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。     

二维Otsu阈值法的快速算法

最大类间方差法(Otsu)是图像分割的经典算法,在其基础之上发展起来的二维Otsu阈值分割法由于计算复杂而制约了其应用。针对这一缺点,提出一种改进的二维Otsu阈值法的快速算法。首先将原始二维直方图划分成M×M个区域,将每个区域视为1个点,构造新的二维直方图,在其上利用二维Otsu以及快速递推算法,得到分割阈值所处的区域编号;既而对所确定的区域再次使用二维Otsu算法得到原始图像的分割阈值。实验结果证明,改进算法有效地提高了计算速度,降低了算法的空间复杂度,且分割效果与原始算法基本一致。     

基于遗传算法的二维最大类间方差图像分割算法

为解决传统二维最大类间方差(Otsu)阈值分割算法处理图像时计算复杂度高、实时性差、易受噪声干扰等问题,本文将遗传算法应用到二维Otsu法中,提出一种基于遗传算法的最大类间方差法的灰度图像分割算法.二维Otsu算法考虑了图像的灰度信息及邻域空间的相关信息,以保证图像分割的精度;利用遗传算法则能提高运算速度.因此,基于遗传算法的最大类间方差法的灰度图像分割算法兼有二者优点,不仅提高运算速度而且能保证图像分割精度.     

数字图像处理等；基于二维Otsu和模糊聚类的图像分割算法*

针对传统二维Otsu算法计算复杂度高的问题,提出一种改进的Otsu图像分割算法。该算法通过求两个一维Otsu法的阈值来代替传统二维Otsu法的阈值,使得计算复杂度得到了降低;同时为了改进分割效果,结合使用了模糊C-均值聚类算法。实验结果表明,改进的算法充分发挥了两者的优势,不仅在计算速度上优于原二维Otsu算法,且分割效果较好。     

二维Otsu阈值分割算法的改进及应用

为改善传统二维Otsu阈值分割算法处理图像的计算复杂度高、实时性差、受噪声干扰严重等缺点,提出一种改进的快速二维Otsu阈值自动分割算法.通过改变二维直方图判别域的划分将二维阈值求解转化为一维阈值求解,对原图像的直方图采用二分法得到最优分割阈值的初始值,然后在此基础上通过两个分量方向上迭代求解得到图像的最优分割阈值.理论分析与仿真车牌实验表明,与传统二维阈值分割算法相比,此算法的计算复杂度远远低于原始二维Otsu算法,且分割效果和原始算法的基本一致.     

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.     

灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.     

改进的动物精子图像分割算法

动物精子图像分割在计算机辅助精子质量分析系统(CASA)中有着非常重要的作用,直接关系到精子质量检测的精度和速度。在总结最大类间方差(Otsu)算法利弊的基础上,对传统二维Otsu算法原理以及在动物精子图像分割过程中存在处理时间过长的问题进行了研究,提出了一种改进的二维Otsu图像分割算法,通过改变二维直方图的分块方式将二维最优阈值搜索变为一维最优阈值搜索,从而缩短寻找最优阈值的处理时间。实验结果表明,改进的分割算法可以有效降低算法复杂度和噪声干扰,实现动物精子图像快速、准确的分割。     

一种基于模糊聚类的快速二值化方法

通过确定阈值实现图像的二值化分割是一种重要且实用的图像分割技术.本文提出了一种基于模糊聚类的二值化方法.这种方法将模糊C-均值算法加以推广(GFCM)后,应用于图像的二值化分割.通过与Otsu阈值法的分割结果比较后表明,该方法的分割效果好,分割耗时少且适用性强.     

改进的二维Otsu算法在SF6压力表盘图像分割中的研究

为了提高SF6压力表盘图像分割准确度,对比了传统二维Otsu和Otsu双阈值分割算法,给出了一种改进二维Otsu算法.针对二维Otsu算法选取最佳阈值时存在的缺陷,将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值,提高了目标图像的阈值分割效果.实验结果表明:所提算法不仅满足对SF6压力表盘图像进行目标区域分割,同时具有更高的稳定性、快速性和分割精度.     

基于分解的三维Otsu图像分割快速算法

摘要：针对三维Otsu图像分割算法计算复杂度高,运算量大的问题,本文提出一种基于分解的三维Otsu图像分割快速算法。该算法,首先将三维Otsu分解为三个一维Otsu;然后,在分析一维Otsu的基础上,结合类间距离和类内距离,提出一种新的阈值识别函数设计算法,并给出了快速实现方法。实验结果表明,该算法不仅可以取得较好的分割效果,而且计算量较小,比三维Otsu阈值分割递推算法快1400倍左右。     

二维Otsu自适应阈值选取算法的快速实现

Otsu 自适应阈值算法作为图像阈值分割的经典算法, 在图像领域得到了广泛的应用, 在此基础上发展起来的二维阈值法因为计算时间长而制约了其应用. 针对二维 Otsu 自适应阈值算法计算复杂度高的缺点, 通过消除二维自适应阈值算法中的冗余计算, 用迭代的方式得到查询表, 从而大大提高了二维阈值算法的计算速度. 实验结果表明, 该算法不仅计算时间远远小于原始二维 Otsu 算法, 并且求得的阈值跟原始的算法一样.     

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。     

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。     

狼群优化的二维Otsu快速图像分割算法

传统二维Otsu算法的阈值选取大都采用穷尽搜索方式,造成算法分割时间较长、实时性差等缺点,影响图像分割效果。为提高算法的运行效率,采用狼群算法来搜索最优阈值,每匹人工狼代表一个可行的二维阈值向量,狼群通过游走、召唤、围攻这三种智能行为的不断迭代以及狼群间的信息交互来获取最佳阈值。仿真结果表明,与标准粒子群优化二维Otsu算法和传统二维Otsu算法相比,狼群优化算法降低了分割时间并提高了图像分割精度。     

基于粒子群和二维Otsu方法的快速图像分割

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法.针对二维Otsu方法计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.每个粒子代表一个可行的二维阈值向量,通过粒子群之间的协作来获得最优阈值.结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用.     

基于梯度阈值对象提取的图像检索技术研究

为加强图像检索领域中图像有效特征的提取,提出一种基于对象提取的图像检索技术.该方法采用二维Otsu梯度阈值选取的快速迭代算法,利用灰度级-最大梯度二维直方图进行阈值选取,同时采用迭代思想代替穷举搜索,快速选取阈值进行对象分割,提取出目标对象,克服了传统二维Otsu算法分割效果不够准确、计算复杂度较高的缺点.将分割出的目标对象进行特征提取与比对,用于检索系统进行检索.实验结果表明,该算法能够较准确的分割出适于图像检索的对象,同时可以得到较高的查准率.     

2维最大类间平均离差阈值选取快速递推算法

阈值分割是广泛使用的最为有效的图像分割方法之一。阈值选取是阈值分割的关键。Otsu提出的基于L2范数的最大类间方差法是备受关注的一种方法,而基于L1范数的最大类间平均离差法则更为简捷,效果很好。2维最大类间平均离差阈值选取方法分割精确、抗噪性能好,其效果优于2维最大类间方差法,但存在计算量大、难以实用等缺点。提出了2维最大类间平均离差阈值选取的两种不同的快速递推算法,都可将计算复杂性由O(L4)减少为O(L2)。给出了2维最大类间平均离差两种快速递推算法的分割结果及运行时间,并与原始算法及原有的快速算法进行了分析和比较。实验结果表明,这两种递推算法都可以大幅度地提高运算速度,运行时间可减少到原始算法的0.1%,使2维最大类间平均离差阈值分割方法更为实用,目前已被应用于红外目标、车牌、指纹等自动识别系统中。     

基于改进粒子群算法的二维阈值图像分割*

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用量子粒子群算法来搜索最优二维阈值向量, 每个粒子代表一个可行的二维阈值向量,通过各个粒子的飞行来获得最优阈值。结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用。     

改进人工蜂群算法在二维Otsu图像分割中的应用

为了迅速准确的分割图像,通过对传统蜂群算法选择蜜源方式和缺陷蜜源的调整,提出了一种基于改进的人工蜂群算法分割二维Otsu图像的新方法. 此方法把图像阈值由人工蜂群算法中的蜜蜂表示,通过引领蜂、侦查蜂和跟随蜂之间的信息共享和分工协作来求出最佳阈值,成功解决了传统二维Otsu图像分割计算量大、运行时间长的缺陷. 实验结果表明,所提出的算法不仅能得到理想分割结果,而且分割速率快.