面向生物医学图像的交互式分割算法

结合阈值法和区域生长算法,提出一种面向生物医学图像的交互式分割算法。利用阈值法对图像中用户选取的感兴趣区域进行预分割,通过阈值分割得到的目标区域确定区域生长算法的种子像素与相似性准则,获得最终分割结果。实验结果表明,该算法简单快速、对生物医学图像可取得良好的分割效果。     

一种自适应模糊阈值区间的图像分割方法

针对图像分割边缘不准确的问题,研究了一种基于模糊理论的阈值区间的图像分割方法。在首先介绍的模糊阈值分割的基本原理上,提出了一种分层分割图像的思想。根据图像具有模糊的性质,利用模糊阈值法得到一个图像分割的调和阈值,再将每一层根据像素统计直方图信息得到一个本层次的阈值区域,最后用模糊阈值法得到的阈值调和阈值区域,使最终的分割阈值区间更精确。最后,根据相邻层相连背景像素相似的原则,逐层分割图像。实验结果表明该方法具有较好的分割效果。     

基于L*a*b*彩色空间和局域动态阈值的药用植物叶片图像分割

叶片图像分割是自动化分类的先决步骤。提出一种基于L*a*b*彩色空间和局域动态阈值的叶片图像分割方法。该方法首先把叶片的RGB图像转换为L*a*b*图像;然后针对b*通道图像,估算出目标叶片所在的局部矩形范围;在此范围内,统计获得像素值分布直方图;最后利用最大类间方差阈值分割法,先算出局部矩形范围内的阈值继而进行全图的分割。实验结果表明:该方法对已采集的叶片图像,包括颜色偏暗的叶片的图像,均具有良好的分割效果。由于锁定目标叶片所处的局部矩形范围,找到了适应于目标叶片分割的阈值,从而更好地实现了南天竺等叶片图像的分割。此外,分割过程不包含数学形态学的开闭运算,使得叶片边缘的细节得以完整保留。     

一种自适应模糊阈值区间的图像分割方法

针对图像分割边缘不准确的问题,研究了一种基于模糊理论的阈值区间的图像分割方法.在首先介绍的模糊阈值分割的基本原理上,提出了一种分层分割图像的思想.根据图像具有模糊的性质,利用模糊阈值法得到一个图像分割的调和阈值,再将每一层根据像素统计直方图信息得到一个本层次的阈值区域,最后用模糊阈值法得到的阈值调和阈值区域,使最终的分割阈值区间更精确.最后,根据相邻层相连背景像素相似的原则,逐层分割图像.实验结果表明该方法具有较好的分割效果.     

基于差分盒维数的空间目标图像分割算法

基于差分盒子维数提出了一种针对空间目标的图像分割算法.首先根据空间环境目标自然背景与空间目标人造结构的特点差异,从分形理论的相似性上对星空背景进行分析,利用像素邻域灰度方法得到目标和背景的边界.其次,在对给定阈值及该阈值下图像的差分盒维数关系进行分析的基础上,提出基于灰度方差的阈值选择方法.最后给出空间目标图像分割算法的流程,通过诸多仿真空间图像处理验证该分割算法是有效的.     

利用云模型和数据场的图像分割方法

针对图像自动分割中的最优阈值选择问题,提出一种基于云模型和数据场的图像分割方法。 该方法引入数据场实现图像灰度值特征空间到数据场势值空间的非线性映射,设定两个不同的质量函数分别形成相对数据场和绝对数据场。利用两类数据场的特点,结合全局和局部统计特征获得自适应势阈值对图像像素进行划分,产生图像潜在的背景或目标像素集合。进一步由逆向云发生器算法产生图像背景和目标的云模型表示,根据图像像素隶属于背景、目标云模型的程度,采用极大判定法则得到最终的分割结果。 实验结果表明,该方法的分割效果较好、性能稳定,具有合理性和有效性。     

一种基于插值的图像分割方法

提出了一种新的基于插值的图像分割方法,采用自适应阈值方法,用局部最大类间方差法确定各个子图像的阈值,用一种新的插值法对阈值矩阵进行插值处理,使之成为与原图像像素数目相同的新矩阵,利用新的阈值矩阵对原图像进行二值化处理。结果表明,利用该方法具有很好的分割效果。     

用差异累积图像法进行多目标识别

介绍一种多目标识别算法。通过建立差异累积图像（ADI）的方法去除背景,将直方图方差作为分割阈值,分割ADI获取目标。利用目标像素的连通性,采用递归的区域生长方法搜索多个目标并得到目标中心,最后采用链表方式存储多个目标。     

基于改进高斯混合模型的运动目标检测方法

基于高斯混合模型,提出了一种自适应的运动目标检测算法。首先,根据各像素点的像素值的集中程度,自适应地选择高斯分布的个数对背景模型进行学习与更新,再通过背景差分获取差分图像;其次,在对图像二值化的过程中,提出了一种改进的自动调整阈值的方法,用以对差分图像的像素进行分类后分别进行阈值化分割,这样就能得到前景目标;接着采用形态学重构的方法对阴影进行有效消除,从而使前景目标分割的效果得到有效的提高。实验证明,该方法具有较好的鲁棒性和检测效果,同时也具有较好的自适应性,特别是在检测目标本身灰度变化比较大等特殊情况下,更能体现出本算法的优越性。     

改进区域生长的医学超声图像分割方法研究

基于区域生长的方法是一种比较有效的超声图像分割方法.针对区域生长时的几个关键问题,优化选择一组能正确代表目标区域的种子像素.在分析像素邻域灰度的特点基础上,采用最大类间方差法,确定了目标区域的最佳分割阈值.通过改进区域生长中的邻域搜索策略,结合梯度图确定合理的生长准则,制定了一种新的区域生长的停止条件,在种子点邻域像素与种子像素比较过程中,对不符合生长条件的邻域像素不是直接排除在目标区域外,而是以此邻域像素为中点进行二次比较.最后给出的实验结果表明该方法改善了图像分割的质量.     

一种改进的舰船红外图像分割算法

图像分割在图像分析和识别中具有重要的意义,针对最大类间方差法—Otsu法在复杂背景或目标灰度与其周围背景灰度相差不大情况下,目标相对面积较小时易出现目标与背景误分割的问题,提出了一种改进的Otsu法。该算法先对预处理后的红外舰船图像归一化投影,然后,按一定阈值对图像进行裁剪,最后,利用Otsu法进行分割。实验结果表明:与Otsu法、递归Otsu法相比,该算法能够更好地分割出目标。     

基于最大累积剩余熵的红外图像分割

经典阈值化分割方法是常用的图像分割方法之一,但对于低对比度,低信噪比的红外图像分割效果不理想,将累积剩余熵运用于红外图像分割,即寻求使得累积剩余熵最大的灰度值作为分割阈值,实验结果表明:基于最大累积剩余熵的图像分割方法是一种有效的红外图像分割方法,比起经典的阈值分割方法,分割红外图像的效果要好。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

方向小波域的选择性阈值SAR图像去噪

SAR图像去噪一直是SAR图像处理中一个具有特殊意义的研究课题。噪声抑制的关键是解决图像平滑与保持纹理之间的矛盾。提出了一种基于方向小波的选择性阈值SAR图像去噪算法。该算法利用方向小波的多方向框架对图像作12个方向的分解和变换。针对方向小波分解图像所产生的系数序列长度不同的特点,利用白噪声的置信区间,将不同长度的系数分成3组,对中间长度的系数序列采用统一阈值,对其他长度序列采用白噪声置信区间阈值处理。为了更好地保持图像细节信息,将每一尺度高频系数的方差中值作为噪声方差估计值。利用真实的SAR图像进行去噪试验,与几种经典的空域滤波和小波软阈值算法进行比较结果表明,该算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了97和0.15。     

改进的交互式Otsu红外图像分割算法

为提高红外图像中目标分割的精度和抗噪性能,提出了一种改进的交互式Otsu图像分割算法。采用图像信息熵特征和类间方差特征对经典Otsu算法的阈值判别函数进行改进,获得的最优阈值能较好地将目标从背景中分割出来,且具有良好的边缘保持效果,提高了算法的分割精度。同时,针对红外图像目标单一的特点,采用交互式粗分割的思路,先在红外图像中提取包含目标的局部封闭区域,进而在提取的区域内进行改进的Otsu分割。通过对红外图像激光光斑目标提取过程的实验结果表明：改进的Otsu分割算法大大降低了背景噪声对分割算法的影响,提高了抗噪性能与分割精度,且最大程度地减少分割算法的运算量,并较好地保持了目标模糊边缘,分割效果优于传统的Otsu算法和相关的改进Otsu算法。     

基于QPSO的二维模糊最大熵图像阈值分割方法

针对运用图像分割方法求取阈值时存在的计算复杂、时问长、实用性差等问题,提出一种新的二维最大熵图像分割方法,该方法利用基于量子行为的微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索到的二维熵最大值所对应的点灰度一区域灰度均值作为闽值进行图像分割。实验结果表明,该方法具有一定优越性,在执行时间与收敛性方面均得到较理想的分割效果。     

基于热平衡的中智学图像分割方法

为降低噪声对图像分割结果的影响,提出一种基于热平衡理论的中智学图像分割方法。该方法将图像转化为中智学图像,考虑每一个像素的不确定性,通过热平衡运算及图像增强处理,使噪声点变得更平滑,再使用γ-均值聚类方法分割图像。实验结果表明,对于含不同程度噪声的图像,该方法的分割效果明显优于中智学方法及改进的模糊C-均值方法。     

基于进化规划的最大类间方差的图像分割算法

图像分割是计算机视觉中一个关键的技术.在分析了最大类间方差算法(Ostu算法)求阈值进行图像分割以及进化规划原理的基础上,提出了一种自动阈值选取的图像分割的算法.该算法以灰度图像的灰度最大类间方差作为适应度值,将图像分割问题看作为一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割.最后基于实例对其与传统Ostu算法进行性能比较和效果验证.结果表明,本方法在图像分割过程中具有速度快,效果好的特点.     

基于微粒群算法的二维最大熵图像分割方法

该文研究了基于二维最大熵的图像分割方法,针对二维最大熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于微粒群算法的二维最大熵图像分割方法.该方法运用微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值对作为阈值进行图像分割.实验结果表明,由于该方法考虑了点灰度和区域灰度均值,且采用了离散的全局搜索算法,所以不仅得到了令人满意的分割效果,而且大大的提高了计算速度,是一种实用有效的图像分割方法.