基于K-L变换和模糊集理论的彩色字符图像分割

根据彩色印刷字符图像的特点,在Lab颜色空间下提取a分量,将彩色图像转换为灰度图像。根据模糊逻辑和阈值分割方法将图像分为目标区域、背景区域以及模糊区域。用K-L变换组合邻域的区域隶属信息和灰度信息,将灰度域换成模糊域,在该模糊域上进行分割。经实践,该算法在工业环境中对复杂背景的彩色印刷图像可以得到较好的分割效果,其时间复杂度不高于传统的阈值分割算法,并且在分割的精确度上要优于传统的阈值分割算法。     

基于彩色阈值变换的香蕉彩色图像分割

文章提出了一种基于彩色阈值变换的香蕉识别算法:根据提取目标与其他水果在R、G和B分量的差异,利用直方图阈值法对彩色图像的R、G、B分量进行分割,采用双峰法选择阈值进行阈值变换然后转化为二值图像,再根据提取目标香蕉的特征进行特征提取.实验结果显示,该算法可以有效的将香蕉从其它水果中提取出来.     

一种改进的二维Otsu图像分割算法

二维Otsu图像分割算法将类间离散度矩阵的迹作为阈值识别函数,计算复杂度高且易导致分割错误,为此对二维Otsu算法进行改进,设计一种新的阈值识别函数.通过对比试验验证改进算法的有效性.     

一种改进的二维Otsu阈值分割算法

Otsu算法,也被称之为最大类间方差算法,是实现阈值分割的经典算法之一。二维Otsu算法是一维Otsu算法的推广,它充分考虑了图像的灰度信息和空间邻域信息,可以有效滤除噪声影响,但是同样存在着运算量大、时效性差的问题。对此提出了一种改进的二维Otsu快速阈值分割算法,先将二维Otsu算法分解为两个一维Otsu算法,并集成类间和类内方差信息构造了一种新的阈值判别函数,同时通过降维,进一步降低计算量。实验结果表明,该算法在时间效率与分割效果两方面明显优于传统的二维Otsu算法与快速二维Otsu算法。     

基于Otsu准则及图像熵的阈值分割算法

在图像分割中,阈值的选取至关重要,在经典的Otsu准则基础上,结合图像熵提出了一种改进的局部递归的阈值选取及分割算法。基于图像像素熵信息,运用递归思想局部搜索图像的最佳阈值,这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或图像不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,有利于分割后的特征提取。对Lena图像进行了实验,获得了较好的分割结果。     

基于二维直方图重建的Otsu图像分割算法

针对二维Otsu算法因区域误分而产生的抗噪性差和计算量较大这一问题,提出了一种基于二维直方图重建的Otsu图像分割算法。该算法首先分析了原始算法中二维直方图所存在的误分和不足;然后重建二维直方图,以此来减弱噪声的干扰;最后将二维直方图区域划分由原来的四分法改为二分法,从而提高了计算速度。实验结果表明,本算法具有更强的抗噪性,分割效果也更为理想。     

基于二维Otsu阈值修正的图像分割新方法

首先采用对二维直方图斜分割和查表的方法,解决了传统二维Otsu方法分割图像计算耗时,难以实时实现的缺点。其次基于灰度统计的思想,针对二维Otsu法处理小目标图像难以实现正确分割的缺点,提出了一种在实现过程中采用迭代的阈值修正新方法。最后设计了一种新型滤波器对分割后的图像进行滤波降噪处理。实验结果表明,阈值修正后的二维Otsu改进算法对小目标图像分割效果明显,而且新型滤波器对滤除散布在目标与背景中的噪声非常有效。将阈值修正法和新型滤波器结合使用,不仅快速,而且准确,取得了良好的分割效果。     

一种改进的三维Otsu图像分割算法

针对传统的三维Otsu分割算法计算量大、运算时间长等问题,提出一种利用一维Otsu来减小迭代空间和搜索空间,并用布谷鸟搜索算法进行寻优的算法。仿真实验表明,该算法能够有效减少运算时间。同时针对传统的三维Otsu算法因忽略2-7区域而导致错分的问题,提出了一种处理方法。该方法将2-7区域的像素点分为噪声点和非噪声点,分别对其进行处理,对2-7区域内的所有点都进行分配。仿真实验表明,由于该方法考虑了所有像素点,分割结果要优于传统的三维Otsu分割算法。     

一种鲁棒的彩色图像多阈值分割方法及应用

根据独立峰值特性把彩色图像的各颜色分量直方图划分为多个待分割区间,使得Otsu算法在彩色图像处理中实现了多阈值分割。该方法应用于RoboCup足球机器人,针对其HSI模型彩色图像提出了一种多阈值分割改进方法,即在中高饱和度的图像区域以H分量作为分割依据选取分割阈值;在低饱和度的图像区域以I分量作为分割依据选取分割阈值。实验证明,该方法能自动快速地对彩色图像进行多阈值分割,并具有很好的鲁棒性。     

基于侧抑制网络的二维Otsu阈值分割算法

传统二维Otsu阈值分割算法未考虑人类视觉特性,分割结果不符合人眼视觉感受。为此,提出一种二维Otsu算法与侧抑制网络相结合的分割算法。该算法从基于人类视觉系统的侧抑制网络出发,利用侧抑制网络增强中心,抑制周围的特性,通过侧抑制网络处理原始图像,得到侧抑制图像,构建基于像素的灰度信息和侧抑制信息的二维直方图,并采用类间最大方差作为最佳阈值的选取准则。实验结果表明,与传统的Otsu算法和二维Otsu算法等相比,该算法具有较好的对比度、光照强度适应性和间断拟合能力,并能提高对图像噪声的鲁棒性,获得更理想的分割结果。     

基于三维Otsu法的红外图像阈值分割

常用的阈值分割方法在对红外图像进行分割时,由于红外图像本身的特点,会出现准确性不高的问题。为此,提出一种基于灰 度-平均灰度-梯度直方图的三维Otsu法,使用稀疏矩阵和改进的粒子群优化(PSO)算法,并在标准PSO算法中加入判断早熟停滞的因子,进行最佳阈值的选取,以提高运算速度,保证准确度。实验结果表明,该方法能够快速有效地对红外图像进行分割。     

一种基于亮度均衡的图像阈值分割技

对于光照不均匀的图像,用通常的图像分割方法不能取得满意的效果.为了解决这个问题,文中提出了一种实用而简便的图像分割方法.该方法针对图像中不同亮度区域进行亮度补偿,使得整个图像亮度背景趋于一致后,再进行通常的阈值分割.实验结果表明,用该方法能取得良好的分割效果.     

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法.该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割.实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想.     

基于Otsu多阈值和分水岭算法的乳腺肿块分割

在乳腺X线图像中,肿块大多埋没在复杂的、高密度的腺体背景中难以检出和识别.针对这一问题,提出了一种应用快速多阈值Otsu算法和改进的分水岭算法相结合的乳腺X图像肿块分割方法.首先对乳腺X图像进行形态学预处理,然后应用多阈值Otsu算法对图像进行处理,并对图像运用分水岭算法进行分割.为了避免过分割现象,对分割后的图像进行了相似区域合并.实验表明该方法对于乳腺X图像中各种类型的可疑肿块的分割都是有效的.     

一种基于CB模型的彩色图像分割方法

CB模型是一种把图像分为色度和亮度方面的彩色模型,对图像进行分割去噪时可以很好地保留图像的细节和边缘。首先把一幅含有噪声的彩色图像分割成几何和摆动部分（纹理和噪声）,然后利用CB模型分别在色度和亮度两个通道上求几何和摆动部分,再合成图像的几何和摆动部分,其中几何部分即图像去噪后的图像。实验证明CB模型可以快速准确地分割出目标,消除图像的噪声部分,是一种有效的图像分割方法。     

一种基于亮度均衡的图像阈值分割技术

对于光照不均匀的图像,用通常的图像分割方法不能取得满意的效果。为了解决这个问题,文中提出了一种实用而简便的图像分割方法。该方法针对图像中不同亮度区域进行亮度补偿,使得整个图像亮度背景趋于一致后,再进行通常的阈值分割。实验结果表明,用该方法能取得良好的分割效果。     

一种基于亮度均衡的图像阈值分割技

对于光照不均匀的图像,用通常的图像分割方法不能取得满意的效果.为了解决这个问题,文中提出了一种实用而简便的图像分割方法.该方法针对图像中不同亮度区域进行亮度补偿,使得整个图像亮度背景趋于一致后,再进行通常的阈值分割.实验结果表明,用该方法能取得良好的分割效果.     

一种基于亮度均衡的图像阈值分割技术

对于光照不均匀的图像，用通常的图像分割方法不能取得满意的效果。为了解决这个问题，文中提出了一种实用而简便的图像分割方法。该方法针对图像中不同亮度区域进行亮度补偿，使得整个图像亮度背景趋于一致后，再进行通常的阈值分割。实验结果表明，用该方法能取得良好的分割效果。     

基于种内协同克隆选择的Otsu图像分割算法

传统二维Otsu算法存在计算复杂度高、实时性差等缺点。针对这一不足,受生物群体成员间协作关系的启示,对克隆免疫算法进行改进,提出了一种基于种内协同的克隆选择算法（Clonal Selection Algorithm based on Cooperation within Species,CSACS）,将其与克隆选择算法（Clonal Selection Algorithm,CSA）进行对比测试,将其应用于二维Otsu图像分割。测试实验表明：该算法能加快收敛速度,具有较好的实时性,且分割效果较为理想。     

一种融合颜色和空间信息的彩色图像分割算法

提出了一种基于图像颜色和空间信息的彩色图像分割算法.该算法首先根据所提出的颜色粗糙度概念对图像进行颜色量化,并在此基础上使用增量式的区域生长算法发现颜色相近的像素之间的空间连通性,形成图像的初始分割区域.然后,根据融合了颜色和空间信息的区域距离,对初始分割区域进行分级合并,直到系统满足了所提出的停止区域合并的准则.最后,利用形态学的有关算法对分割区域的边缘进行平滑.实验证明,算法的分割结果与人的主观视觉感知具有良好的一致性.