图像不均匀灰度的自适应调整

由于光线分布不均匀或斑块噪音干扰等原因，往往使所要处理的指纹的灰度值分布缺乏均匀性。在指纹特征自动识别提取过程中，造成许多传统的算法在局部出现很大的误差。利用方差和均值特征的自动提取方法，首次对不均匀灰度图像进行自适应分割。然后通过对图像分区域进行不同程度的自适应调整，使具有相同属性的像素单元具有近似的灰度值分布。调整结果的灰度均匀水平与预先指定的调整精度成正比。这种调整不仅提高了图像分割的自适应性，而且进一步扩大了一般阈值算法的应用领域。     

C#快速分割阈值灰度图像

本文基于阂值法对灰度图像实现分割进行了论述.首先介绍图像分割基本概念,然后讲述灰度图像直方图阈值分割方法,最后通过C#可行的程序实现灰度图像阈值分割,稳定、准确地实现了灰度图像阈值分割.     

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Kaput熵多闽值分割算法。该算法依据Kaput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，解决了图像分割中阂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。     

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.     

量子遗传算法在指纹图像分割中的应用

提出了一种基于量子遗传算法(QGA)的指纹图像分割改进方法.这种方法利用量子遗传算法种群多样性好,收敛速度快的特点,将基于量子遗传算法的阈值分割方法与方向图法相结合对指纹图像进行分割.实验结果表明,QGA在指纹图像阈值分割中的速度和精度优于改进的自适应遗传算法和其它一些传统算法,是一种有效的图像分割方法.     

微分进化的自适应彩色图像阈值分割

针对阈值的选择依赖于经验和试验的问题,提出了结合微分进化算法和二维最大熵算法得到图像自适应阈值的方法。该方法首先利用全局阈值法中的迭代法得到图像的阈值并初次对图像进行分割,然后利用微分进化算法并且结合二维最大熵阈值进行适应度的计算、个体编码、终断条件等计算图像的自适应阈值,最后对测试的图像应用微分进化算法实现对图像的正确分割。采用微分进化算法可以准确地对图像进行分割,是一个比较高效的方法,有效地提升了分割效果。与现有的自适应阈值分割算法相比,本文算法缩短了计算时间。阈值分割不仅可以对灰度图像进行分割,彩色图像也可以用阈值分割。     

PCNN在指纹图像分割中的应用

提出了采用新型的有生物学依据的人工神经网络-脉冲耦合神经网络（PCNN桺ulse Coupled Neural Network）来实现指纹图像分割的方法,选取低灰度值背景、高灰度值背景指纹图像以及带阴影的指纹图像进行分割实验,有效的实现了指纹图像有效区和背景区的分离,并与传统的标准差阈值跟踪法进行了比较,试验表明这种方法具有更好的效果。     

关于图像分割算法的优化仿真研究

Otsu图像分割法是常用的图像阈值分割方法,其最佳阈值选取直接影响到图像分割的质量.传统的最佳阈值的寻找采用穷尽式搜索方法,计算复杂度大,耗时较多,分割的精度低,易产生图像误分割.为了提高图像分割准确性,提出一种遗传算法与Otsu相结合的图像分割方法.新方法将图像分割问题看作为一个全局数值优化问题,将图像灰度信息转换成遗传算法的种群,每个个体代表一个可行的阈值向量,以灰度图像的灰度最大类间方差作为适应度值,通过选择、交叉和变异等遗传操作获得图像最佳分割阈值,以获得的最佳阈值对图像进行分割.用实例对新方法进行验证实验,结果表明,相对于传统Ostu图像分割算法,改进的Otsu分割方法提高了图像分割准确性,运算量减少,加快了分割速度,非常适应于图像实时处理.     

一种新的指纹图像分割方法

为了准确可靠地将指纹图像从背景区域中分割出来,提出了一种新的指纹图像分割方法,即利用灰度值频数和纹线12方向图判断是否有指纹脊线和谷线的存在,从而判断指纹图像小块是否为指纹前景区。实验结果表明,该方法适用于由于采集原因造成的指纹脊线和谷线灰度值相差较大或不大的指纹图像的分割,分割结果只求出指纹图像的边界而不改变指纹图。     

改进的指纹自适应阈值分割算法

在传统的自适应阈值分割算法的基础上,提出了一种改进的指纹图像分割算法。该算法根据指纹与背景交接区域,以及指纹内部脊线太淡或脊线粘连的区域中图像的灰度统计特性,对此类区域采取逐点分割,从而以较低的计算代价消除了指纹图像分割后前景区域的边界方块效应。实验表明,该算法具有较高的鲁棒性,对指纹的分割更加灵活准确,分割后的指纹前景边界也更加平滑细致。