基于改进大津法与人工鱼群优化的图像分割算法

为了在泡罩药品包装视觉检测过程中获取更好的图像分割效果,以保证特征提取、缺陷识别等后续任务的顺利进行,对传统二维大津法进行改进,引入类内方差并将其与人工鱼群算法相结合,提出一种新型泡罩药品包装图像分割算法,再对该算法进行理论和仿真分析。研究结果表明：该算法具有较好的图像分割效果,提高了二维阈值查找速度和泡罩药品缺陷检测效率。该算法具有运行速度快、分割效果好、准确可靠等特点,可应用于泡罩药品包装缺陷检测和图像分割领域。     

基于鱼群神经网络的地下水脆弱性评价与分析

地下水脆弱性评价是区域进行地下水资源保护和管理的重要依据。针对BP神经网络技术在对地下水脆弱性进行评价时存在的收敛速度慢、不易获得全局最优解、诊断精度低以及网络结构不确定等缺点,而人工鱼群算法具有较优的全局收敛能力及较快的寻优速度。因此,本文利用人工鱼群算法对BP神经网络的初始权值和阈值进行了优化,建立了一种新的地下水脆弱性评价模型,并将该模型应用到具体的评价实例中。结果表明,人工鱼群神经网络算法具有收敛速度快及泛化能力强的优点,为地下水脆弱性评价提供一种高效、准确及可靠的方法。     

一种改进的Otsu阈值分割算法

当目标与背景的类内方差差别较大时,Otsu法分割阈值偏向于方差较大的一类,从而使分割的效果不佳.针对这一问题,提出了一种改进Otsu阈值分割方法.利用目标在图像中所占比例,综合类内方差与类间方差,修正最佳阈值选择公式,并缩小算法遍历灰度范围来提高算法运算速率,最后通过区域一致性对算法的分割效果进行评价.实验结果表明,改进的Otsu法分割效果较好,并提高了算法执行效率.     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。     

基于二邻域局部阈值的矾花图像分割

本文提出一种采用二邻域类间方差局部阈值化算法对矾花图像进行分割，实践证明该方法非常有效，能基本解决常规局部阈值分割中出现的问题。     

机械工件数字识别的二值化算法研究

分析了基于LOG算子的局部动态阈值和基于最大类间方差的全局阈值算法的基本原理,讨论了他们在机械工件数字识别中二值化的具体实现方法.针对动态阈值和全局阈值各自的优点,结合工件字符图像的特点,提出了LOG算子的局部动态阈值和基于最大类间方差的全局阈值相结合的新方法:首先用LOG算子的局部动态阁值算法增强字符的细节信息,较好的区分了易混淆的数字.然后利用最大类间方差的全局阀值算法对背景进行二值化.该综合算法的计算复杂度、执行时间、二值化效果以及适用范围等方面均有较佳表现,并已应用于实际系统,取得了较好的实验结果.     

利用变分的平面网格图像自适应分割算法

针对管道弯曲度测量系统中照度不均匀的平面网格图像,提出了一种利用变分的自适应阈值分割方法。综合考虑图像的灰度分布和梯度信息,以图像的边缘点作为插值点,构造一个自适应的阈值曲面。在极小化阈值曲面能量函数时,使用变分方法化简Poisson方程,并利用逐次超松弛迭代法求方程的收敛解,从而产生稳定、光滑的阈值曲面,实现对照度不均匀的平面网格图像进行有效分割。为了验证该方法的有效性,进行了图像分割实验,选择超松弛参数为1.5,变分参数为26。并且与常用的最大类间方差法、迭代法和一维最大熵法进行了比较。实验结果表明,对于照度不均匀的平面网格图像,该分割算法的分割效果明显优于其他三种算法,它能准确地分割出平面网格图案。     

基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。     

采用贪婪遗传算法实现图像阈值的自动选取

将贪婪思想引入到遗传算法中设计了贪婪遗传算法,以最大类间方差函数作为遗传算法中适应度的评价函数,利用贪婪算法局部搜索能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动选取。与基本遗传算法相比,本文算法具有更强的寻优性能,从而加快了收敛速度。实验表明基于贪婪遗传算法的阈值自动选取方法具有计算耗时少的特点,更适用于实时图像处理系统。     

基于共轭梯度法的快速Mean Shift图像分割

针对均值漂移算法收敛速度较慢的问题,本文出了基于共轭梯度的快速均值漂移算法,并将其用于图像分割.该算法利用共轭梯度法简便,存储需求小,收敛速度介于最速下降法和牛顿法之间, 具有较好的全局收敛性和较快的收敛速度的特点,通过交替执行均值漂移算法和共轭梯度算法提高经典均值漂移算法的收敛速度.对合成图像和真实图像的实验结果表明了新算法不但提高了经典均值漂移算法的速度,而且在进行图像分割时保持了良好的分割结果.     

基于雁群优化的声呐图像快速阈值分割方法

针对声呐图像阈值分割中,直接阈值法分割效果不理想而复杂阈值法运算效率低的问题,提出一种基于雁群优化算法的快速分割方法。该方法结合声呐图像的特点,根据先验知识截取部分灰度-梯度二维直方图,对其进行最大熵分割,通过计算熵值确定最佳阈值,并在寻找最佳阈值的过程中,引入雁群优化算法进行提速。实验结果表明,该方法用于声呐图像分割时,能够得到较理想的分割效果,同优化前相比,分割速度提高了10倍以上。     

改进PSO-2D Otsu在连铸坯缺陷图像分割中的应用

为更准确有效地提取连铸钢板坯图像中的各类缺陷,通过改进标准PSO算法以优化二维Otsu的阈值选取。将二维Otsu类间方差函数作为粒子的适应度函数,根据适应度值使粒子的惯性权重自适应地优化,根据迭代次数对粒子的变异概率进行改进,提高全局寻优能力和收敛精度。最后选取连铸坯不同种类的缺陷图像进行分割实验,对比二阶振荡PSO-Otsu、二维Otsu、SPSO-二维Otsu法和改进算法的分割结果,多次实验结果表明,改进算法对各类缺陷的分割准确率和成功率分别在90%和96%以上,且算法运行快,具有较好的实用性。     

红外图像的动态阈值分割

在深入探讨目前图像分割算法的基础上，针对实际红外图像的分割提出了一种新的方法－－动态阈值分割算法。它利用局部空间阈值适度调整全局统计最优阈值，因而其分割阈值是动态的。实验表明该算法能够突出图像中感兴趣的细节，单动态阈值的分割效果相当于常规固定双域值的分割。     

铜钢堆焊接头超声弱信号缺陷的提取与量化

采用全局阈值与动态阈值相结合的图像阈值化分割方法,较好地解决了铜钢堆焊接头超声检测图像中弱信号缺陷分割困难问题.介绍了全局阈值法、动态阈值法、全局阈值结合动态阈值法的算法原理,并比较了以上三种方法的缺陷分割效果.为了验证处理结果的可靠性,对试件上典型位置进行了破坏试验,测量了试件断面接合界面上缺陷的线性长度,结果表明测量结果与图像处理结果具有较好的一致性,证明该方法能够将弱信号缺陷从图像背景中提取出来,且缺陷分割误差较小.     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法。该算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数。通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。     

一种基于PSO算法和ICM模型的图像自动分割算法

ICM模型（Intersecting Cortical Model）是一种简化的脉冲耦合神经网络（Pulse Couled Neural Network,PCNN）,ICM模型图像分割的效果取决于ICM模型中各个参数的合理选择,这一般需要通过多次实验获得。而粒子群优化算法（Particle Swarm Optimization,PSO）具有对参数自动寻优的优势,为此,将PSO和ICM模型相结合,以改进的最大类间方差准则函数为适应度函数,提出了一种新的基于PSO和ICM模型图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确的实现图像分割,而且参数可以自动设置省去了人工实验的麻烦,同时分割速度也有所提高。     

基于人工鱼群算法的轴承故障随机共振自适应检测方法

针对传统的自适应随机共振以单个参数为优化对象忽略参数间交互作用的不足及采用遗传算法优化参数在种群数量增加时算法收敛速度明显减缓的缺陷,提出基于人工鱼群算法的自适应随机共振新方法。该方法利用人工鱼群算法对初值、参数设定容许范围较大、具备并行处理能力及人工鱼个体数目增加时鱼群算法收敛速度能提高的特性,自适应实现与输入信号最佳匹配的随机共振系统。仿真数据与轴承滚动体故障数据分析表明,基于该算法的自适应随机共振方法可有效实现微弱特征检测与早期故障诊断。     

基于平行坐标下降法的图像修复

以压缩传感和稀疏表示为理论依据,提出了一种基于平行坐标下降法的图像修复模型。该模型用小波变换作为图像的稀疏表示,以稀疏性作为正则化项;同时基于松弛阈值来标记函数实现全局优化,并采用该模型算法得到全局最优解。从峰值信噪比、收敛速度和视觉效果等3个方面验证了算法的有效性。结果表明新的模型无论是在客观还是视觉主观上都有更好的效果,同时算法具有更快的收敛速度。     

遗传算法和最大方差法在图像分割中的应用

图像分割是图像处理中的重要问题．也是计算机视觉研究中的经典难题。文章首先介绍了最大类间方差法，并结合遗传算法的快速寻优的特点，提出了一种利用最大方差法和改进的遗传算法相结合的图像分割的新方法。实验仿真结果表明，该方法可以有效地提高图像分割的计算速度，大大缩短寻找最优阈值的时间，提高图像处理的实时性。     

基于随机权重粒子群和K-均值聚类的图像分割

K-均值聚类具有简单、快速的特点,因此被广泛应用于图像分割领域.但K-均值聚类容易陷入局部最优,影响图像分割效果.针对K-均值的缺点,提出一种基于随机权重粒子群优化（RWPSO）和K-均值聚类的图像分割算法RWPSOK.在算法运行初期,利用随机权重粒子群优化的全局搜索能力,避免算法陷入局部最优;在算法运行后期,利用K-均值聚类的局部搜索能力,实现算法快速收敛.实验表明：RWPSOK算法能有效地克服K-均值聚类易陷入局部最优的缺点,图像分割效果得到了明显改善;与传统粒子群与K-均值聚类混合算法（PSOK）相比,RWPSOK算法具有更好的分割效果和更高的分割效率.