基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。     

基于遗传算法的二维最大类间方差法的优化

针对经典的二维最大类间方差法存在时效性差的问题,提出一种快速实现方法。通过对原有的二维灰度直方图计算其边缘概率分布,将作为判别标准的离散度矩阵分解为2个一维类间方差之和,在保证原有鲁棒性的同时降低了算法的时间和空间复杂度。同时,与遗传算法相结合,加快寻优过程,且遗传过程中可以自动调节遗传控制参数,避免早熟。实验证明其运算速度提升约50%。     

基于K-means聚类与最大类间方差的磨粒彩色图像分割

针对在HSI颜色空间下存在的图像的二维颜色分量分布散乱不紧密,存在聚类中心计算错误,利用二维颜色分量很难将背景和磨粒准确分割开,分割完的铁谱图像仍包含许多不需要的微小磨粒等问题,提出采用K-means聚类与最大类间方差的图像分割方法。分别选取球粒、切削磨粒、严重滑动磨粒、红色氧化物、疲劳磨粒的彩色图像,在Lab颜色空间下利用二维颜色分量进行聚类分析及最大类间方差阈值分割,并进行三维数学形态学处理。结果表明,提出的方法实现了小磨粒与目标磨粒的有效分割,可以得到较为完整的彩色磨粒图像,为磨粒的颜色参数识别提供有效的依据。     

基于线性插值的图像分块分割算法

图像分割是图像处理中的一个重要问题,全局阈值法和局部阈值法是图像分割中广泛采用的两类方法。全局阈值法效率高,但是对局部信息不敏感;局部阈值法对局部信息保存较好,但是计算效率不高。针对这一问题,该文提出一种基于分块的图像分割算法。首先将图像分块,然后,每块内采用最大类间方差法计算阈值,最后,块与块之间采用线性插值的方式平滑分割图像。实验表明,该文提出的算法和全局阈值法相比能较好地保存局部信息,和局部阈值法相比有更高的运行效率,在实际中推荐使用。     

一种新的自动阈值图像分割方法

提出了一种新的自动阚值图像分割方法，该方法将图像分成两个类，当类间方差与类内方差的分离度最大时即为最佳阈值。实验表明新方法能够自动而快速地对图像进行分割。     

基于最大类间方差法的油气润滑测试系统ECT图形重建

提出一种基于最大类间方差法的油气润滑测试系统ECT图形重建的改进算法。该算法在Landweber迭代算法的基础上,将油气润滑管道内的气相分布作为背景,液相分布作为目标,使用最大类间方差法获得油气两相错分率最小的灰度阈值,并在此基础上建立基于图像灰度的油膜厚度测量方法。仿真结果表明,与线性反投影算法(LBP)和Landweber算法相比,基于最大类间方差法的图形重建算法可有效消除成像中的伪影现象,得到清晰的油气界面,计算可获得准确度较高的油膜厚度。此外,该算法还具有程序简单,成像精度高的特点。     

几种图像分割阈值选取方法的比较与研究

对几种常用的阈值选取方法进行了理论分析与比较，并以基于面结构光投影法的三维物体形状检测技术研究为背景，从实验角度对类间方差法、一二维最大熵法和模糊阈值分割法等图像阈值分割方法的性能进行了验证。     

基于最小Tsallis交叉熵的阈值图像分割方法

利用Tsallis熵的非广延性(nonextensivity),本文提出了一种最小Tsallis交叉熵阈值分割方法.该方法通过引入一个参数q.在阈值的选择过程中不仅考虑了目标和背景之间的信息昔差异,而且考虑了目标和背景之间的相互关系,克服了传统最小交叉熵忽略目标和背景之间的相互关系所导致的阈值选择不恰当的缺点.实验结果表明,通过选择合适的参数q,所提出方法的分割效果明显优于传统的最小交叉熵阈值法.     

基于改进Canny算法的LED晶片边缘提取

为了提高固晶机对LED晶片边缘提取的自动化程度和边缘质量,避免固定阈值Canny所必须的人工调整,增大检测方法的适应范围和稳定性,提出了一种基于大津法的Canny边缘检测算法进行晶片边缘提取。在分析了LED晶片的图像灰度分布特征之后,通过求得最大类间方差找到了自适应的分割阈值,并将其作为Canny算法的低阈值进行边缘的检测提取。实验结果证明,这种方法适合LED晶片的边缘提取,能够快速得到较为精确的晶片边缘轮廓和晶片两极边缘,对光线变化的鲁棒性好。     

基于遗传算法的模糊熵多阈值图像分割

将模糊熵函数作为遗传算法的适应度函数进而获得最优分割阈值,并对整幅图像进行多阈值寻找,使每一个子区域都满足细分准则.实验表明算法具有较好的分割效果.     

一种改进的图像分割方法

分析了图像分割方法中Chan—Vese方法及其改进方法的不足,提出了一种图像分割的新方法。引入各向异性平滑项,并用差分法来求解水平集函数,因此在图像处理过程中既对噪声有较好的鲁棒性,又能更好地保持图像中较弱边缘的信息,提高图像分割的精度。实验证明,此方法比Chan—Vese方法及其改进方法有更好的分割效果。     

一种改进的FCM图像分割算法

提出了一种基于高维特征矢量与金字塔结构的模糊聚类图像分割方法。该方法考虑了图像像点的灰度信息和其邻域空间相关信息,给出了三维特征及多分辨率分析的聚类分割方法。实验结果表明,在图像受高斯噪声干扰的情况下,该方法不仅运行速度较快,而且分割效果更好。     

一种改进的基于小波去噪和区域生长的彩色图像分割算法

彩色图像分割是彩色图像处理中的重要问题。传统的彩色图像分割都是基于灰度分割算法,而忽略了彩色的空间域视觉效果及噪声污染问题。文章提出一种新的基于小波去噪和种子区域生长的一种改进方法：首先,应用小波去噪技术,强化图像边缘特征,抑制噪声,提高原始图像的信噪比;其次,将RGB彩色图像转化到HIS空间进行边缘检测,对图像进行抖动处理以减少彩色图像中的颜色数目,然后对不同分量进行序列阀值分割;最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。     

改进的遗传算法在实时图像分割中的应用

为了自动确定图像分割的最佳阈值,提出了一种改进的自适应遗传算法,并利用该算法对二维Fisher准则图像分割评价函数进行全局优化提高分割阈值的求解速度,快速得到最佳分割阈值。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服了基本遗传算法的收敛性差、易早熟问题。采用TI公司的DSP芯片TMS320VC5416,结合FPGA,搭建了多目标实时测量平台,并利用本文算法对图像阈值快速求解,实现了多目标的实时测量计算。实验结果表明,该算法具有良好的收敛速度和稳定性,阈值计算时间比二维Fisher准则法缩短了18ms(约63%左右);阈值范围稳定在3个像素以内,能够满足实时多目标测量要求。     

基于改进窄带法的快速医学图像分割方法

基于曲线演化的水平集算法近来已被广泛应用于医学图像分割中,根据分割医学图像的鲁棒性实时性的要求,提出一种新的基于改进窄带法的图像分割方法INBM(Improved narrow band method).INBM首先将均匀采样的图像映射到对数极坐标系中,由视网膜空间分辨率机制可知,注视点都在图像兴趣区,由此形成初始轮廓,然后用改进的窄带水平集(Level Set)方法演化曲线得到最终分割结果.改进窄带法是通过降低窄带区域内的水平集函数求解个数,来减少计算时间.实验结果表明,该方法能够快速、准确地得到医学图像的结果.     

一种改进的基于小波变换的遥感图像融合方法

针对多光谱与全色图像的融合,提出一种改进的基于小波变换的融合方法,首先对多光谱图像进行IHS变换,其次将全色图像和多光谱图像的强度分量进行改进的基小波变换的比值融合,并用融合结果取代多光谱图像的强度分量,最后再做IHS逆变换得到融合图像.实验结果证明融合算法较IHS变换算法和常用的小波融合算法有更好的融合效果.     

基于改进SIFT算法的超声图像配准研究

针对SIFT算法对医学超声图像提取关键点数目较少的缺点,本文提出了采用HARRIS角点改进SIFT算法的方法,有效提取更具有结构意义的关键点数目,提高超声图像配准精度。此外,为进一步提高配准精度,增加一步互信息算法对图像进行精配。实验结果表明,本文算法是一种快速、高精度、全自动的医学图像配准算法,并可有效地提高配准精度。     

基于混合模型和DAEM算法的自适应图像分割

图像分割是图像处理中最基本且具有挑战性的问题。基于高斯混合模型,提出了一种自适应的图像分割方法。采用DAEM(deterministicannealingexpectation-maximization)算法估计混合模型的参数,利用直方图信息确定图像的类别数并给出DAEM算法的初始值,最后根据Bayes最小错误率准则对图像进行分割。由于DAEM算法在传统的EM算法中引入了退火机制,DAEM算法能够收敛到全局最优值,使得分割结果更加准确。实验结果说明了此方法的有效性。     

一种改进的基于光流法的运动目标跟踪算法

运动目标跟踪需要从背景中准确地检测出感兴趣目标并实现有效率的跟踪。文章结合Codebook模型和光流法提出了一个新的目标跟踪方法,首先用Codebook模型检测得到感兴趣目标,然后提取感兴趣目标内部的特征点并用光流法进行跟踪,跟踪过程中实时更新用以跟踪的目标内部的特征点。当目标发生遮挡时,采用Kalman滤波器预测目标的位置,遮挡结束后根据Kalman滤波器预测的位置和Codebook检测结果重新初始化感兴趣目标内部的特征点。实验结果表明,该算法具有较好的鲁棒性和较高的准确率,能够满足实时跟踪的要求。