基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割

针对传统3维Otsu(3D-Otsu)门限分割方法中的滤噪性能和小目标保持性能的不足,该文提出一种基于各向异性自适应高斯加权方向窗的3D-Otsu门限分割的新方法。新方法改进了3D-Otsu的邻域窗口设置方法,采用中心点的局部特征来自适应地确定邻域各向异性高斯加权方向窗口的尺寸、尺度和滤波方向。然后,提出非局部多方向相似度测量来更有效地捕捉图像中的模式冗余。最终,结合像素点灰度值、加权均值、加权中值构建3维直方图,并基于最大类间方差计算门限矢量进行分割。实验结果表明:与目前广泛使用的2维Otsu, 2维最大熵以及传统3维Otsu方法相比,新方法有着更好的门限分割效果,并具有更好的滤噪性能和小目标保持性能。     

一种改进的二维Otsu阈值分割法

针对传统灰度级-平均灰度级二维直方图区域划分存在的不足,提出了由灰度级-梯度构成改进的二维直方图区域划分方法,并给出了基于改进二维直方图的Otsu阈值法及其快速递推算法。实验结果表明:提出的改进二维Otsu法与传统二维Otsu法相比,抗噪性能好,分割所得的区域内部具有较好的一致性,获得的目标边缘更加清晰,同时减少了运行时间。     

基于三维直方图的Fisher评价函数图像分割方法

提出了一种基于三维直方图的Fisher评价函数图像分割方法,该方法利用了图像像素点的灰度信息和邻域的均值信息及中值信息,给出了三维阈值分割方法。实验结果表明,相比较基于二维直方图的Fisher线性判别函数图像分割方法,在图像受高斯噪声干扰的情况下,该方法具有更好的分割效果。     

基于粒子群优化的Otsu肺组织分割算法

为减少肺组织分割算法的运算时间,提出了一种基于粒子群优化的Otsu肺组织改进自动分割算法。针对传统粒子群优化的二维Otsu算法中二维直方图计算量大、粒子搜索容易陷入局部最优解的缺陷,使用灰度级-梯度二维直方图减少二维直方图的计算量,并减小粒子搜索范围,采用基于粒子空间对称分布的改进粒子群获取最佳阈值。算法实现过程中利用孔洞填充算法去除背景,基于形态学操作去除噪声、修补病变区域产生的孔洞。仿真实验结果显示,本文算法对图像尺寸为512像素×512像素CT图像的阈值分割时间约为0.2s,比基于灰度级-邻域均值二维直方图的粒子群优化的Otsu算法的阈值分割速度提高了约16%。较好地实现了胸腔CT图像的肺组织自动分割,与传统算法相比较,本算法在保证分割精度的基础上分割速度明显提升。     

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。     

二维直方图准分的Otsu图像割及其快速实现

传统二维Otsu法主要由于对二维直方图采用主对角线区域概率和近似为1的假设等原因,以致分割结果不够准确.针对此问题,提出了一种二维直方图准分的Otsu快速图像分割方法.(1)准确选择邻域模板构建二维直方图并将Otsu阈值法用于此直方图上以便提高分割性能;(2)对二维直方图主对角线上的目标和背景两区域的Otsu公式中对应...     

基于形态学与二维Otsu相结合的红外图像分割方法

Otsu法是常用的基于阈值的图像分割方法之一,二维Otsu法利用图像的像素灰度值分布及邻域像素的平均灰度分布构成的二维直方图对图像进行阈值分割。由于红外图像具有低对比度、低信噪比、边缘模糊的特点,仅采用二维Otsu对其进行分割,由于噪声的影响,分割后的图像会有边缘信息不清晰以及误分割的问题。针对这个问题,本文提出的形态学与二维Otsu相结合的红外图像分割方法。实验证明,利用形态学可以保留图像基本形状,弥补分割图像细节,并使图像的轮廓更光滑的特点,达到较好的红外图像分割效果。     

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。     

二维直方图θ-划分Tsallis熵阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而Tsallis熵与传统的Shannon熵相比,具有普适性且更为有效,本文提出了适用面更广的基于二维直方图θ-划分和最大Tsallis熵的图像阈值分割算法。首先给出了二维直方图θ-划分方法,采用四条平行斜线及一条法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45o的特例;然后导出了二维直方图θ-划分最大Tsallis熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值。与常规二维直方图直分最大Tsallis熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减少。      

三维直方图重建和降维的Otsu阈值分割算法

针对三维Otsu阈值分割算法中因区域误分而产生的抗噪性差这一问题,提出了一种三维直方图重建和降维的Otsu阈值分割算法.该方法首先在详细分析三维直方图中噪声点分布的基础上,通过重建三维直方图,减弱了噪声干扰;然后将三维直方图区域划分由八分法改为二分法,使得阈值搜索的空间维度从三维降低到一维,减少了处理时间和存储空间.本...     

快速二维直方图斜分最小误差的图像阈值分割

鉴于二维斜分法的优势,提出了一种快速二维直方图斜分最小误差的阈值分割方法。首先将二维直方图斜分原理运用到最小误差阈值法中使得分割更准确,然后对其阈值选取公式进行简化得到最简公式,并利用此公式导出其一般递推算法,最后将二维直方图概率分布特性与这种算法有机结合得到新型的递推算法来提高运行速度。实验结果表明,与二维直线型最小误差阈值分割法相比,算法效率更高,与其递推算法相比,所提出的新型递推算法的运行速度更快,约快4倍。     

基于平均中值离差的2维最小误差阈值分割法

为了解决2维最小误差阈值分割法对呈偏斜分布与重尾分布的图像分割鲁棒性较差的问题,提出一种基于平均中值离差的2维最小误差阈值分割法。考虑到1维直方图呈偏斜分布和重尾分布的图像中,中值是比均值更为鲁棒的灰度级估计量,因而将2维最小误差阈值分割法中的方差用平均中值离差替代;为提高运算速度,将2维算法分解为2个1维算法。结果表明,相比2维Otsu法、2维最小误差阈值分割法等经典算法,基于平均中值离差的2维最小误差阈值分割法对1维直方图呈偏斜分布与重尾分布的图像有更准确的分割效果、更好的鲁棒性。     

一种快速递归红外舰船图像分割新算法

针对背景复杂、对比度低的红外舰船目标分割问题,提出了一种红外舰船图像分割的新算法.由于二维最大类间方差法不仅反映了图像的像素点灰度分布信息,还反映了邻域空间相关信息,因此有较好的抗噪能力.但是由于其解空间维数的增加,计算量的变化是以指数增长的,而粒子群优化算法可实现高效并行、随机、自适应群体搜索.基于这一特点,提出了基于粒子群优化的二维最大类间方差局部递归分割方法,有利于实现红外图像的实时处理.该方法同样适用于复杂背景下的其他红外目标图像的分割.     

A robust 2D Otsu’s thresholding method in image segmentation

Otsu’s method is a classic thresholding approach in image segmentation. While the two-dimensional (2D) Otsu’s method performs better than the original one in segmenting images corrupted by noise, it is sensitive to Salt&Pepper noise. In order to solve this problem, we present a robust 2D Otsu’s thresholding method in this paper. Our method builds the 2D histogram based on the image smoothed by both median and average filters, in contrast to the traditional method using averaged image only. Then the optimal threshold vector is determined with two one-dimensional searches on the two dimensions of the 2D histogram. In addition, we introduce a region post-processing step to deal with the pixels of noise and edges. Compared with the traditional 2D Otsu’s method, our method improves the robustness to Salt&Pepper noise and Gaussian noise significantly. Experimental results on both synthetic and real images validate the effectiveness of the proposed MAOTSU_2D method.     

边缘宽度细化与交叉皮层模型结合的图像分割算法

针对弱边缘图像分割中交叉皮层模型产生目标几何尺寸失真等问题,提出了一种基于边缘宽度细化与交叉皮层模型结合的图像分割算法。该算法借助prewitt边缘算子和边缘斜坡模型,细化图像边缘宽度。在此基础上,利用二维直方图将交叉熵扩展至二维空间,以获得交叉皮层模型的最优分割阈值。实验结果表明,该算法不仅能克服边缘模糊的影响,对弱边缘图像进行精确分割,而且处理速度也大幅提升了。     

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。