细胞膜机制萤火虫算法优化多阈值Otsu图像分割

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果,但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题,本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度,并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的"早熟"现象.实验结果表明,与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比,本文提出的算法具有更高的收敛速度和更好的图像分割效果,并且有效解决了萤火虫算法易陷入局部最优的问题.     

工业检测图像灰度波动变换自适应阈值分割算法

工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.     

人工蜂群算法在图像分割中的应用研究

为快速准确地分割图像,将新型群体智能模型中的人工蜂群算法、灰度形态学和二维Otsu法相结合,提出了一种图像分割新方法。该方法对待分割的图像进行灰度形态学中的闭操作预处理,以抑制图像噪声,把图像阈值看成人工蜂群算法中的蜜蜂,利用二维Otsu法设计人工蜂群算法的适应度函数;通过采蜜蜂、侦察蜂和观察蜂的分工协作和信息共享,逐代逼近最佳阈值。实验结果显示,该方法在分割红外图像和SAR图像时,分离出来的目标更加适合后序的分析和处理。     

基于遗传算法的二维最大类间方差图像分割算法

为解决传统二维最大类间方差(Otsu)阈值分割算法处理图像时计算复杂度高、实时性差、易受噪声干扰等问题,本文将遗传算法应用到二维Otsu法中,提出一种基于遗传算法的最大类间方差法的灰度图像分割算法.二维Otsu算法考虑了图像的灰度信息及邻域空间的相关信息,以保证图像分割的精度;利用遗传算法则能提高运算速度.因此,基于遗传算法的最大类间方差法的灰度图像分割算法兼有二者优点,不仅提高运算速度而且能保证图像分割精度.     

基于改进粒子群优化算法的Otsu图像分割方法

Otsu算法分割图像时不依赖于图像的内容,具有较好的适应性,但计算量大和实时性差的缺点限制了其应用。针对这一问题,提出一种基于改进粒子群优化算法的Otsu分割方法。该方法以Otsu算法中的类间方差作为粒子群优化算法的适应度函数,以当前分割阈值作为粒子的当前位置,以阈值更新速度作为粒子的当前速度,以粒子最优适应值的改进量作为惯性权重,在灰度空间动态搜索使类间方差最大的阈值。实验结果表明:该方法能获得与经典Otsu相当的分割效果,而且显著地缩短了分割时间,算法效率更高。     

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。     

基于分解的灰度图像二维阈值选取算法

作为一维Otsu法的推广, 二维Otsu法综合考虑了像素点的灰度信息及其邻域灰度的均值信息, 可以有效地滤除噪声. 其快速算法采用递归的方式构建查找表, 将算法的时间复杂性由OL4降到OL2. 提出基于分解的阈值选取算法, 求解两个一维Otsu法的阈值来替代原始的二维Otsu法的最佳阈值. 指出在原算法的假设成立的条件下, 该方法可以得到与原二维Otsu法相同的分割阈值, 而算法的时间复杂性可以进一步降低到OL. 而在实际中, 原算法的假设一般不成立. 本文的实验结果表明此时该阈值选取方法也可以在保证原二维Otsu算法良好的抗噪性的前提下, 计算阈值所需的时间更短、空间更小, 且阈值化结果也可以达到或优于二维Otsu算法的结果.     

基于粒子群和二维Otsu方法的快速图像分割

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法.针对二维Otsu方法计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.每个粒子代表一个可行的二维阈值向量,通过粒子群之间的协作来获得最优阈值.结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用.     

融合非局部空间灰度信息的三维Otsu法

为了提高最大类间方差阈值分割法(Otsu)对于图像噪声的鲁棒性,提出融合非局部空间灰度信息的三维Otsu法。该方法利用图像像素的灰度信息、邻域中值灰度信息和非局部空间灰度信息进行直方图统计,构建新颖的三维直方图,采用最大类间方差作为阈值选取准则。实验结果表明新方法对于噪声的鲁棒性要优于原始三维Otsu法,能够获得更加令人满意的分割结果。     

Analysis of patch uniformity based on Otsu' s method

通过图像分割技术实时监测整个中药贴剂的生产流程,分析在线采集的贴剂图像的灰度特征、找到影响中药贴剂均匀度的因素,实现自动化生产.结合贴剂生产特点,采用基于灰度一梯度Otsu算法来提高对贴剂图像的分割精度;通过Otsu算法与粒子群优化算法结合,来降低图像分割的时间复杂度;针对影响因素的多样性,通过分离因子确定阈值分割个数.实验结果表明,该方法对贴剂图像具有良好的分割效果,满足速度和精度要求.     

改进的三维Otsu图像分割快速算法

针对三维Otsu图像分割算法运算量大和图像细节分割不够准确的问题,提出一种改进的三维Otsu图像分割算法。该算法基于灰度-邻域平均灰度-梯度的新的三维特征模型,构建三维直方图;将三维Otsu分解为三个一维Otsu;在同时考虑类间距离和类内距离的基础上,提出一种新的最大散度差准则。实验结果表明,该算法不仅可以取得较好的分割效果,而且计算量较小,比三维Otsu阈值分割递推算法快900倍左右。     

改进的2维Otsu法及混沌粒子群递推的阈值分割

鉴于现常用的灰度级-平均灰度级2维直方图区域划分将部分目标和背景点错分成边缘和噪声点这一不足,为此提出了一种基于灰度级-梯度2维直方图的Otsu阈值选取新方法,利用混沌粒子群优化算法来寻找分割阈值,并提出在迭代过程中,采用递推方法来大大减少适应度函数的重复计算。实验结果表明,与最近提出的基于灰度级-平均灰度级2维直方图Otsu法及粒子群的快速图像分割方法相比,该新方法由于尽可能地考虑了所有目标点和背景点,从而使分割后的图像区域内部均匀、边界形状准确、特征细节清晰,同时运行时间几乎不到现有算法的1/3,而且粒子群处理的收敛精度得到了进一步提高。     

基于遗传算法的二维Otsu算法改进

为改善传统二维0tsu阈值分割算法处理图像时计算复杂度高、实时性差等缺点,将遗传算法应用到二维Otsu灰度图像阈值寻优中,并提出一种改进的自适应遗传算法。实验证明,新的算法对灰度图像有较好的分割效果,与传统算法相比,分割图像清晰,实时性也得到了明显的改进。     

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。     

改进的快速Otsu自适应分割算法及其应用*

对Otsu算法因灰度直方图峰值不明显导致分割效果差提出了改进,根据分割目标背景信息的先验值对类内灰度值进行调整,通过迭代计算,使类间方差最大化,从而自动确定阈值,并应用于虹膜图像分割。实验结果表明,该算法对虹膜图像分割效果好,运算速度快,具有一定的鲁棒性和自适应性,可用于虹膜图像的实时分割。     

结合灰度均衡和改进遗传算法的图像阈值分割

图像分割是图像处理、模式识别、计算机视觉等领域的重要技术。为实现高质量的数字图像分割,提出了一种结合图像灰度均衡和改进遗传算法的数字图像阈值分割方法。创新点在于一方面采用结合了最大类间方差法的改进遗传算法,并对遗传算法性能加以改进;另一方面,对图像进行了灰度均衡的图像前处理,使得算法具有更广泛的适应性。实验显示,方法克服了常见的图像阈值分割方法在处理灰度图像时出现的图像细节难以保留的问题,能够稳定地获得图像的最优阈值,实现保留图像细节的分割效果。     

改进的红外图像2维Otsu分割算法

针对红外图像有别于一般灰度图像的特点,常用的灰度级平均灰度级2维直方图区域划分在红外图像分割中效果不佳,为此提出一种改进的灰度级梯度2维Otsu阈值选取方法,选取合适的梯度算子,利用改进的粒子群优化算法寻找分割阈值,在算法中加入有效判断早熟停滞的方法,一旦检索到早熟迹象,便随机改变最优解的任意1维分量值,使其跳出局部最大,实现全局寻优过程的快速收敛。仿真实验结果表明,该算法由于使用新的2维直方图,分割后的红外图像边界形状准确,特征细节清晰,运算速度也得到了有效提高。     

一种改进的舰船红外图像分割算法

图像分割在图像分析和识别中具有重要的意义,针对最大类间方差法—Otsu法在复杂背景或目标灰度与其周围背景灰度相差不大情况下,目标相对面积较小时易出现目标与背景误分割的问题,提出了一种改进的Otsu法。该算法先对预处理后的红外舰船图像归一化投影,然后,按一定阈值对图像进行裁剪,最后,利用Otsu法进行分割。实验结果表明:与Otsu法、递归Otsu法相比,该算法能够更好地分割出目标。     

基于脉冲耦合神经网络的图像分割

针对传统脉冲耦合神经网络(PCNN)模型在图像分割时需要设置较多参数和不能准确分割低对比度图像的问题,提出一种简化的PCNN模型和改进算法。在简化模型中减少了在传统PCNN模型中需要设置的参数的数量;在改进算法中根据图像像素空间和灰度特征自适应设置模型参数,并根据图像灰度直方图求出灰度期望均值作为图像分割阈值,因此该算法无需选择 循环迭代次数,只需一次点火过程就能实现图像的有效分割。实验结果表明,该方法能准确分割图像,纹理细节清晰,分割结果优于人工调整参数的PCNN方法和Otsu方法。