傅里叶谱和矩不变法结合的图像阈值分割

针对矩不变法图像分割算法中存在的问题,提出了一种基于傅里叶谱和矩不变法相结合的图像分割方法。首先依据矩不变原理计算待分割图像的累计灰度分布函数值获取初始阈值,然后对图像直方图进行傅里叶变换,并得到傅里叶谱系数,最后利用该系数和累计灰度分布函数值对初始阈值进行调整,由于傅里叶谱能很好地“匹配”矩不变法获取的阈值,从而能自动调整初始阈值,使分割效果达到最佳。分割实验结果表明,该方法不仅运算速度快,而且有较好的分割效果和普适性。     

用矩保持法分割烧结机尾断面图象

介绍了一种用于图象分割的多阈值自动选择算法──矩保持法。它是基于图象分割前后矩保持不变的原理，利用图象的灰度级直方图自动地确定多个分割阈值，该算法简单、计算量小。用该算法分割烧结机尾断面图象，得到了良好的分割效果。     

用矩保持法分割烧结机尾断面图像

介绍了一种用于图象分割的多阈值自动选择算法－－矩保持法。它是基于图象分割前后矩保持不变的原理，利用图象的灰度级直方科自动地多个分割阈值，该算法简单、计算量小。用该算法分割烧结机尾断面图象，得到了良好的分割效果。     

基于轮廓结构元素和阈值分割的形态学去噪

将图像分割技术应用于图像复原,提出基于轮廓结构元素和阈值分割的数学形态学去噪算法。该算法对图像进行阈值分割得到目标图像和背景图像,采用不同的轮廓结构元素滤波器算子对得到的2幅图像进行滤波并合成。实验结果表明,与其他形态学滤波算法相比,该算法有效地抑制了噪声,对主要目标的边缘细节起到了较好的保护作用。     

基于Curvelet变换和多目标粒子群的混合熵MRI图像多阈值分割

针对因噪声干扰多、灰度不均匀、目标边界模糊导致的核磁共振成像（MRI）图像难以精确分割的问题,提出了一种基于Curvelet变换和多目标粒子群（MOPSO）的混合熵MRI图像多阈值分割算法。首先,对待分割MRI图像进行Curvelet分解,提取低频子带和高频细节子带构建概貌-细节灰度级矩阵模型,以提高算法的目标细节表示能力;其次,同时考虑目标与背景的类间差异性与类内均匀性,将提出的二维多阈值倒数熵和倒数灰度熵组合定义为混合熵,作为多目标粒子群算法的目标函数,协同搜索得到最优的分割多阈值,以实现MRI图像的精确分割;最后,为提高算法的求解速度,提出了二维倒数熵和倒数灰度熵多阈值选取的梯度算法。实验结果表明：与二维tsallis熵、自动细菌觅食分割法（ABF）和改进的Otsu多阈值分割算法相比,所提方法对灰度不均和含噪的MRI图像具有更好的适应性,分割结果更为精确。     

广义模糊熵图像阈值分割参数选取的ADE方法

针对广义模糊熵图像阈值分割参数不能自动选取,提出自适应差分进化（Adaptive Differential Evolution,ADE）的广义模糊熵图像阈值分割方法。利用自适应差分进化算法作为优化工具来选取广义模糊熵阈值分割所需要的最佳参数,引入自适应变异算子和提出交叉概率自适应函数对优化过程进行控制,通过把参数带入广义模糊熵的补函数得到图像的阈值,进而得到图像最优分割。为验证其有效性与可行性,分别同基本图像质量评价准则的模糊熵图像阈值分割算法和粒子群优化广义模糊熵图像阈值分割算法相比较,实验表明,针对不同细节的图片,该算法所得分割结果多数情况下背景信息更少,目标信息更清晰,用时更短,分割更稳定且效果良好。     

基于矩和自适应阈值的迭代分割算法研究

基于自适应阈值的图像分割算法具有算法简单、易于实现且计算量小等优点.但对于有较复杂背景的小目标图像,单一运用此方法不能将目标从背景中分割出来.为了解决这个问题,提出了一种基于矩特征、角点特征以及自适应阈值的迭代分割方法.首先利用角点特征和矩特征选择目标区域,进而在该区域内计算自适应阈值,利用迭代的思想克服先前图像分割算法中阈值只选取一次的问题,从而得到较为满意的图像分割效果.仿真结果证明,提出的算法在飞机图像分割方面的优越性.     

基于人工免疫的烟草异物图像多阈值分割

烟草异物图像分割是图像异物识别的基本任务。为了快速实现烟草异物图像多阈值分割,提出了一种基于人工免疫算法与最大类间方差法的多阈值烟草异物图像自动分割方法。算法首先定义了图像分割目标函数;接着运用人工免疫算法,结合最大类间方差法以及目标函数对图像进行自动分割,并产生最优的多阈值,从而实现图像的多阈值分割。人工免疫算法中,抗原是指最优图像分割目标函数,而抗体是指最优的多阈值。实验证明,方法对烟草异物图像多阈值分割的效果良好,分类清晰。     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

视频监视中运动目标检测与识别方法

针对户外监视应用背景，提出了彩色图像差值模型，自适应阈值分割算法、图像形成学噪声滤除方法，实现了户外场景中运动目标的有效检测；对分割后的目标，撮不变矩特征，然后利用人工神经网络实现了运动目标责任制的快速识别。实验结果验证了上述方法的有效性。     

基于人工免疫的灰度图像多阈值自动分割

为了实现灰度图像的自动分类以及自动分割,提出了一种基于人工免疫及最优分类数的灰度图像多阈值自动分割方法.定义了灰度图像最优分类数目标函数;接着运用人工免疫算法,结合最优分类数函数对灰度图像进行自动分类,并产生最优的多阈值,从而使得图像的全自动分割成为可能.该人工免疫算法中,抗原是指最优分类数目标函数,而抗体是指最优的多阈值.通过实验证明,分类清晰,效果良好.     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

基于口腔图像的分割算法的研究

针对传统分割算法难以解决多目标分割等问题,提出了一种改进的一维Kapur熵多阈值分割算法.该算法依据Kapur熵阈值选择原理,应用图像灰度直方图信息,利用迭代合并和选择方法建立口腔图像中的阈值分割模型,解决了图像分割中阈值的自动获取问题和多阈值并行选择问题,实现了口腔图像中牙齿和病灶的分离.形状准则和一致性准则评价方法证明了该算法在抗噪声方面明显优于自适应阈值方法.获得的分割结果较好地保留了图像的灰度信息和边缘信息,为后续的图像分析和诊断工作提供了保证.     

多种群联合的多目标进化自适应阈值图像分割算法*

多阈值图像分割算法的阈值数目大多需要用户指定,人为干预较大。本文提出多种群联合的多目标进化自适应阈值图像分割算法,本文提出多种群联合的多目标进化自适应阈值图像分割算法,在多个分组种群的联合进化框架下,通过同时优化类间方差准则和模糊熵准则获得图像阈值,并在进化过程中采用自调节的交叉和变异操作产生子代种群并自动确定阈值数目。实验结果表明,该算法不仅能自适应得到合适的阈值数目,而且阈值分割效果也是比较理想的。     

基于遗传算法的自适应聚类图像阈值分割方法

文中针对复杂背景条件下的红外图像分割问题,将遗传算法引入最大类间方差法中,同时结合人类视觉感知原理,探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

基于SUSAN边缘信息的阈值分割算法

基于边缘信息的阈值分割方法因为在保持目标轮廓和分割低对比度图像方面具有良好性能,特别适用于对工业生产图片的分割,但是传统方法普遍存在对噪声敏感和阈值难以选取的问题,针对这些问题,提出一种基于SUSAN边缘信息的自适应图像阈值分割算法,使用SUSAN特征响应描述像素的边缘信息,以有效抑制噪声和弱边界的影响。基于图谱理论的最小最大割阈值分割算法相比于其他分割算法时空复杂度大大降低,且获取的阈值全局最优。实验结果表明,该算法能够准确分割出目标,保留丰富的细节内容,对低对比度图像和噪声图像也有很好的分割效果,获取的阈值相比于传统算法更优。     

MSTAR图像的矩特征分析与多阈值分割

图像分割是SAR图像自动目标识别应用中的基础性问题。定义并分析了MSTAR图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。通过由图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,因此通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率（CFAR）、最大类间方差（OTSU）、模糊C均值（FCM）和马尔可夫随机场（MRF）等典型分割算法相比,本文方法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。     

一种自适应磨粒图像分割方法的应用研究

利用计算机图像处理技术实现铁谱图像诊断自动化是铁谱技术发展的目标,铁谱磨粒图像分割是磨粒自动识别的重要环节,其分割效果直接影响磨粒识别的精度。原始区域生长算法需要提供种子点以及生长阈值才能进行图像分割。不同的种子点和不同的阈值会对分割效果产生很大影响。提出一种结合模糊C均值的区域生长算法,可根据磨粒图像自动获取种子点,并利用模糊互信息自动确定生长阈值,实现磨粒图像的自动分割。实验结果验证了该方法的有效性。     

基于改进几何矩的移动机器人目标位姿识别

机器人作业环境复杂、物料的随机摆放使得目标识别与定位精度低、实时性差,提出改进几何矩的移动机器人目标识别;采用RGB-D相机进行图像采集与深度信息获取;提出了基于HSV的改进自动阈值与形态学相结合的分割算法对目标物料进行识别,根据HSV颜色空间的特点结合Otsu算法对物料目标进行分割,通过高斯滤波与形态学低通滤波器OC-CO对分割后的目标进行滤波降噪和补全处理;提出了Graham与旋转卡壳相结合的算法寻找最小外接矩来获取目标物料的准确位姿;实验结果表明算法具有较高的准确性和鲁棒性。     

基于区域分割的水下目标实时识别系统

提出了一种基于最优阈值分割算法的水下目标自动实时识别系统。该系统首先运用去噪、图像均衡等方法对实时摄取的水下图像进行预处理。然后运用基于遗传算法优化的 Otsu(即大津方法)最优阈值分割算法对所得图像进行区域分割并提取图像的特征向量。最后采用 BP 神经网络对提取的特征向量进行自动分类从而最终确定了水下目标的类型。水槽仿真试验表明该方法能够在恶劣的环境下自动地检测水下目标,而且该方法具有较强的抗光线干扰能力和较高的准确度。