基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值,基于粒子群优化算法提出了一种多阈值图像分割方法.由最大熵或最大类间方差法得到优化的目标函数,用粒子群算法对其进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割.将分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法不仅可实现正确的图像分割,并可使分割速度大大提高.     

基于模糊逻辑的图像阈值分割算法

为确定图像分割的最佳阈值,提出了一种新的有效的图像阈值分割方法.该方法首先给出一个新模糊熵的定义,这个模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时也考虑到图像在空域中划分区域时随隶属函数变化而变化的情况,这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息.然后,采用改进粒子群优化算法寻求隶属函数的最优参数,得到分割的最佳阈值,并用该阈值对图像进行分割.将新算法应用于图像分割中,效果优于现有大多数阈值分割算法.     

一种新的自适应图像分割方法

目的研究图像分割的最佳阈值．方法一种基于灰度图像直方图嫡和遗传算法的自适应图像分割算法．结果在此研究中,分割问题被定义为一个优化问题,由于遗传算法能够有效地搜索分割参数空间,则以遗传算法的适应值作为质量标准．结论此方法可用于最佳阈值分割．     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值，基于粒子群优化算法提出了一种多闽值图像分割方法．由最大熵或最大类间方差法得到优化的目标函数，用粒子群算法对其进行优化，得到分割的最佳阈值，并用该阈值对图像进行分割．将分割结果与遗传算法的多阈值分割结果相比较可以看出，该算法不仅可实现正确的图像分割，并可使分割速度大大提高．     

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.     

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.     

基于关联熵系数的图像分割新算法

图像分割是图像分析的基础,阈值法因简单、快速和稳定而成为图像分割的一种重要方法,在图像处理与识别中广泛应用。针对图像分布具有多样性,本文提出基于随机变量之间关联熵联系的图像分割新算法,该算法通过最大化目标和背景两个概率分布之间的关联熵系数并获得图像分割的最佳阈值。实验结果表明,本文提出的关联熵系数阈值分割方法是可行的。     

一种快速、准确的图像阈值分割新方法

图像分割是数字图像处理系统中基本而关键的技术。通过阈值分割是其最简单的技术,它假设目标和背景是可以分离的．本文将自适应遗传算法与OTSU算法相结合应用于最佳阈值的确定中,提出了相应的算法并用于图像分割,仿真结果表明,该方法不仅可以实现准确的图像分割,并且使得分割速度大大提高。     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．     

Otsu阈值分割法特点及其应用分析

Otsu方法是应用最广泛的阈值分割法之一,对直方图呈双模或者多模分布的图像分割效果好,直方图呈单模分布的分割效果差。针对这个结果,从Otsu分割法理论出发,分析其分割阈值的特点,证明得出:Otsu单阈值分割时最佳阈值为该阈值分割出的两类灰度均值的平均,Otsu多阈值分割时的多个最佳阈值是这些阈值分割出的多类中相邻两类灰度均值的平均。单阈值Otsu法用于表面缺陷检测图像分割时将大部分背景错分为目标,对此,提出了一种改进的Otsu阈值分割。实验结果表明,改进的算法分割效果优于传统算法,在比较准确分割目标的同时有效减少背景的误分割。     

B超医学图像分割技术的研究

图像分割是图像处理过程中一个关键的环节.本文探讨了对B超图像的分割技术,对目前文献中常用的B超图像的分割算法--阈值分割法、结合特定理论工具的方法进行了分析和研究,总结了使用活动轮廊模型进行B超图像轮廓提取的关键技术,同时,联合使用动态阈值分割及最优阈值分割法,实现了对B超图像的二值处理.     

基于二维最小Tsallis交叉熵和遗传算法的快速图像分割

针对二维Otsu分割方法在求取最佳阈值时假设部分区域近似为0,降低了分割精度,以及采用的shannon熵因为具有广延性而忽略了两个分割子系统之间的相互作用的问题,提出一种基于二维最小Tsallis交叉熵和微粒群寻优的快速图像分割.利用灰度-梯度直方图并聚类得到有用区域,以具有非广延性的二维最小Tsallis交叉熵为优化函数,采用遗传算法得到最优的二维阈值.实验表明该算法对噪声图像具有良好的分割效果和较强的实时处理能力.     

一种新信息熵定义及其在图像分割中的应用

熵阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对香农熵阈值法因存在对数计算而导致计算量过大的问题,本文首先提出了一种新的信息熵;其次对其一些性质进行了探讨;最后用于图像分割的阈值选取。实验结果表明,本文的新熵阈值法是可行的,且其计算所需时间量远小于比香农熵阈值法。     

自动选取阈值方法比较研究

在数字图象处理中 ,阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域 ,近年来已有许多种阈值化方法被提出。阈值选取是图象处理与分析问题的基础 ,如何才能正确地找到适当的阈值 ,是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法 ,通过计算机仿真对实验结果进行了比较研究。并在此基础上 ,提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是 :首先 ,用微分算子检测图象的边缘 ;然后 ,在这些边缘象素点上进行二值化阈值的自动选择 ;最后 ,对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明 ,这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征 ,并能处理低质量的图象。     

动态阈值结合全局阈值对图像进行分割

首先讨论了图像阈值分割的两种方法：全避阈值图像分割和动态阈值图像分割。当背景的灰度值可看作恒定时，使用全局阈值一般会有较好的效果；在许多情况下,背景的灰度值并不是常数，物体和背景的对比度也有变化，我们可将一个随图像位置缓慢变化的函数设为值，即采用动态阈值，但由于我们要对 图像分块，简单的动态阈值分割所得的图像通常包含人为的边界和阴影，为改善图像分割效果，本文提出了把全局阈值和动态阈值结合起来对图像进行分割的一种新的图像阈值分割方法。实验表明，该方法比单独采用全局阈值或动态阈值方法性能优越。     

一种基于光照补偿和模糊聚类的图像分割方法

针对受到光照不均匀影响的图片在直接进行阈值分割造成的错分割问题,提出在分割前对图像进行光照补偿的预处理,从原图中分离出光照不均匀平面矩阵,从而降低光照不均匀对阈值分割造成的不利影响.在分割过程中采用模糊聚类算法,提高了图像分割的有效性.