二维Otsu阈值分割算法的改进

自动图像阈值分割技术已经被广泛的应用在图像处理和计算机视觉领域中的目标检测,跟踪和识别上。其中Otsu阈值分割算法是一种被广泛使用的分割技术,对于那些直方图呈双峰分布的图像可以得到优秀的分割效果。然而如果直方图是单峰或是有异常数据出现时,传统的Otsu阈值分割算法则会发生错误。为改善传统Otsu法在处理图像时的计算受噪声干扰严重、实时性差、复杂度高等缺点,本文提出了一种改进的基于中值的Otsu阈值分割算法。最后进行的多次测试和实验说明这种改进的方法与传统的Otsu阈值分割算法相比较会得到更加满意的结果。     

基于Otsu准则及图像熵的阈值分割算法

在图像分割中,阈值的选取至关重要,在经典的Otsu准则基础上,结合图像熵提出了一种改进的局部递归的阈值选取及分割算法。基于图像像素熵信息,运用递归思想局部搜索图像的最佳阈值,这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或图像不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,有利于分割后的特征提取。对Lena图像进行了实验,获得了较好的分割结果。     

基于细菌觅食优化算法的多阈值图像分割

由于多阈值图像分割的时候,Otsu算法计算量过大的问题,提出了基于细菌觅食优化算法的多阈值图像分割方法。首先,将细菌觅食优化算法中趋化操作中的固定步长进行动态调整。其次将原算法迁徙操作中细菌的随机驱散改成正负一的操作。与Otsu算法相比较而言,改进后的算法计算量明显减小。实验结果表明,该算法能够更快速,更准确的实现多阈值图像分割。     

二维Otsu自适应阈值分割算法的改进

在二维OTSU自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法，这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其领域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法，通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善，同时还大大降低了算法的复杂性。     

Otsu方法在多阈值图像分割中的应用

图像分割是数字图像处理中的一个重要问题.该方法改进了传统的最大类间方差法(Otsu法),使其可以应用于图像的多阈值分割.提出以双峰法引导来提高Otsu法多阈值分割图像的运算速度和稳定性.对样本图像的分割结果显示,此算法在分割速度和效果上都取得了较好的结果.     

基于蚁群算法的改进Otsu理论的图像多阈值分割

图像分割是由图像处理到图像分析的关键步骤,Otsu法是一种效果较好、实现简单的阈值分割方法。针对传统的Otsu阈值计算方法耗时较多、准则函数不一定单峰这一问题,提出了采用蚁群优化算法来求解阈值,并改进了传统的Otsu理论。分割效果表明该算法不仅提高了分割质量,而且缩短了寻优时间,从而说明了该算法的有效性,正确性。     

回溯搜索优化算法辅助的多阈值图像分割

阈值法是一种简单且有效的图像分割技术。然而阈值求解的计算量随阈值的增加而呈指数级别增长,这给多阈值图像分割带来巨大挑战。为了克服计算量过大问题,视多阈值分割模型为优化问题,分别将Otsu法和Kapur法作为目标函数,采用回溯搜索优化算法求解目标函数,实现多阈值图像分割。将提出的多阈值分割算法应用于自然图像分割,并与其他算法比较,实验结果说明基于回溯搜索优化算法的多阈值图像分割技术是可行的,而且具有较好的分割效果。     

萤火虫算法优化最大熵的图像分割方法

为了提高图像的分割效果,提出一种萤火虫算法优化最大熵的图像分割方法。获得最大熵法的阈值优化目标函数,采用萤火虫算法对目标函数进行求解,找到图像的最佳分割阈值,根据最佳阈值对图像进行分割,通过仿真实验对分割效果进行测试。结果表明,该方法可以迅速、准确找到最佳阈值,提高图像分割的准确度和抗噪性能,可以较好地满足图像分割实时性要求。     

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。     

基于图像区域的交互式文本图像阈值分割算法

针对现有局部阈值分割算法因参数过多带来的参数选择问题以及在分割结果中块与块之间不连续性问题,利用用户提供的先验知识或经验,提出了一种基于灰度图像区域的交互式文本图像阈值分割算法.该方法首先粗略地将图像进行分块;利用标准差作为衡量图像块含有信息量(背景信息与目标信息)多少这一度量,接着按标准差大小对所有图像块进行排序;然后由用户输入交互式信息将所有图像块分为3个集合:仅含背景或仅含目标的图像块、含有少量背景或者是含有少量目标的图像块以及背景和目标分布比较均衡的图像块;最后对各个集合中的图像块分别按相应准则进行分割.实验结果表明,对于均匀和非均匀光照条件下的文本图像,与全局分割算法、直接分块分割算法和Chou方法相比,该方法在分割效果上有显著提升,而且执行效率也较高.另外,对于部分非文本图像也同样有效.     

布谷鸟搜索算法在多阈值图像分割中的应用

穷举式搜索在寻找多个分割阈值时,计算较为复杂.为解决该问题,提出一种基于布谷鸟搜索算法的多阈值图像分割算法.以Otsu法设计适应度函数,利用布谷鸟搜索算法的并行寻优性能寻找待分割图像的最优阈值.实验结果表明,与细菌觅食算法和人工蜂群算法相比,该算法的寻优速度更快,找到的阈值质量更高.     

基于改进萤火虫优化算法的多阈值彩色图像分割

为了提高彩色图像的分割效果,提出一种基于改进的萤火虫优化(IGSO)算法的彩色图像多阈值分割方法,该方法以Kapur熵为目标函数。针对基本萤火虫优化(GSO)算法进化后期收敛速度慢和求解精度低的问题,采用自适应步长和添加全局信息两种策略,提出了一种改进的萤火虫优化(IGSO)算法。IGSO算法根据步长和萤火虫的移动方向对萤火虫算法收敛性的影响,在萤火虫移动过程中引入全局信息,采用随着迭代次数和搜索空间维数自适应变化步长的策略,来提高收敛性能。实验结果表明,该方法能够较好地对彩色图像进行分割,其性能优于基本的萤火虫优化(GSO)算法、改进的量子行为粒子群优化算法(CQPSO)和改进的细菌觅食算法(MBF)。     

一种改进的三维Otsu图像分割算法

针对传统的三维Otsu分割算法计算量大、运算时间长等问题,提出一种利用一维Otsu来减小迭代空间和搜索空间,并用布谷鸟搜索算法进行寻优的算法。仿真实验表明,该算法能够有效减少运算时间。同时针对传统的三维Otsu算法因忽略2-7区域而导致错分的问题,提出了一种处理方法。该方法将2-7区域的像素点分为噪声点和非噪声点,分别对其进行处理,对2-7区域内的所有点都进行分配。仿真实验表明,由于该方法考虑了所有像素点,分割结果要优于传统的三维Otsu分割算法。     

基于改进的最大类间方差算法的图像分割研究

每种图像分割方法都只利用了图像信息中的部分特征,必然带有局限性,因此只能针对各种实际应用领域的需求来适当选择所需的方法.比较了几种阈值分割和边缘检测算法,着重研究了最大类阃方差算法,并对其进行改进.针对不同的图像进行了仿真,对实验结果进行了分析、研究、比较.结果表明,改进的Otsu算法能有效地提高图像分割的质量.     

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。     

一种鲁棒的彩色图像多阈值分割方法及应用

根据独立峰值特性把彩色图像的各颜色分量直方图划分为多个待分割区间,使得Otsu算法在彩色图像处理中实现了多阈值分割。该方法应用于RoboCup足球机器人,针对其HSI模型彩色图像提出了一种多阈值分割改进方法,即在中高饱和度的图像区域以H分量作为分割依据选取分割阈值;在低饱和度的图像区域以I分量作为分割依据选取分割阈值。实验证明,该方法能自动快速地对彩色图像进行多阈值分割,并具有很好的鲁棒性。     

一种改进粒子群优化算法的Otsu图像阈值分割方法

阈值法分割图像时只利用图像的灰度信息,具有直观、实现简单的特点。针对传统的粒子群优化算法(Particle Swarm Optimization,PSO)分割图像易陷入局部最优的缺点,提出一种基于改进粒子群优化算法的Otsu图像阈值分割方法。以Otsu算法的类间方差作为适应度函数,在每次迭代中选取适应度较好的粒子同时加入新的粒子,以提高粒子多样性。实验表明,与Otsu算法和PSO算法相比,改进的粒子群优化算法不仅加快了收敛速度和运算速度,而且提高了图像分割的准确率。     

一种结合粒子群算法和自适应加权窗的二维Otsu图像分割新方法

针对传统二维Otsu门限分割方法中滤噪和小目标保持性能的不足,提出了一种基于自适应加权窗的二维Otsu门限分割的新方法。新方法对二维Otsu的部域窗口设置方法做了改进,使用中心点的局部平稳特征来自适应地确定下一邻域窗口的尺寸大小,然后利用粒子群算法来加快门限的计算速度,从而提高门限分割的性能。实验结果表明:与目前广泛使用的一维Otsu、二维Otsu方法以及直线型门限二维Otsu方法相比,新方法有着更好的门限分割效果,并且有更好的噪声抑制和目标保持效果。     

A Local Contrast Fusion Based 3D Otsu Algorithm for Multilevel Image Segmentation

To overcome the shortcomings of 1D and 2D Otsu’s thresholding techniques, the 3D Otsu method has been developed. Among all Otsu’s methods, 3D Otsu technique provides the best threshold values for the multi-level thresholding processes. In this paper, to improve the quality of segmented images, a simple and effective multilevel thresholding method is introduced. The proposed approach focuses on preserving edge detail by computing the 3D Otsu along the fusion phenomena. The advantages of the presented scheme include higher quality outcomes, better preservation of tiny details and boundaries and reduced execution time with rising threshold levels. The fusion approach depends upon the differences between pixel intensity values within a small local space of an image; it aims to improve localized information after the thresholding process. The fusion of images based on local contrast can improve image segmentation performance by minimizing the loss of local contrast, loss of details and gray-level distributions. Results show that the proposed method yields more promising segmentation results when compared to conventional 1D Otsu, 2D Otsu and 3D Otsu methods, as evident from the objective and subjective evaluations.