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。     

基于局部熵的红外图像小目标检测

文中采用红外图像的局部熵变化为检测准则,确定红外图像小目标位置,对较大的红外图像目标,局部熵突变发生在目标边缘,用本方法也可确定目标边缘。文章给出了算法的实现过程,最后,用海上红外小目标真实图像进行了实验,得到了满意的结果。     

一种改进的模糊熵红外图像分割方法

提出了一种改进的模糊熵图像分割算法,该算法定义了一种新的模糊隶属度函数,该模糊隶属度函数只包含一个参数,即所要寻找的最优分割阈值,采用简单的穷举法便可得到最优分割阈值。实验结果表明,此方法的分割效果与传统的模糊熵方法效果相当,但计算时间大大减少,使得分割更加快速。     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

基于最大熵和粒子群优化的红外图像分割

最大模糊熵是一种有效的图像分割方法,该方法的一个关键问题是确定模糊隶属度函数的最优参数组合,从而使得图像变换到模糊域后的模糊熵最大.但是直接采用穷举法来寻找最优参数组合的计算量是很大的,甚至是不可能的.因此,提出了采用一种新的优化方法,即粒子群算法来寻找最优参数组合.在参数搜索空间中,随机初始化一群粒子,通过粒子之间的相互协作来寻找最优解.所提出的方法用于分割红外图像的结果表明,花费很小的计算代价就可以获得理想的分割结果.     

基于距离灰度补偿的改进最大熵红外图像分割

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.     

一种基于图像融合的红外图像预处理算法

在使用传统的滤波去噪方法对红外图像进行预处理时,会在削弱噪声信息的同时模糊了图像中目标和背景的边缘成分,不利于对图像信息进一步处理。针对该问题,提出基于图像融合的红外图像预处理方法,通过对同一幅退化降质的红外图像分别实施改进的中值滤波算法和改进的Sobel算子边缘提取算法,进行去噪处理和边缘提取,最后利用图像融合算法,将不同算法处理的结果图像加以合并,形成融合后图像。实验结果表明,所提出的基于图像融合的预处理方法能够滤除红外图像中大部分噪声,且很好地保留了目标和背景的细节特征,而且运算简单,便于硬件实时计算,有利于后续的目标检测与识别处理。     

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.     

基于最大熵法的雷达图像分割

介绍了雷达扫描的视频图像中的目标提取方法.首先需要在雷达扫描图像中将回波目标从信号的背景噪声中分割出来,笔者认为基于阈值分割的方法是一种适合文中提到的雷达扫描视频图像分割的方法,并且简单易于工程实现.文中利用最大熵的阈值分割法将目标从雷达图像中分割出来,这种方法较其它阈值分割法更适合于应用在文中提到的雷达扫描视频图像中.     

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Tsallis熵的红外偏振热像分割算法

传统红外热像存在对比度低、边缘模糊等不足而使目标区域分割困难,红外偏振热像能够凸显边缘和轮廓特征,因此在环境监测、军事侦察、工业无损检测等领域得到广泛的应用,但如何进行红外偏振热像分割目前研究较少.为此,本文提出了一种基于Tsallis熵的红外偏振热像分割算法.首先通过Tsallis阈值对偏振方位角热像进行初分割,然后以最小化初分割热像交集与并集误差率优化Tsallis指数,再利用指数优化后的Tsallis阈值对偏振方位角热像进行优化分割并通过连通域检测去除误分割得到二次分割图,最后以二次分割图交集区域为种子区域、并集区域为边界,通过区域生长法得到最终分割热像.实验结果显示,本文算法相对最小Tsallis交叉熵法、Otsu法和模糊聚类法错分区域小,在主观视觉效果和区域间对比度、形状测度评价指标上有较大的改善,能够更准确地分割出目标.     

综合灰度形态学与模糊熵的红外图像区域分割

针对目标与背景有交叠的红外图像分割这一难题,首先对原始红外图像进行灰度形态学校正处理,然后利用模糊熵测度方法对校正后的红外图像进行分割,从而提出了一种综合利用灰度形态学与模糊熵的区域分割方法.与传统的阈值分割方法进行对比实验,结果表明,运用该方法得到的分割图像质量更好.     

基于图像模糊熵邻域非一致性的过渡区提取与分割

 本文提出了一种基于图像模糊熵邻域非一致性的过渡区直接提取和分割算法.通过求出图像中介于目标和背景之间的过渡区,根据过渡区直方图获得一个最佳分割阈值.构造了描述模糊划分的隶属函数,模糊熵及其邻域非一致性测度.本文算法摆脱了传统图像过渡区提取算法对噪声比较敏感且受剪切值L_low与L_high的限制.理论分析和实验结果表明,本文算法具有速度快,抗噪声性能好和稳健性强等特点,优于现有其它基于过渡区提取和分割算法.     

基于L_1度量的Type-2熵模糊聚类红外图像分割

为了准确实现目标识别,从红外图像的特点出发,提出了将L_1空间度量的二型(Type-2)熵模糊聚类算法应用干红外图像分割.该算法首先通过L_1空间度量样本点与类别中最大最小值的距离,代替了传统聚类算法中样本点与聚类中心的聚类,然后根据熵模糊聚类算法获得上模糊隶属度和下模糊隶属度两个隶属度函数,并采用二型模糊融合得到隶属度函数,其中给出了一种权重加权降型算法.通过对实际的红外图像分割表明,这种算法能准确地实现红外图像分割,自适应性强,鲁棒性好,能够在复杂背景下获得较为理想的分割效果.     

基于OTSU准则及图像熵的局部递归分割算法研究

在图像分割中,门限的选取至关重要,本文在Otsu门限选择准则[1]的基础上,研究了一种基于图像熵的局部递归的门限选择及分割算法,该算法在图像背景不均或图像不是简单的单峰、双峰图像的情况下可以有效的分割,分割后图像的细节更加丰富,有利于分割后的特征提取.对几种不同的目标进行了实验,获得了较好的实验结果.