结果表明,该算法可以得到理想的图像边缘,而且算法的运行效率明显提高。     

基于蚁群算法的Criminisi图像修复

提出了一种基于蚁群算法的Criminisi图像修复算法,将蚁群算法应用到Criminisi图像修复算法的最佳匹配模板搜索中.首先计算待修复区域优先权;然后蚁群寻找搜索路径中留下的信息素,沿着信息素最多的路径寻找到最佳匹配模板;最后更新置信度,直到修复结束.实验结果表明,修复后的图像PSNR较高不易陷入局部最优,能较快速地搜索到最佳匹配模板.