图像阈值分割技术综述

图像分割是图像处理的一项重要内容,通过图像分割是对图像进行模式识别和的视觉分析基本前提。同时,图像分割是图像处理、模式识别、人工智能和其它领域的关键问题,几乎在所有领域需要用到图像处理。阈值分割是一种传统的图像分割方法,因其操作简单,计算量小、实现简单、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术,已被应用于很多的领域。文章综述了近年来在图像分割技术中出现的常用方法及它们的优缺点,并对图像分割技术的前景进行了分析及展望。     

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。     

基于BP神经网络的图像分割实现

运用BP神经网络方法对图像进行分割。对神经网络进行训练以确定节点间的连接和权值,再用训练好的神经网络对新输入的图像数据进行分割。实验表明:该算法能够有效地分割图像,图像分割边缘清晰,在处理图像中由于信息不足而产生的模糊不确定问题时更加符合实际。     

一种光学遥感图像海陆分割方法

海陆分割是近岸舰船检测中的重要步骤之一,为解决有波浪的光学遥感图像近岸海陆分割问题,确保其性能的准确度和鲁棒性,提出了一种新的近岸海陆分割方法。该方法首先使用均值漂移(Mean Shift)算法将图像分割成若干同质区域,然后与OTSU分割结果相结合,采用连通性区域分析的方法提取出海水区域,最后去除阴影区域,得到海陆分割的结果。实验证明,该方法能够处理海水中存在波浪的近岸舰船检测问题、抗干扰性好、准确度高、鲁棒性强。     

基于Fisher准则函数的二维阈值图像分割算法

文章针对图像分割中小目标物体识别困难和抗噪声性能差的问题，引入模式识别中的Fisher评价函数作为图像分割准则函数，基于Fisher准则函数提出二维阈值分割新技术，结合二维直方图抗噪声性能强和Fisher准则函数受目标和背景比例影响小的特点，对图像进行分割。实验结果表明，方法具有较好的识别能力和较强的抗噪声性能。     

肝脏MR图像的初步分割

为实现肝脏磁共振（Magnetic Resonance,MR）图像分割,在四叉树分裂方法的基础上,通过删除一J、区块和填充孔洞的操作,得到初步的MR图像分割结果。处理结果表明该方法的可行性,并为后续的精确分割奠定基础。     

基于蝗虫算法的图像多阈值分割方法

针对图像分割中的阈值选择问题,提出了一种基于蝗虫算法的图像多阈值分割算法。该算法综合考虑Otsu法和最大熵法的分割特性,以Otsu算法的最大类间方差和Kapur最大熵法的最大熵值构造适应度函数,利用蝗虫算法进行寻优求解最佳阈值,最后利用最佳阈值对图像进行分割。将该算法与传统的Otsu算法、最大熵法、基于粒子群的图像分割方法、基于人工蜂群的图像分割方法进行比较,实验结果表明,相对其他算法,分割所得的峰值信噪比更大,分割效果更好,在阈值个数为4和5时,该算法所得的峰值信噪比(PSNR)值相比粒子群算法、人工蜂群算法提高了约3%和1. 5%,算法的运行时间相比粒子群算法和人工蜂群算法,快了约9%和5%。     

基于双区域演化水平集的图像分割方法

针对图像由于光照不均引起的灰度不均匀导致图像精确分割困难的问题,提出了一种双区域水平集演化(DRE)方法用于图像分割。双区域水平集演化方法介绍了局部区域控制项和矩形的初始化轮廓,能够快速地分割灰度不均匀图像,加快曲线演化速率。为进一步消除噪声对图像的影响,分割方法采用高斯滤波算子和卷积计算,特别是提出的方法使用一种新的隐含的惩罚能量函数作为正则化项,该项嵌入到水平集演化公式里,增加了曲线演化梯度流的约束的条件,影响水平集演化曲线向双边扩展,这样提高了图像轮廓划分的计算效率和精度。通过实验结果对比,提出的水平集演化算法能够较好地划分图像轮廓,得到精确的图像分割结果。     

基于水平集的弱边缘医学超声图像分割算法

图像分割在医学超声图像的定量、定性分析中均扮演着重要的角色,并直接影响到后续的分析、处理工作。但在医学超声图像中,待分割的图像目标经常包括弱边缘,这为利用传统图像分割算法对目标进行分割带来了困难。本文通过对Chan-Vese水平集方法进行研究,利用零水平集曲线的平均边缘能量来对其演化速度进行控制,实现了对图像中目标弱边缘的检测。本文方法在对包含弱边缘的医学超声图像进行分割时,得到了很好的效果。     

人体脑图像分割技术研究

根据区域间的相似或不同把图像分割成若干区域,这就是医学图像分割的一个过程。本文采取不同的图像分割方法对人体MRI图像和脑CT图像进行分割,模糊C-均值算法的难点在于选取合适的初始聚类中心和算法的快速实现。本文在模糊C-均值算法的初始聚类中心方面做了大量的研究和试验,通过选取不同的初始中心和优化程序来实现最佳分割,实验结...     

基于分割的图像识别系统设计

本文提出了一种基于图像分割的物标定的新方法,并应用了一种新型类棋盘标定物。采用图像分割的目的是将参照物提取出来进行标定,避免了对标定点的误判、错判。这种方法能够快速、准确、自动的识别标定物,缩小标定范围,有效地寻找特征点,实现了标定系统智能化,从而有利于系统进一步开发。     

Fast Image Segmentation Algorithm Based on Salient Features Model and Spatial-frequency Domain Adaptive Kernel

A fast image segmentation algorithm based on salient features model and spatial-frequency domain adaptive kernel is proposed to solve the accurate discriminate objects problem of online visual detection in such scenes of variable sample morphological characteristics, low contrast and complex background texture. Firstly, by analyzing the spectral com-ponent distribution and spatial contour feature of the image, a salient feature model is established in spatial-frequency domain. Then, the salient object detection method based on Gaussian band-pass filter and the design criterion of adaptive convolution kernel are proposed to extract the salient contour feature of the target in spatial and frequency domain. Finally, the selection and growth rules of seed points are improved by integrating the gray level and contour features of the target, and the target is segmented by seeded region growing. Experiments have been performed on Berkeley Segmentation Data Set, as well as sample images of online detection, to verify the effectiveness of the algorithm. The experimental results show that the Jaccard Similarity Coefficient of the segmentation is more than 90%, which indicates that the proposed algorithm can availably extract the target feature information, suppress the background texture and resist noise interference. Besides, the Hausdorff Distance of the segmentation is less than 10, which infers that the proposed algorithm obtains a high evaluation on the target contour preservation. The experimental results also show that the proposed algorithm significantly improves the operation efficiency while obtaining comparable segmentation performance over other algorithms.     

基于改进U-Net的输电线路绝缘子图像分割方法研究

针对输电线路巡检航拍的绝缘子图像存在背景复杂、对比度不明显、图像质量不能保证等情况造成绝缘子分割精度不高的问题,提出一种基于注意力模型改进U-Net网络的分割方法。首先以VGG16替换主干特征提取网络,增强网络的适用性;同时在下采样过程中引入注意力模型,增强对绝缘子目标的辨识能力,抑制背景、噪声等干扰信息,实现更加精确的分割。实验结果表明:CBAM注意力模型与U-Net网络相结合的方式效果最好,平均重叠度可达96.57%。     

基于自组织小波神经网络的磁共振图像分割方法

磁共振图像的准确分割对于辅助医生确定病灶的位置和形状、制订治疗方案和评价治疗效果具有重要的意义。本文提出了一种新的磁共振图像（MRI）分割方法。构造了一种自组织小波神经网络,通过融合T1、r12和Pd图像的特征来识别MRI中生物组织的类别。该网络继承了小波分析局部精度高和神经网络自学习能力强的优点,采用自组织算法利用训练数据的稀疏性对网络的结构和初始参数进行优化,简化了网络结构,提高了网络学习的速度,避免了网络陷入局部最优学习。将所提方法应用于大脑磁共振图像分割的实验结果表明,所设计的自组织小波神经网络MRI图像分割方法具有精度高和学习速度快的优点。     

直升机巡检航拍图像中绝缘子图像的提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机智能巡检图像中绝缘子图像的提取。该算法首先将航拍得到的高分辨率玻璃绝缘子彩色图像进行RGB到HSI彩色空间的转换;然后对HSI空间的S分量,采用基于遗传算法的最大熵阈值的方法进行图像分割;接着对分割后的图像用双结构级联滤波器滤除噪声;最后用连通区域方法将分割出的绝缘子串轮廓标识出来。算例结果表明:该算法能够从背景复杂的航拍图像中完整地提取绝缘子图像,有较高的工程应用价值。     

一种快速响应码图像的分割和校正方法

首先分析快速响应码图像的定位特征模式,提出一种基于一维特征模板匹配及利用图像一维扫描波形快速定位条码区域的方法,并在实现图像方位归一化后,对条码边界进行Hough变换得到边界直线和顶点位置,最后利用控制点变换和双线性插值方法实现条码几何失真校正和大小归一化,得到只包含条码的图像。实验表明这些算法能有效消除图像中无关信息和笔迹污染的干扰,并能校正几何失真。最后得到的条码图像可以进一步由条码符号识别算法和解码算法等进行处理。     

灰度图像的镜像对称性度量

传统的图像镜像对称性度量方法受物体几何形状背景和图像对比度影响较大,度量结果往往不够准确.针对以上缺陷,本文提出了一种新的镜像对称性度量方法.由于采用最优阈值分割,本方法受亮度、对比度和噪声的影响小,有良好的鲁棒性;它充分利用图像中物体的灰度信息,不受背景和物体几何形状的影响,对镜像对称性很敏感.实验结果证明,对于不同亮度、对比度以及含噪声的图像,本方法均能准确完成物体的镜像对称性度量.     

一种基于图像森林化变换(IFT)的分水岭算法

结合了边缘检测与区域生长法优点的分水岭算法近年来在图像分割领域得到了越来越多的重视,但经典的分水岭算法存在过分割的问题,从而使得物体的轮廓线掩埋在无关的分水岭线中.为了克服这种过分割问题,本文介绍了一种基于图像森林化变换的分水岭算法,它是一种将图像处理问题简化为在图形中求解最短路径森林的统一有效的方法.该改进算法在预处理阶段对图像进行平滑操作并设置适当的梯度阈值,即减少了梯度图像中非重要区域的产生.实验结果表明,该方法可提供精确且封闭的区域轮廓线.