基于最大相关准则的阈值处理算法

阈值法是图像分割的一种重要方法，在图像处理与识别中广为应用，本文提出了一种基于最大相关准则的自动选择阈值方法，该方法通过使图像中目标和背景分布的相关量最大来选择阈值，仿真分析显示该算法计算量与熵方法比较大大减少，分割效果则比Yen等人提出的算法更佳。     

一种纹理背景下的物体分割算法

本文基于背景纹理与物体表面的图象特征存在着根本性的差别这一特点,提出一种纹理背景下物体自动分割算法。这种算法本质上是从灰度分布来分割物体的算法的推广,它不仅适用于背景纹理灰度与物体表面灰度不同的图象,而且适用于背景平均灰度与物体表面平均灰度相同的图象。当纹理背景是不平稳纹理时或背景包含多种纹理时,这种算法仍然是有效的。由于算法对图象的处理是按行顺序进行的所以非常易于采用多机并行处理。     

一种基于脉冲耦合神经网络和图像熵的自动图像分割方法

90年代发展形成的脉冲耦合神经网络（PCNN）模型特别适合于图像分割、边缘提取等方面的应用研究，但众所周知，PCNN模型图像分割效果不但取决于PCNN模型中各个参数的合理选择，而且同时还取决于循环迭代次数的确定选择准则，通常循环迭代次数N的选择通过人工交互方式来确定。正因为如此选择合适的准则来确定N是PCNN图像分割的关键，但目前还没有文献提出一个合适的准则来解决这个问题。本文结合图像统计特性和PCNN参数模型提出了熵值最大准则。该准则实现了PCNN神经网络的自动图像分割。对于PCNN的理论研究和实际应用具有非常重要的现实意义。     

基于2维最大熵最佳阈值算法的图像分割研究

为了提高图像分割的质量,采用2维最大熵最佳阈值方法,首先通过灰度区域确定该域像素的2维随机向量,在准则函数下求得到2维最大熵最佳阈值;接着通过递推优化对2维最大熵最佳阈值计算数据优化处理,减少重复性数据计算量;最后通过分割图像区域与原目标空间位置的互信息量最大准则,把误分割误差函数作为检测分割标准,给出了算法流程;并仿真出了不同算法的图像分割结果。结果表明,该算法得到图像分割的精度较高,没有背景与噪声的残留,保留了图像信息,执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。     

基于二维最大相关准则的图像阈值分割

提出了基于二维最大相关准则的自动阈值图像分割算法．该方法根据图像的二维直方图中目标和背景分布的相关量最大来选择阈值,能够实现比传统最大相关准则更强的抗噪声能力．同时将遗传算法用于对二维最大相关准则阈值分割的优化,试验结果表明该算法可以实现快速、准确图像分割．     

最大倒数熵/倒数灰度熵多阈值选取

现有的基于Shannon熵的阈值选取方法存在无定义值和零值的缺陷,并且没有考虑目标和背景类内灰度的均匀性。为此,本文针对多目标（背景）图像分割问题,提出了基于最大倒数熵/倒数灰度熵和自适应双粒子群优化（Adaptive Chaotic Variation Particle Swarm Optimization, ACPSO）的多阈值选取方法。首先将最大倒数熵单阈值选取推广到多阈值选取;然后定义了倒数灰度熵,导出了基于最大倒数灰度熵的单阈值和多阈值选取公式;最后给出最大倒数熵/倒数灰度熵多阈值选取的ACPSO算法步骤,实现对多个阈值快速精确地寻优。实验结果表明,与现有的同类方法—基于最大Shannon熵和粒子群优化（Particle Swarms Optimization, PSO）的多阈值选取方法相比,本文提出的方法有明显的优势,已应用于红外弱小目标检测中的阈值分割和卫星云图识别中的数字云图分割,取得了极佳的分割效果。      

基于分形理论的改进型二维最大熵红外图像分割算法

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。     

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。     

基于红外图像的高压绝缘子串自动定位方法

绝缘子串自动定位是实现劣化绝缘子红外智能检测的重要前提。针对红外图像背景复杂的特点,提出了基于灰度阀值分割和Hough变换的自动定位方法。首先采用基于Otsu阀值的灰度拉伸法对图像增强,利用灰度图像的开运算对图像去噪,然后采用灰度Otsu阀值法对图像进行阀值分割,图像二值化后,用最大连通区域过滤法提取绝缘子串区域,最后利用Hough变换进行倾斜度校正,完成绝缘子串的最终定位。试验结果表明:提出的分割方法可以快速完整地将目标提取出来。提出的定位方法可以完成复杂背景下绝缘子串的自动精确定位,为实现劣化绝缘子红外智能检测奠定基础。     

基于混沌蚁群算法的快速红外图像分割

提出了一种基于混沌蚁群算法优化二维模糊划分最大熵的红外图像分割方法。二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,并且兼顾图像自身的模糊性,能取得很好的分割效果,然而最大熵的最优参量组合却很难快速准确地获得。本文将混沌蚁群优化算法应用到二维模糊划分最大熵分割方法当中,充分利用混沌蚁群算法快速寻找最优解的特点,来搜索二维模糊划分最大熵的最优参量组合。实验仿真结果表明,该方法比传统的图像分割方法有更好地分割效果,有效抑制了图像噪声对目标区域分割的干扰。     

基于“灰度-梯度共生矩阵”的最大条件熵阈值法

基于“灰度-梯度共生矩阵”模型,在现有最大条件熵图像阈值法的基础,引入加权系数进行改进。为了解决权值选取问题,以图像分割质量评价的均匀性测度为评价指标,采用自适应粒子群算法对权系数进行优化选择,进而获得最优的分割阈值。实验结果表明,与二雏最大熵、最大条件熵算法相比,该方法能够获得更佳的分割结果。     

一种新的模糊熵图象分割方法

图象阈值分割技术在图象分析和图象识别中具有重要的意义。本文将模糊子集理论中的模糊熵概念引入到阈值分割技术中去，在图象的模糊特征平面上采用最大熵原则确定分割阈值。实验结果表明了该方法的有效性。     

FCM算法用于灰度图象分割的研究

模糊Ｃ均值（ＦＣＭ）算法用于灰度图象分割是一种非监督模糊聚类后再标定的过程，适合灰度图象中存在着模糊和不稳定性的特点，但是这种算法存在着一些不足，如类数目无法自动确定，运算的开销太大等，因而限掉了这种方法的应用，针对这些问题，本文利用直方图分析的方法，自动确定算法的聚类数目和各类的类峰值，并针对ＦＣＭ算法和灰度图象的特点，提出了一种适用于灰度图象分割的快速ＦＣＭ算法（ＱＦＣＭ）使得运算了开销降低，     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义,给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法,同时利用分割后目标和背景区域的灰度信息和局部熵信息,设计了一个判断是否得到正确分割的准则,通过迭代循环,完成对图像的自动分割。实验结果表明,本文算法自适应性强,可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

采用遗传算法与最大模糊熵的双阈值图像分割

提出了一(?)基于概率划分的最大模糊熵双阈值图像分割方法。文章将概率划分、模糊划分及最大模糊熵准 则结合起来,提出一种 概率划分的最大模糊熵准则。将图像分为暗、灰和亮三个部分,并分别采用S函数、Π函数 和Z函数来描述其模糊性。利用最大模糊熵准则确定图像的两个模糊区域带宽及其属性,进而确定图像的两个最佳分 割门限。由于需优化处理的参数较多,本文采用遗传算法对六个模糊参数进行组合寻优,并采用合适的编码方案以避免无 效染色体的产生。试验结果证明利用本文提出的最大模糊熵准则分割图像具有较好的效果,采用遗传算法也使本文的分割 算法速度大大提高,在较短的时间内能够得到满意的分割结果。     

基于模糊指数熵和模拟退火的图像分割

为了有效分割照度不均匀的网格图像,提出了一种基于模糊指数熵和模拟退火算法的阈值分割方法。基于模糊集合理论,根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集,利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定最优分割阈值,实现图像分割。由于使用穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大的弱点,因此采用模拟退火算法确定最优阈值,从而减少了计算量。实验结果表明,此方法能够自动、有效地选取阈值,运算时间约为使用穷举法寻求最优阈值所需时间的1／3,并且分割效果明显优于最大类间方差法、迭代法和一维最大熵法。     

光学元件损伤暗场图像中的目标自动提取研究

基于光学元件损伤暗场成像图像的特点以及每个像素与周边的梯度关系,选择灰度——梯度对共生矩阵为研究模型,该模型集中反映了损伤图像中两种最基本的要素——灰度信息和梯度信息(边缘)。利用该模型产生准则函数,在信息论中最大熵原理基础上,应用文中改进的二维最大熵算法能自动确定最佳分割阈值,实现了对暗场图像的分割。该算法能够准确的从光学元件损伤暗场图像中提取损伤目标,为目标识别、精确定位和损伤大小的精确计算等后续处理提供依据。为了验证该算法,试验中对多个光学元件损伤暗场图像进行了处理分析,试验表明,该算法分割得到的损伤目标与实际相符,误差在检测的范围之内,为大型光学系统中光学元件损伤的在线、自动化检测提供了一种有效的技术途径。     

基于克隆选择算法的最大模糊熵图像分割

为了分割照度不均匀的图像,提出了一种基于最大模糊熵和免疫克隆选择算法的阈值分割方法.该方法利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定区分目标和背景的最佳阈值,实现图像分割.为了验证该方法的有效性,对其进行了图像分割实验,并与遗传算法进行了比较.实验结果表明,该算法能够自动、有效地选取阈值,分割效果优于遗传算法,并能保留原始图像的主要特征.     

用基函数神经网络实现多阈值图象分割

本文介绍了一种用基函数神经网络实现多阈值图象分割的新方法。它从函数逼近的角度研究基于灰度直方图的多阈值分割问题，提出了一种模糊反向传播学习算法，采用该算法的高斯基函数网络能够准确检测直方图中包含的子区域和它们的分布函数，而且速度很快。实验表明本文的方法在实际图象分割中是有效的。     

一种区域基图象编码新方法

本文提出了一种基于区域的图象编码新技术，它根据图象区域灰度分布特点，以灰度误差最小平方和为准则，采用四向递归二分法逐渐将图象表面划分为若干凸多边形，使之逼近原始图象．软件模拟实验表明，当头肩灰度图象压缩比超过20：1时，重建图象主观质量仍然较好．文中介绍了区域基和表面描述图象编码方法，着重论述了四向递归二分法的基本原理和算法，同时给出了若干实验结果。