基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。     

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

基于模糊指数熵和模拟退火的图像分割

为了有效分割照度不均匀的网格图像,提出了一种基于模糊指数熵和模拟退火算法的阈值分割方法。基于模糊集合理论,根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集,利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定最优分割阈值,实现图像分割。由于使用穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大的弱点,因此采用模拟退火算法确定最优阈值,从而减少了计算量。实验结果表明,此方法能够自动、有效地选取阈值,运算时间约为使用穷举法寻求最优阈值所需时间的1／3,并且分割效果明显优于最大类间方差法、迭代法和一维最大熵法。     

三维最小误差阈值法及其快速递推算法

针对现有算法无法有效解决混合噪声图像的阈值分割的问题,该文提出3维最小误差阈值法。该方法充分考虑图像像元点的灰度分布信息及像元点之间的灰度相关信息,结合图像灰度、均值和中值信息,构造出3维观测空间。然后基于相对熵定义出3维最佳阈值判别式。为了提高该算法的处理速度,给出相应的快速递推算法,其时间复杂度为O(L3)。实验结果表明,在不同噪声环境及非均匀光照条件下,尤其对混合噪声图像,与现有方法相比,文中算法均取得了更好的分割效果。     

图像阈值分割算法及对比研究

图像阈值分割技术广泛应用于计算机视觉和模式识别等研究领域。通过对五种典型的阈值分割算法,包括最大类间方差法、最大熵法、最小交叉熵法、最大相关法和灰度熵法进行算法仿真,并针对不同信噪比图像的分割结果进行了客观评价,得出不同分割方法所适用的分割对象。同时设计了图像阈值分割系统,便于进行不同分割算法的对比分析。     

基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。     

基于分形理论的改进型二维最大熵红外图像分割算法

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。     

基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。     

一种检测红外小目标的图像阈值分割算法

针对红外目标检测中经常遇到目标比背景小很多造成目标分割失败的问题,以及常用阈值选取方法仅依赖于图像直方图的概率信息而未直接考虑类内灰度分布的均匀性,提出一种基于目标与背景面积差和修正灰度熵的阈值分割算法.算法首先采用自适应中值滤波和均值滤波进行图像预处理,以减除噪声干扰.然后给出了修正灰度熵公式,该公式能很好地解决熵计算中出现的无定义问题,并利用目标与背景面积差较大的特点,构造得到最终的阈值选取公式.最后,在直方图上采用优化搜索策略,进一步降低算法的计算复杂度.实验结果表明,与Otsu法、最大熵法相比,该算法抗噪性能好,能有效实现红外小目标的分割,且运算时间至少减少了80％左右.     

边缘引导和轮廓约束下的跨域香农熵最大化导向的自动阈值选取方法

为了处理诸如高斯、伽马、极值、瑞利、均匀或贝塔等基本灰度分布情形下的阈值选取难题,本文提出了一种跨域香农熵最大化导向的自动阈值选取方法.该方法利用不变的引导边缘图像和变化的约束轮廓图像共同构造出一系列持续变化的一维灰度直方图,并采用香农熵作为熵计算模型,从而得以跨越图像中若干局部区域去计算跨域香农熵,并以最大跨域香农熵对应的阈值作为最终阈值.在40幅合成图像和50幅真实世界图像上的实验结果表明,该方法虽然在计算效率方面不优于Masi熵阈值方法、Tsallis熵阈值方法、局部香农熵阈值方法和迭代三类阈值方法,但在分割适应性方面有显著增强,且在误分割率方面有显著下降.     

一种基于逐点阈值分割的图像边缘检测方法

提出一种对图像中每个点逐一取阈值进行分类的一种新的阈值分割算法.该算法利用图像中像素邻域的灰度值均值统计信息作为该点阈值设置的标准,并引入该点邻域内像素灰度值方差作为附加判断条件,使提取出来的日标点是图像的边缘点.事实上该阈值分割算法起到了边缘提取的效果.实验证明,本文算法起到了良好的边缘检测效果,并且验证了本算法对于以邻域统计信息作为阈值估计标准的合理性.     

Supervised learning-based cell image segmentation for p53 immunohistochemistry

In this paper, we present two new algorithms for cell image segmentation. First, we demonstrate that pixel classification-based color image segmentation in color space is equivalent to performing segmentation on grayscale image through thresholding. Based on this result, we develop a supervised learning-based two-step procedure for color cell image segmentation, where color image is first mapped to grayscale via a transform learned through supervised learning, thresholding is then performed on the grayscale image to segment objects out of background. Experimental results show that the supervised learning-based two-step procedure achieved a boundary disagreement (mean absolute distance) of 0.85 while the disagreement produced by the pixel classification-based color image segmentation method is 3.59. Second, we develop a new marker detection algorithm for watershed-based separation of overlapping or touching cells. The merit of the new algorithm is that it employs both photometric and shape information and combines the two naturally in the framework of pattern classification to provide more reliable markers. Extensive experiments show that the new marker detection algorithm achieved 0.4% and 0.2% over-segmentation and under-segmentation, respectively, while reconstruction-based method produced 4.4% and 1.1% over-segmentation and under-segmentation, respectively.     

基于交互式分割和勾画匹配的颜色迁移

针对经典全局颜色迁移算法在处理具有复杂色彩的自然图像时常出现较多颜色误传的问题,提出一种基于交互式分割与勾画匹配的局部自适应颜色迁移算法。该算法不仅适用于彩色图像间的颜色迁移,而且适用于灰度图着色。算法基本思路是首先分别对两幅图像进行交互式分割,然后对分割后图像的同质景物区域进行勾画匹配,最后在相匹配区域间进行局部颜色迁移。实验结果表明该算法能很好地实现参考图像和目标图像中同质景物内容区域间的颜色迁移,减少颜色误传的现象。结果图像颜色自然度与局部景物一致度有明显提高。     

基于连通算子的图像颗粒分割算法研究

为实现图像中粘连物体的有效分离，可以利用二值化分离背景，距离变换得到距离灰度图，形态重构提取每个物体的标识，分水岭算法确定边界。文中给出了实现的步骤及改进措施：提出基于双队列的方法来简化计算量，二次距离变换来提高分水线定位精确性，并在实际应用中实现。     

基于彩色空间的二维OSTU的图像分割算法

图像分割的研究一直是图像处理研究的热点问题,尤其是对彩色图像的分割研究更为重要,虽然对彩色图像分割的研究提出很多分割算法,但是很多算法仍存在缺陷,本文针对解决二维OSTU分割算法分割图像时计算复杂和易受噪声干扰的问题,提出将Lab彩色空间应用到二维OSTU算法中,首先将色彩图像从RGB空间转到Lab空间,然后联合利用L通道、a通道、b通道图像信息进行粗分割,最后针对其中某个通道的图像信息进行二维OSTU细分割.通过试验表明,该方法对彩色图像有较好的分割效果.     

成像制导中的红外图像分割算法

采用凝视焦平面阵列(FPA)的红外成像制导技术以其优越的性能在空空导弹中得到了广泛的应用.由于空中飞机目标表面各部位的温度不同,使得红外成像探测装置获得的目标图像的不同部位存在着较大的灰度差异,这给正确分割出目标带来了很大的困难.针对飞机目标红外图像的特点和成像制导技术中图像分割的目的,文中提出了一种有利于目标特征点识别的图像分割算法,它首先对目标红外图像进行阈值分割,然后选取合适的结构元素并利用数学形态学的并行性特点对目标内部的空洞区域进行填充,最后得到比较精确的分割图像,这种分割结果对基于灰度连续性的目标特征点识别算法非常有利.     

一种感光不均匀数字PCR荧光图像分割算法

针对传统阈值法难以快速准确分割感光不均匀数字PCR(Polymerase Chain Reaction)荧光图像的问题,提出了一种两步分割算法.第一步,对预处理后的图像采用Otsu算法进行分割;第二步,提取第一步分割不完全的区域,基于图像复杂度确定待分割区域的灰度范围,并基于灰度统计信息计算最优分割阈值,分割结果与第一...     

A wrapper-based approach to image segmentation and classification.

The traditional processing flow of segmentation followed by classification in computer vision assumes that the segmentation is able to successfully extract the object of interest from the background image. It is extremely difficult to obtain a reliable segmentation without any prior knowledge about the object that is being extracted from the scene. This is further complicated by the lack of any clearly defined metrics for evaluating the quality of segmentation or for comparing segmentation algorithms. We propose a method of segmentation that addresses both of these issues, by using the object classification subsystem as an integral part of the segmentation. This will provide contextual information regarding the objects to be segmented, as well as allow us to use the probability of correct classification as a metric to determine the quality of the segmentation. We view traditional segmentation as a filter operating on the image that is independent of the classifier, much like the filter methods for feature selection. We propose a new paradigm for segmentation and classification that follows the wrapper methods of feature selection. Our method wraps the segmentation and classification together, and uses the classification accuracy as the metric to determine the best segmentation. By using shape as the classification feature, we are able to develop a segmentation algorithm that relaxes the requirement that the object of interest to be segmented must be homogeneous in some low-level image parameter, such as texture, color, or grayscale. This represents an improvement over other segmentation methods that have used classification information only to modify the segmenter parameters, since these algorithms still require an underlying homogeneity in some parameter space. Rather than considering our method as, yet, another segmentation algorithm, we propose that our wrapper method can be considered as an image segmentation framework, within which existing image segmentation algorithms may be executed. We show the performance of our proposed wrapper-based segmenter on real-world and complex images of automotive vehicle occupants for the purpose of recognizing infants on the passenger seat and disabling the vehicle airbag. This is an interesting application for testing the robustness of our approach, due to the complexity of the images, and, consequently, we believe the algorithm will be suitable for many other real-world applications.     

结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。