一种对光照具有鲁棒性的图像分割方法

研究了灰度图像的OTSU(最大类间方差)自动阈值分割法。OTSU方法作为一种单一阈值的分割方法,当图像受光照和反射光等的影响明显时,将会出现严重的误分割现象。考虑到OTSU方法的最大类间方差化的思想,根据灰度图像的像素点灰度的直方图分布、空间分布,提出了一个新的分割阈值方法。先根据OTSU方法的特点自设计一个函数,对图像进行变换,以便后面的处理,再对其图像以改进的OTSU方法进行分割。通过对化学实验中两种液体的拍摄图片及数字图像处理中标准图片进行试验,理论分析与实验结果表明：该方法能够对受光照及反射光影响大的图像实现正确的分割,将目标图像清晰地从背景中分割出来。     

一种基于空间特征矢量的图像分割方法

针对灰度图像,提出了一种基于空间特征矢量的图像分割方法,构建了以像素的灰度、梯度、像素r的邻域均值为特征的三维特征空间,并将图像像素点对应空间特征点。通过计算像素特征矢量与阈值特征矢量的矢量差,求出矢量差与阈值特征矢量的夹角,然后比较夹角与动态分割参数的关系,判定像素所在区域(目标或背景)。实验表明,该方法可以较快速地实现图像分割,分割的效果也比较好。     

基于最大熵-方差模型的图像分割方法

针对当图像中目标与背景的面积相差很大时,最大类间方差方法的分割性能迅速下降的问题,研究了信息熵和方差的关系.认为信息熵和方差都被用作不确定性的度量,两者之间定会存在一定的科学关系,因此将最大熵和最大类间方差结合起来建立数学模型,提出基于最大熵-方差模型的图像分割方法,并引入类内方差对分割进行评价来选取参数调整算法的分割性能,更充分地利用了图像的灰度信息.通过实验证明该方法优于最大熵方法和最大类间方差方法,具有较强的稳定性,提高了图像分割精度.     

一种改进遗传退火算法的图像分割方法

图像分割是图像处理和分析的基础,本文通过分析遗传算法（Genetic Algorithm, GA）在图像分割中的应用优劣,提出利用模拟退火思想的改进遗传退火（Genetic Simulated Annealing Algorithm, GASA）的图像阈值分割算法,算法整个运行过程由冷却温度进度表控制,使用改进的最大类间方差公式作为遗传算法的适应度函数,从而求得灰度图像的一个最佳阈值用于图像分割。实验结果表明,基于改进遗传退火算法的最大类间方差图像分割方法能较好提高算法的全局搜索能力,避免遗传算法陷入局部最优,并且能更快速、更稳定收敛到最佳的分割阈值,得到更好的图像分割效果。     

基于并行遗传算法的双阈值图像分割方法

为了提高图像的分割效率,提出了一种基于并行遗传算法的最优双阈值搜索算法.将种群个体设计成一行两列的向量,以类间方差比作为个体的适应度,生成若干初始子种群进行并行计算;同时,将每代的最大适应度个体直接复制进入下一代,适当增大变异概率,在种群的多样性环境下实施有条件的最佳保留策略,保证算法收敛于最优解.实验结果表明,该算法具有良好的分割效果和较高的运算效率,运算时间开销仅为普通算法的4.16%.     

基于改进遗传算法的自动阈值图像分割方法

图像分割法在图像分割的过程中只考虑象素的灰度值,没有考虑空间特性和存在计算复杂性过大的缺陷,影响图像效果.针对上述问题,提出一种基于改进遗传算法的自动阈值图像分割算法.方法对遗传算法中的编码办式、交叉算子、变异算子等参数进行了一些适当改进.把图像分割最佳阈值选取转换成优化问题.利用改进遗传算法的寻优高效性求解最佳阈值,实现图像分割.仿真结果证明,新算法极大地缩短了寻优时间,增强了图像分割过程中的抗噪性能,提高了图像分割的效率.从而有利于计算机视觉的后续处理,可以实现实时图像分割,具有实用价值.     

基于最大类间方差法的脑MRI图像分割

针对具体的脑MRI图像分割,经典的水平集方法存在处理时间较长、分割速度慢、不能很好地收敛到物体的实际边缘等缺点,本文采用了最大类间方差法（Ostu法）。文章详细阐述了最大类间方差法在具体的脑MKI图像分割中的应用,并将基于该方法的脑MRI图像边缘检测的实验结果与经典的水平集分割方法的处理结果进行了比较。实验结果显示,最大类间方差法不仅原理简单、运行速度快,而且能够实现边缘的精确检测。     

现代医学细胞显微图像分割改进算法

为了提高现代医疗检验中图像处理的有效性和精确度,本文以医疗检验中各类细胞的显微图像为对象,运用最大类间方差分割算法对其进行图像分割,针对细胞显微图像自身的特点和最大类间方差法存在的不足,改进算法,实现多次分割,得到最佳分割阈值;在保障算法可行性的同时,提高算法的有效性和适用性。仿真实验结果表明,改进的算法更适用于多种细胞显微图像分割。     

关于图像分割算法的优化仿真研究

Otsu图像分割法是常用的图像阈值分割方法,其最佳阈值选取直接影响到图像分割的质量.传统的最佳阈值的寻找采用穷尽式搜索方法,计算复杂度大,耗时较多,分割的精度低,易产生图像误分割.为了提高图像分割准确性,提出一种遗传算法与Otsu相结合的图像分割方法.新方法将图像分割问题看作为一个全局数值优化问题,将图像灰度信息转换成遗传算法的种群,每个个体代表一个可行的阈值向量,以灰度图像的灰度最大类间方差作为适应度值,通过选择、交叉和变异等遗传操作获得图像最佳分割阈值,以获得的最佳阈值对图像进行分割.用实例对新方法进行验证实验,结果表明,相对于传统Ostu图像分割算法,改进的Otsu分割方法提高了图像分割准确性,运算量减少,加快了分割速度,非常适应于图像实时处理.     

一种由MatLab实现的图像分割改进算法

图像分割技术广泛应用于当今社会的多个领域中,是图像处理的重点和难点。首先从阐述图像分割技术的概况及其基本概念开始,在简要介绍了常用的图像分割技术方法的基础上,对使用MatLab工具软件实现图像分割技术的最大类问方差法及其改进算法进行了详细说明,最终,通过例子验证了改进后的最大类问方差法的优势。     

一种基于亮度均衡的图像阈值分割技术

对于光照不均匀的图像,用通常的图像分割方法不能取得满意的效果。为了解决这个问题,文中提出了一种实用而简便的图像分割方法。该方法针对图像中不同亮度区域进行亮度补偿,使得整个图像亮度背景趋于一致后,再进行通常的阈值分割。实验结果表明,用该方法能取得良好的分割效果。     

基于断层图像分割的三维匹配插值

CT和MRI图像断层之间的距离远大于断层内部像素间的距离,三维剂量场的计算等工作通常需要等间隔分布的三维图像数据。目前常用的基于灰度插值方法会引起图像边界模糊,而基于形状的插值方法不能得到整个图像的数据。为解决这一问题,文中提出了一种基于断层图像分割的三维匹配插值算法。通过对断层图像进行分割,获得断层图像的空气、软组织和骨骼等区域信息。对相同密度区域采用匹配插值,不同密度区域采用缩放区域大小作为插值数据,使新的图像不仅在灰度上,而且在组织形状上介于原来的断层图像之间,满足了医学图像插值要求。和线性插值方法相比,新算法提高了插值图像的质量,插值结果可有效地应用于构建三维体模型。     

图象数据读取方法及阈值分割技术

对ＢＭＰ文件格式进行分析,读取图象数据,并对这些数据进行处理,通过阈值分割技术得到图象边缘。     

自动指纹识别系统中指纹图像分割方法的研究

在研究和分析传统的指纹分割方法：方差法和方向图法的基础上,介绍了一种基于最大类间方差的指纹图像分割方法,并将它和方向图法合理结合,然后提出了一种新的基于方向图和最大类间方差的复合分割方法。该复合分割方法的优点是不仅具有良好的分割效果,而且该方法在运算速度上比传统方法更快,更适合于实时处理。     

自动指纹识别系统中指纹图像分割方法的研究

在研究和分析传统的指纹分割方法:方差法和方向图法的基础上,介绍了一种基于最大类间方差的指纹图像分割方法,并将它和方向图法合理结合,然后提出了一种新的基于方向图和最大类间方差的复合分割方法。该复合分割方法的优点是不仅具有良好的分割效果,而且该方法在运算速度上比传统方法更快,更适合于实时处理。     

基于遗传算法的图像分割阈值选取

图像分割是图像处理和计算机视觉的重要研究领域.基于图像的灰度级特征,以目标和背景最大程度地分开为判据,文章提出了一种简捷的自动识别最优阈值的方法,该方法将遗传算法引入图像分割,利用遗传算法具有的快速寻优特点,优化了求解阈值的过程,对更多图像都可以给出最佳的阈值,达到较好的图像分割效果,大大缩短了计算时间.     

基于泰勒展开式的图像插值方法

为获得清晰光滑的图像轮廓,提出一种基于泰勒展开式的图像插值方法。根据靠近边缘中心一侧的已知像素,利用泰勒展开式估计待插值像素,减小插值图像边缘的宽度,并增加边缘斜坡坡度,从而获得清晰的插值图像边缘。实验结果表明,该方法简单且易于实现,与逆梯度加权方法相比,能获得更清晰的图像边缘。     

基于变精度粗糙集和粒子群的图像分割方法

针对其他算法分割图像耗时较多的问题,结合粒子群优化算法和变精度粗糙集理论提出了一种新的分割算法.利用粗糙集理论将图像按照一定的规则进行划分,找出图像的边界.利用变精度粗糙集理论对图像子块的边界进行计算,利用粒子群优化算法寻找最佳的β及其对应的灰度值,并对图像进行分割.通过对测试图像进行Matlab仿真,验证了算法的效果...     

烧结断面图像分割方法的研究

利用图像分割技术,采用迭代的两级K＆I最小误差阈值分割算法,对烧结图像的背景和红火区及红火区和气孔区进行了自动分割。在VisualC 6.0软件开发平台上编程实现并与其它算法作了比较。实验结果表明:该方法分割速度快,程序简单,且具有良好的分割效果,为图像特征提取和图像识别工作奠定了良好基础。     

一种基于类推思想的图像分割方法

论文结合图像类推思想提出了一种图像分割的新思路。图像类推技术是一种基于学习的思想。论文利用图像自身的特性构造训练集合的源图像对,并学习他们之间的关系,达到图像分割的目的。实验证明基于类推思想的图像分割可以得到满意的分割效果。