基于区域灰度极小值的网孔织物图像分割算法

针对网孔织物图像的对比度低和噪声点多而导致分割结果中存在网孔连在一起和残缺等问题,提出一种基于区域灰度极小值的分割算法以期提高网孔的分割精度。首先利用高斯金字塔缩放和直方图均衡化算法处理图像以增强图像的纹理轮廓和明暗对比度。然后采用一种基于区域灰度极小值的分割算法以解决仅仅依靠灰度值大小而无法正确分割网孔的问题。最后采用一种多图像融合算法以解决基于局部灰度极小值的分割算法中阈值选择困难的问题。选择多种不同光照程度的网孔织物图像进行实验,实验结果表明所提算法的分割效果良好,能够有效地解决分割结果中网孔连在一起和残缺等问题,且网孔织物的分割错误率为0.24%。     

一种基于双阈值红外图像增强新算法

针对红外图像的特点,提出了一种基于双阈值的红外图像增强算法.首先利用第一类灰度阈值,将图像分割成感兴趣的目标区及背景区两部分;然后根据各区域的特点,提取两部分局部直方图,并根据第二类阈值对各部分使用不同的算法进行修正,最后基于各自修正的局部直方图,在两部分灰度空间范围内进行直方图均衡化.实验表明,该算法克服了直方图均衡化对背景和噪声增强过度的问题以及基于直方图单一阈值的增强算法不具有普适性等缺点.实验证明,该算法对红外图像增强后,图像对比度和信噪比都大幅提高,具有较强的实用价值.     

基于灰度选择法的医学图像可视化算法研究

针对医学融合图像可视化中存在病灶区域特征难以分辨这一问题,首先采用灰度阈值选择法实现对病灶区域的分割,然后在选定病灶区域的前提下,对融合图像做伪彩增强处理。实验采用的原始图像为可见光与红外源图像,融合是由采用小波变换图像融合法实现的,实现融合的区域为灰度图像。在医学图像中,由于肉眼对灰度图像不敏感,不方便清楚地观察病症部位,所以需要对病灶区添加明显的颜色特征。在对病灶区域的分割中采用了3种方法做对比,实验结果表明使用灰度阈值选择法得到的图像最为理想,由于灰度阈值选择法中阈值的选定比较繁琐,在该算法基础上结合最佳阈值分割迭代解法较准确地完成了阈值的选定。最后运用MATLAB实现仿真,实验表明该方法切实有效。     

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。     

基于区域模板相关的图像匹配方法研究

传统的图像相关匹配方法是利用求取对应像素灰度的相关性进行图像之间的相似度量的。由于参考图和实测图之间存在着灰度差异、模糊、噪声以及局部遮挡等,这就使得仅依靠图像灰度相关进行匹配的算法性能受到影响。基于图像分割后的区域是比像素灰度更高一级的图像表述,利用势函数聚类自适应多阈值图像分割技术,提出了一种对图像的加权区域模板相关匹配的算法。这种算法建立了一种目标区域隶属度的相关度量方法。试验结果表明了该算法在多种图像变形情况下的有效性。     

基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。     

基于鲁棒Otsu的红外无损检测缺陷分割算法

在红外无损检测获取的图像中,缺陷区域与非缺陷区域所占面积比例悬殊,且图像经过序列增强处理之后仍然存在阴暗区域,导致缺陷分割准确性受损。为此,结合局部阈值分割法的相对阈值思想,提出一种基于鲁棒Otsu的缺陷分割算法。首先,引入邻域均值与邻域总梯度作为表征像素点的所属类别与空间状态的重要参数。然后,采用基于像素点-块区的统计调整模型对红外图像缺陷区和非缺陷区的灰度值进行动态调整。最后,采用基于灰度-邻域偏差的改进二维直方图及其区域划分方法,通过自动选取邻域边长的遗传算法搜索最佳阈值,实现红外图像的缺陷分割。结果表明:该算法不仅改善了Otsu算法的鲁棒性,且能够提高红外无损检测缺陷分割的准确性。     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

基于平方距离的对称共生矩阵阈值法

基于图像共生矩阵的阈值法是图像分割的一种基本方法,本文基于“灰度—灰度”对称共生矩阵,通过定义目标区域和背景区域的均值,提出了一个阈值分割方法.该方法和常见的基于对称共生矩阵阈值法相比,对图像的适应性更强,仿真实验验证了本文方法的有效性.     

基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。     

Automated seeded lesion segmentation on digital mammograms

Segmenting lesions is a vital step in many computerized mass-detection schemes for digital (or digitized) mammograms. The authors have developed two novel lesion segmentation techniques-one based on a single feature called the radial gradient index (RGI) and one based on simple probabilistic models to segment mass lesions, or other similar nodular structures, from surrounding background. In both methods a series of image partitions is created using gray-level information as well as prior knowledge of the shape of typical mass lesions. With the former method the partition that maximizes the RGI is selected. In the latter method, probability distributions for gray-levels inside and outside the partitions are estimated, and subsequently used to determine the probability that the image occurred for each given partition. The partition that maximizes this probability is selected as the final lesion partition (contour). The authors tested these methods against a conventional region growing algorithm using a database of biopsy-proven, malignant lesions and found that the new lesion segmentation algorithms more closely match radiologists' outlines of these lesions. At an overlap threshold of 0.30, gray level region growing correctly delineates 62% of the lesions in the authors' database while the RGI and probabilistic segmentation algorithms correctly segment 92% and 96% of the lesions, respectively     

一维对象复杂度的灰度图像分割算法

从图像复杂度的角度,提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类,统计其对应直方图与总像素个数,并计算对象复杂度;依据图像复杂度分割准则算法公式,遍历每一灰度级对应的图像复杂度值,选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明,与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比,本文算法速度快,稳定性和效率最好,是一种通用有效的图像分割算法。     

基于区域生长的前视红外图像分割方法

红外成像制导技术以其优越的性能成为当今精确制导技术发展的主流。红外图像的精确分割是实现目标识别的基础。针对地面目标前视红外图像的特点和成像制导技术中图像分割的目的,提出了一种基于区域生长的前视红外图像分割算法,它首先在全局阈值分割的基础上选择出种子点所在区域,并在区域中定义局部灰度信息统计准则和策略选取出种子点;然后以目标模板面积作为参考,通过对分割效果的判断自动调整生长阈值进行区域生长以得到分割图像。实验结果表明,本方法分割出的目标完整准确,分割结果对基于边缘特征的目标匹配识别非常有利。     

自适应灰度门限法在水面图像分割中的应用

图像分割是图像处理中重要的组成部分,其效果直接影响到后面的图像分析。这里介绍了传统的图像分割法以及自适应灰度门限法在水面机器人视觉图像分割中的应用,首先对算法原理和特点进行了介绍,然后运用Matlab进行了仿真实验研究,对分割的结果加以比较和分析,得出基于最小类内均方差的自适应灰度门限法分割图像的效果最佳,且具有良好的滤波和去噪能力。     

基于边缘流与区域归并的彩色图像分割方法

为了克服边缘流各向异性扩散（EAD,edgeflow-dfiven anistropic diffusion）过分割和最小生成树（MST,minimum spanning tree）方法计算复杂度高的缺点,提出了结合边缘流与区域归并的彩色图像分割方法。首先利用EAD方法对图像进行预分割,然后利用MST方法依据全局最优化...     

基于梯度的低对比度X线图像分割方法

在医学骨折诊断领域,X线图像是骨折诊断的重要手段,X线图像中骨骼组织的精确分割为后续的诊断提供了重要依据。为此,文中首先利用Sobel边缘检测算子得到X线图像的梯度图,然后利用灰度图像单目标跟踪算法,提出了一种基于梯度的多目标分割算法,经过三轮跟踪获得了骨骼组织的精确定位,实现了医学骨科X线图像的骨骼分割。最后,将分割结果与边缘检测和阈值方法的分割结果进行了比较。试验结果表明,该方法对低对比度图像能够得到好的分割效果,比较适合医学骨科X线图像的骨骼分割。     

基于局部灰度分析的红外图像轮廓跟踪算法

针对在红外图像边缘提取时,断边和分支点会导致伪边界的问题,提出了一种带搜索控制准则的红外图像轮廓跟踪算法.该算法根据飞行目标红外图像特点,将基于最大距离法的局部阈值分割用于目标图像的提取.给出了关于图像局部灰度特性的3个推论,并由此将遗传算法用于轮廓跟踪过程,自动判断出轮廓跟踪过程中出现的分支点、断边,搜索断边并连接.实验结果表明,采用该算法可得到清晰、光滑的轮廓图像,并且具有较快的运算速度,可实现实时处理.     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。