啤酒瓶凸性模号图像预处理算法

目前关于图像的锐化、二值化与图像分割的算法很多,而具体到实际工程当中所选择的算法则是千差万别.本文集中讨论了在啤酒瓶凸性模号识别系统中的特点,并选择Sobel算子法和方差分析法进行操作.并且在图像分割过程中,提出一种简便快速的字符定位方式,基本可以达到准确标定凸性字符位置,完成预处理过程.     

关于图像分割算法的优化仿真研究

Otsu图像分割法是常用的图像阈值分割方法,其最佳阈值选取直接影响到图像分割的质量.传统的最佳阈值的寻找采用穷尽式搜索方法,计算复杂度大,耗时较多,分割的精度低,易产生图像误分割.为了提高图像分割准确性,提出一种遗传算法与Otsu相结合的图像分割方法.新方法将图像分割问题看作为一个全局数值优化问题,将图像灰度信息转换成遗传算法的种群,每个个体代表一个可行的阈值向量,以灰度图像的灰度最大类间方差作为适应度值,通过选择、交叉和变异等遗传操作获得图像最佳分割阈值,以获得的最佳阈值对图像进行分割.用实例对新方法进行验证实验,结果表明,相对于传统Ostu图像分割算法,改进的Otsu分割方法提高了图像分割准确性,运算量减少,加快了分割速度,非常适应于图像实时处理.     

现代医学细胞显微图像分割改进算法

为了提高现代医疗检验中图像处理的有效性和精确度,本文以医疗检验中各类细胞的显微图像为对象,运用最大类间方差分割算法对其进行图像分割,针对细胞显微图像自身的特点和最大类间方差法存在的不足,改进算法,实现多次分割,得到最佳分割阈值;在保障算法可行性的同时,提高算法的有效性和适用性。仿真实验结果表明,改进的算法更适用于多种细胞显微图像分割。     

基于改进的最大类间方差算法的图像分割研究

每种图像分割方法都只利用了图像信息中的部分特征,必然带有局限性,因此只能针对各种实际应用领域的需求来适当选择所需的方法.比较了几种阈值分割和边缘检测算法,着重研究了最大类阃方差算法,并对其进行改进.针对不同的图像进行了仿真,对实验结果进行了分析、研究、比较.结果表明,改进的Otsu算法能有效地提高图像分割的质量.     

基于最大类间方差的最大熵图像分割

最大熵分割算法对于目标与背景之间界限模糊的图像分割效果较好,但该算法对图像边缘的处理能力较差。最大类间方差分割算法对图像边缘的识别能力较强,但该算法对于目标和背景之间界限模糊的图像分割效果不好。针对上述问题,提出了一种基于最大类间方差的最大熵图像分割算法,该算法既能很好地对目标与背景之间界限模糊的图像进行分割,又能有效地识别图像的边缘。实验结果表明,本文所提算法对目标与背景之间界限模糊的图像的分割效果以及对图像边缘的识别能力均优于传统的最大类间方差算法和最大熵算法,且具有更好的有效性和鲁棒性。     

一种由MatLab实现的图像分割改进算法

图像分割技术广泛应用于当今社会的多个领域中,是图像处理的重点和难点。首先从阐述图像分割技术的概况及其基本概念开始,在简要介绍了常用的图像分割技术方法的基础上,对使用MatLab工具软件实现图像分割技术的最大类问方差法及其改进算法进行了详细说明,最终,通过例子验证了改进后的最大类问方差法的优势。     

二维Otsu阈值分割算法的改进及应用

为改善传统二维Otsu阈值分割算法处理图像的计算复杂度高、实时性差、受噪声干扰严重等缺点,提出一种改进的快速二维Otsu阈值自动分割算法.通过改变二维直方图判别域的划分将二维阈值求解转化为一维阈值求解,对原图像的直方图采用二分法得到最优分割阈值的初始值,然后在此基础上通过两个分量方向上迭代求解得到图像的最优分割阈值.理论分析与仿真车牌实验表明,与传统二维阈值分割算法相比,此算法的计算复杂度远远低于原始二维Otsu算法,且分割效果和原始算法的基本一致.     

一种对光照具有鲁棒性的图像分割方法

研究了灰度图像的OTSU(最大类间方差)自动阈值分割法。OTSU方法作为一种单一阈值的分割方法,当图像受光照和反射光等的影响明显时,将会出现严重的误分割现象。考虑到OTSU方法的最大类间方差化的思想,根据灰度图像的像素点灰度的直方图分布、空间分布,提出了一个新的分割阈值方法。先根据OTSU方法的特点自设计一个函数,对图像进行变换,以便后面的处理,再对其图像以改进的OTSU方法进行分割。通过对化学实验中两种液体的拍摄图片及数字图像处理中标准图片进行试验,理论分析与实验结果表明：该方法能够对受光照及反射光影响大的图像实现正确的分割,将目标图像清晰地从背景中分割出来。     

应用改进状态转移算法优化多阈值图像分割

针对多阈值图像分割中阈值求解效率低、精度不足的问题,提出了一种基于改进状态转移算法的图像多阈值分割方法.改进状态转移算法的伸缩变换采用一种方差自适应的正态分布策略,增强了算法在初期包含全局最优解的可能性,以及算法在后期的收敛性.另一方面,通过精英解集加权和来确定邻域中心,增加了群体间的交流,能充分利用精英解集间的信息实...     

基于最大熵-方差模型的图像分割方法

针对当图像中目标与背景的面积相差很大时,最大类间方差方法的分割性能迅速下降的问题,研究了信息熵和方差的关系.认为信息熵和方差都被用作不确定性的度量,两者之间定会存在一定的科学关系,因此将最大熵和最大类间方差结合起来建立数学模型,提出基于最大熵-方差模型的图像分割方法,并引入类内方差对分割进行评价来选取参数调整算法的分割性能,更充分地利用了图像的灰度信息.通过实验证明该方法优于最大熵方法和最大类间方差方法,具有较强的稳定性,提高了图像分割精度.     

一种基于归一化割的图像分割算法

归一化割准则不仅度量了不同分组之间的总体不相似性,同时度量了各个组之内的总体相似性.具体研究了基于归一化割的图像分割算法,并将其应用于不同类型的图像分割中,取得了较好的效果.     

基于Mean Shift聚类的最大熵图像分割方法

为了有效的分割图像,在考虑了图像的噪声消除和边缘保持等因素的基础上,为解决上述问题,提出一种Mean Shift的图像平滑方法和最大熵的图像分割方法相结合的图像分割方法,Mean Shift对图像进行平滑能有效去除图像中的噪声,同时能很好的保持图像的边缘,克服了以往平滑方法的弱点,再通过基于最大熵阈值对平滑后图像进行图像分割,经过实验证明,与小波平滑等目前其他的平滑方法和最大熵分割结合相比,方法有效的改善了分割效果。     

基于分水岭算法的尿沉渣图像处理方法研究

医学图像处理是计算机网络和多媒体通信技术在医学上的一项具体应用,已在世界各地得到广泛的重视和应用。尿沉渣显微镜检查是临床检验的一项重要手段,对肾脏疾病的诊断治疗具有十分重要的作用。目前尿沉渣检查多采用显微镜下人工判别。利用计算机技术对临床上尿沉渣图像进行自动分析,将极大提高其临床鉴别的准确性,同时也显著降低临床检查人员的劳动强度。本文利用计算机显微技术对尿沉渣有形成分进行摄取,预处理和特征提取,实现了尿沉渣有形成分自动分割,其分割速度及可重复性都达到了医学临床的要求。     

一种结合小波变换与二维最大熵法的图像阈值分割方法

基于小波变换与二维最大熵原理,提出一种新的图像分割方法.该方法首先对图像进行n级小波变换,在第n层低频子图上应用二维最大熵阈值法求得分割阈值,结合其他反映边缘的高频子图,对子图实施分割,并计算分割后的目标物体能量占子图总能量的百分比;然后以该阈值为初始种子值分割全图,通过调整阈值使全图分割出来的目标物能量与全图总能量的比值在误差范围内等于分割子图得到的能量比,最终得到的阈值就是要求的最优分割阈值.实验表明,本算法具有较强的适应能力,在任何情况下都能取得较好的分割结果,而且分割效率较比直接对整幅图像应用二维最大熵阈值法有一定提高.     

基于改进的Sobel算子最大嫡图像分割研究

研究图像分割精度问题。针对传统的Sobel算子图像分割容易造成图像分割不清晰、对比度不明显、分割精度低等问题缺陷,提出一种改进的Sobel算子的二维最大墒数字图像分割方法。算法首先根据数字图像特征对图像进行初分割,然后应用Sobel算子检测出数字图像真正的边缘,将通过Sobel算法边缘检测获得的阂值应用到二维最大墒分割方法中。对数字图像目标和目标边缘分别使用不同的阂值进行分割,解决由于局部图像叠加而产生的分割不准确的问题。仿真实验表明,提出的算法对图像分割鲁棒性好,分割准确率高,是一种有效适用的算法。     

基于小波变换的医学图像识别算法研究

医学图像自动特征提取是辅助医生进行快速诊断病情和进行基于内容的医学图像检索的关键技术。本文介绍了医学图像的分割方法,利用小波变换对线性矩进行分析,使计算量和数据量大大减少,提高了效率。     

基于扫描线迭代的深度图像边缘检测算法

提出一种基于扫描线迭代近似技术的深度图像边缘检测算法。与其他的算法相比,该算法具有直观的几何意义。通过大量的由三维坐标扫描仪获得的实时深度图像对该边缘算法进行验证,实验结果表明该算法具有良好的分割效果和稳定性。     

基于模糊C-均值聚类的作物叶部病斑图像分割

农作物病害的发生对我国农业生产危害较大,运用机器识别技术对农作物病害图像进行自动识别有着重要的意义。对于玉米叶部病斑,大多数分割算法不能很好地分割出来,采用快速模糊C-均值聚类算法,对玉米染病叶片图像进行分割,并通过实验验证了这种算法在聚类优化性能不变的前提下,病斑和背景的区分很明显,分割效果较好。     

一种城市道路双黄线识别方法

根据城市道路图像中双黄线区域的特征,用变形Sobel 算子加大双黄线区域纹理,分割出图像中双黄线区域粗略位置;应用最大类间方差和数学形态学方法求出满足纹理条件区域的二值图像,从而得到双黄线区域准确位置。