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。     

基于HEA算法的二维最大相关准则图像分割

针对目前一些算法对于同一图像每次分割得出的阈值不同,存在分割不稳定的问题,提出了一种基于和声五元素算法(HEA)的二维最大相关准则图像分割算法。该算法利用图像目标和背景分布的相关量最大值来选取阈值,并运用 HEA算法优秀的全局搜索能力优化运算速度,提高图像分割的稳定性和质量。实验结果表明本文方法有较好的稳定性,分割效果良好。     

基于遗传算法的图像阈值分割

该文将遗传算法用于Ｏｔｓｕ法和ＫＳＷ熵法两种图像阈值分割方法中,进行了针对图像分割的遗传程序所需的参数设计,并采用遗传算法实现单阈值和多阈值图像分割。实验结果表明分割速度快于传统阈值分割法,缩短了运算时间。     

基于遗传算法的最大熵阈值的图像分割

图像阈值分割技术在图像分析和图像识别中具有重要的意义.最大熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.文中将遗传算法用于最大熵阈值的图像分割方法中,分别对一维及二维阈值分割的情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像分割方法. 通过对几幅经典图像的分割结果对比,表明了基于遗传算法的最大熵阈值的图像分割方法可以有效地提高最大熵图像分割的计算速度,提高图像处理的实时性.     

基于遗传算法的图像阈值分割

该文将遗传算法用于Otsu法和KSW熵法两种图像阈值分割方法中,进行了针对图像分割的遗传程序所需的参数设计,并采用遗传算法实现单阈值和多阈值图像分割。实验结果表明分割速度快于传统阈值分割法,缩短了运算时间。     

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。     

红外图像阈值分割算法的研究

目标分割是图像处理、计算机视觉及人工智能领域中的一项基本而关键的技术,其目的是为后续的识别、分类、跟踪和检索提供依据.由于红外图像具有对比度低、噪音大,图像模糊等特点,故将遗传算法应用到红外图像阚值分割中.本文对红外图像阈值分割算法进行了综述,对遗传算法在红外图像分割中应用的研究方法,研究现状及其新技术进行了介绍.该算法被用在红外图像处理中,并取得较好效果.     

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。     

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差（Otsu）图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。     

基于小波域隐马尔科夫树模型的图像分割

改进了传统的基于小波域隐马尔科夫树模型的图像分割方法.由于传统方法均为直接选择小波子带系数作为训练特征,不能直接得到像素级分割结果;同时传统方法在后融合方面对所有尺度均采用同一种上下文背景,而忽略不同尺度上初分割类标志图的特点.因此,本文在粗分割阶段首先处理了训练时参数设置的问题,并选取了更能表征纹理的特征,能直接得到像素级分割结果;在多尺度融合阶段,充分利用不同尺度上类标志图的特性,不仅考虑粗尺度信息对融合结果的影响也考虑了细尺度信息对结果的影响.实验表明本文算法的视觉效果好干与本文进行比较的Choi提出的HMTseg以及孙强提出的WD-HMTseg遥感图像分割算法.     

基于局部兴奋全局抑制振荡网络的图像分割

将局部兴奋全局抑制振荡网络（ＬｏｃａｌｙＥｘｃｉｔａｔｏｒｙＧｌｏｂａｌｙＩｎｈｉｂｉｔｏｒｙＯｓｃｉｌａｔｏｒＮｅｔ－ｗｏｒｋ,简称ＬＥＧＩＯＮ）应用于图像分割．将侧电势引入振荡子的动态行为,有效地克服了噪声对主要区域的影响．用含噪声的二值图模拟了ＬＥＧＩＯＮ的时间演化．根据大脑区域分割特征聚合原理的相近性、相似性和连通性原则,设计了分割灰度图的网络连接权．用ＨＳＩ色空间设计了突出Ｈ分量的连接权,得到了比基于ＲＧＢ色空间分割更为满意的分割效果．     

一种基于可变形模型的图像分割算法

提出了一种新的基于可变形模型的图像分割算法。该算法在模拟气球膨胀法的基础上，对内外部力场进行了改进。并通过控制力场的方向，使Snakes不断向图像内部收缩分裂，最终完成对图像的分割。对合成图像和实际图像的实验表明，这一方法是行之有效的。     

基于超光谱图像的舌体分割算法

舌体分割是实现中医舌诊现代化的一个前提工作,分割质量直接影响舌象诊断的性能.然而由于舌的生理特征比较复杂,舌的形态以及舌与嘴唇的连接各不相同,使得舌体分割比较困难.本文采用超光谱成像系统代替数码相机采集舌图像,并借鉴光谱角度匹配算法,发展了基于超光谱图像的舌体分割算法.这一算法通过光谱角度匹配算法将超光谱舌图像立方体转换成光谱角度立方体,然后采用一维脉冲波形的边沿信息检测出边缘信息,最后实现了舌体的分割.试验表明,这种基于超光谱图像的舌体分割算法可以较为准确地将舌体分割出来.     

基于改进的脉冲耦合神经网络的红外目标分割方法

针对红外目标的特点,提出了一种基于直方图的改进脉冲耦合神经网络（PCNN）图像分割方法,本算法摒弃了原有脉冲耦合神经网络模型中的时间指数下降机制,利用灰度直方图的知识直接获得PCNN的分割门限,同时保留了弥补空间罅隙和灰度微小变化的优点,实验表明本算法分割得到的目标区域更加完整,并提高了运算速度。     

基于分水岭-谱聚类的SAR图像分割

由于谱聚类是基于图论的、以相似性为基础的聚类方法,需要计算图像中每对像素点之间的相似性.当图像很大时,计算相似性矩阵和求解相应的特征值、特征向量是很困难和耗时的.为此,针对合成孔径雷达(SAR)图像的特点,提出了一个两阶段的图像分割方法,首先采用分水岭算法对图像进行过分割,然后再用改进的谱聚类算法进行聚类.新方法不仅可以减少噪声对分割结果的影响,很好地保持图像边缘,而且对时间要求较高的应用也具有一定的参考价值.为了验证新方法的有效性,将其用于SAR图像分割,取得了较优的分割结果.     

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

基于局部复杂度的图像过渡区提取与分割

传统的图像过渡区提取算法基于梯度算子，算法对噪声敏感且受剪切值Llow与Lbigh的限制．通过对过渡区像素属性的深入分析，提出基于局部复杂度的过渡区直接提取算法．局部复杂度的滤波作用提高了算法的抗噪性，直接提取则使算法摆脱了对Llow与Lbigh的依赖．实验结果表明，局部复杂度方法优于传统的基于梯度算子的过渡区间接提取方法．     

基于元胞自动机的红外弱小目标图像分割

针对红外成像制导中弱小日标图像分割,提出了基于元胞自动机的自动分割方法.首先使用元胞自动机增强图像的对比度,状态转移函数采用了冯.诺伊曼邻域和一致的演化规则,然后采用边缘双阈值策略二值化图像,最后标记形成目标块,并依据种子点和目标复杂度进行滤波,得到精确的图像分割结果.在实拍的3幅不同类型的红外图像上进行分割实验,其结果表明:提出的方法均能够有效地分割出多个弱小目标区域,有利于下一步的目标识别和跟踪.