一维对象复杂度的灰度图像分割算法

从图像复杂度的角度,提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类,统计其对应直方图与总像素个数,并计算对象复杂度;依据图像复杂度分割准则算法公式,遍历每一灰度级对应的图像复杂度值,选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明,与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比,本文算法速度快,稳定性和效率最好,是一种通用有效的图像分割算法。     

基于2维最大熵最佳阈值算法的图像分割研究

为了提高图像分割的质量,采用2维最大熵最佳阈值方法,首先通过灰度区域确定该域像素的2维随机向量,在准则函数下求得到2维最大熵最佳阈值;接着通过递推优化对2维最大熵最佳阈值计算数据优化处理,减少重复性数据计算量;最后通过分割图像区域与原目标空间位置的互信息量最大准则,把误分割误差函数作为检测分割标准,给出了算法流程;并仿真出了不同算法的图像分割结果。结果表明,该算法得到图像分割的精度较高,没有背景与噪声的残留,保留了图像信息,执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义,给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法,同时利用分割后目标和背景区域的灰度信息和局部熵信息,设计了一个判断是否得到正确分割的准则,通过迭代循环,完成对图像的自动分割.实验结果表明,本文算法自适应性强,可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标.     

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。     

最大倒数熵/倒数灰度熵多阈值选取

现有的基于Shannon熵的阈值选取方法存在无定义值和零值的缺陷,并且没有考虑目标和背景类内灰度的均匀性。为此,本文针对多目标（背景）图像分割问题,提出了基于最大倒数熵/倒数灰度熵和自适应双粒子群优化（Adaptive Chaotic Variation Particle Swarm Optimization, ACPSO）的多阈值选取方法。首先将最大倒数熵单阈值选取推广到多阈值选取;然后定义了倒数灰度熵,导出了基于最大倒数灰度熵的单阈值和多阈值选取公式;最后给出最大倒数熵/倒数灰度熵多阈值选取的ACPSO算法步骤,实现对多个阈值快速精确地寻优。实验结果表明,与现有的同类方法—基于最大Shannon熵和粒子群优化（Particle Swarms Optimization, PSO）的多阈值选取方法相比,本文提出的方法有明显的优势,已应用于红外弱小目标检测中的阈值分割和卫星云图识别中的数字云图分割,取得了极佳的分割效果。      

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。     

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.     

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。     

一种改进的一维模糊熵图像分割算法

传统的一维最大模糊熵图像分割算法对于图像的局部信息干扰噪声处理能力存在不足。文中研究实数编码混沌量子遗传算法（RCQGA）与一维模糊熵算法相结合的新算法。该算法将图像的空间信息和像素信息引入到一维模糊熵图像分割算法中,并运用实数编码混沌量子遗传算法对一维最大模糊熵图像分割算法进行改进,从而提高了一维最大模糊熵分割精度。研究结果表明,该算法分割效果明显优于传统一维模糊熵图像分割算法,并具有较强的抗噪性能。     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

基于混沌蚁群算法的快速红外图像分割

提出了一种基于混沌蚁群算法优化二维模糊划分最大熵的红外图像分割方法。二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,并且兼顾图像自身的模糊性,能取得很好的分割效果,然而最大熵的最优参量组合却很难快速准确地获得。本文将混沌蚁群优化算法应用到二维模糊划分最大熵分割方法当中,充分利用混沌蚁群算法快速寻找最优解的特点,来搜索二维模糊划分最大熵的最优参量组合。实验仿真结果表明,该方法比传统的图像分割方法有更好地分割效果,有效抑制了图像噪声对目标区域分割的干扰。     

基于遗传算法的最大熵阈值的图像分割

图像阈值分割技术在图像分析和图像识别中具有重要的意义.最大熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.文中将遗传算法用于最大熵阈值的图像分割方法中,分别对一维及二维阈值分割的情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像分割方法. 通过对几幅经典图像的分割结果对比,表明了基于遗传算法的最大熵阈值的图像分割方法可以有效地提高最大熵图像分割的计算速度,提高图像处理的实时性.     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

一种改进的CLIQUE高维子空间聚类算法

针对红外图像由于目标和背景边界模糊, 采用单一熵阈值法进行图像分割结果不理想, 提出了一种基于距离灰度补偿的红外图像增强方法, 利用距离作为空间信息对灰度进行补偿, 改善了目标和背景边界模糊对图像分割的不利影响; 然后提出了一种基于交叉熵约束的最大熵阈值图像分割方法, 在交叉熵约束保证类间差异的前提下利用类内均匀性进行图像分割, 避免了单一熵方法阈值的局限性。实验结果表明, 对小目标复杂背景和复杂目标大背景的红外图像, 所提出的方法得到了准确的图像分割结果。     

二维直方图θ-划分Tsallis熵阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而Tsallis熵与传统的Shannon熵相比,具有普适性且更为有效,本文提出了适用面更广的基于二维直方图θ-划分和最大Tsallis熵的图像阈值分割算法。首先给出了二维直方图θ-划分方法,采用四条平行斜线及一条法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45o的特例;然后导出了二维直方图θ-划分最大Tsallis熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值。与常规二维直方图直分最大Tsallis熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减少。      

一种快速红外图像分割方法

为准确地实现目标识别,提出了将二维最大熵图像分割方法应用于红外图像实行分割．利用图像的二维直方图,二维最大熵分割方法不仅考虑了象素的灰度信息,而且还充／矿利用了象素的空间领域信息,能取得较为理想的分割结果．然而该方法所需的巨大运算量限制了其实际应用．运用PSO算法代替穷尽搜索获得阈值向量,求解速度可提高300～400倍,提高了分割效率．通过对实际的红外图像分割表明,这种方法简单、有效．