一种新的图像阈值分割算法

提出了一种基于区域灰度均值-梯度共生矩阵模型和二维Renyi熵原理的阈值分割方法.该方法不仅利用了图像的灰度信息,而且也利用了梯度信息,通过计算基于灰度-梯度共生矩阵的二维Renyi熵,并使边缘区域的熵最大来选择阈值.二维Renyi熵比其它二维熵多了一个参数,此参数使得二维Renyi熵能处理更多类型的图像.将上述方法进行仿真实验,并且仿真其它二维熵方法,仿真结果显示,该算法比其他二维熵方法效果更有效更一般化.     

多阈值分割中一种有效的分等级方法

本文根据最大熵原则和贝叶斯公式,提出了一种针对图像多阈值分割的有效的分等级方法。在该方法中,不用假定图像直方图分布为高斯分布。为了确定最佳的阈值,有五种条件概率分布式供选择。实验证明：我们提出的方法是有效的,在速度方面也有很大改善。     

一种新的局部阈值分割算法

针对传统局部阈值算法在分割低质量图像时存在分割时间长的问题,提出一种新的局部阈值分割算法。该算法首先去除传统阈值模型中局部标准差因式,再利用积分图像快速计算局部均值,然后利用求得的局部均值和像素点的灰度值来计算局部阈值。由于降低局部阈值计算的时间复杂度,从而减少了图像分割时间。实验结果表明,该算法不仅仅能克服非均匀光照的影响,有很好的抗噪效果,还大大减少了分割时间。     

一种新的肝肿瘤CT图像分割方法

传统的分割方法难以实现医学图像准确地分割,提出了基于最大信息熵原理的医学图像分割方法。该方法集成了阈值分割、边界跟踪和数学形态学,提高了分割的精度和速度。分析和实验结果表明,采用该方法对肝肿瘤CT图像进行分割时,能自动准确地提取出医生感兴趣的区域。     

一种自动识别最优阈值的图像分割方法

阈值分割是图像分割的常用方法,但至今没有一种对多数图像都适用的阈值选择的通用方法。本文基于图像的灰度级特征,以前景和背景最大程度地分开为判据,提出了一种简捷的自动识别最优阈值的图像分割方法。该方法对更多图像都可以给出最佳的闽值,达到较好的图像分割效果。     

一种快速二维熵阈值分割算法

在二维熵阈值基础上，利用量化图像直方图概念讨论了一种快速二维熵阈值分割算法，这种算法能够递推运算和自动寻找阈值，将计算复杂性大大降低。 实验表明，该算法将每一幅图像运算时间降到2秒以内，提高了计算效率。     

一种新的基于图谱理论的图像阈值分割方法

提出了一种新的图像阈值分割方法,该方法采用图谱划分测度作为区分目标和背景的阈值分割准则.采用基于灰度级的权值矩阵来代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,因而算法所需的存储空间及实现的复杂性与其他基于图论的图像分割方法相比大大减少,从而有利于应用在各种实时视觉系统(如自动目标识别,ATR).大量的实验结果表明:与现有的阈值分割方法相比,文中提出的方法具有更为优越的分割性能.     

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。     

一种自动确定分割阈值的指纹图像分割方法

针对传统的基于灰度特性的指纹图像分割方法的不足,提出了一种自动确定分割阈值的改进算法。首 先,对图像进行直方图均衡化处理。然后,提出一种自动确定分割阈值的方法,利用图像的灰度均值及方差分割图像。最后,对分割后的图像进行后处理。实验表明,该方法简单实用,处理速度快,鲁棒性好,满足实时性要求较高的自动指纹识别系统的要求,是一种行之有效的分割方法。     

一种自适应模糊阈值区间的图像分割方法

针对图像分割边缘不准确的问题,研究了一种基于模糊理论的阈值区间的图像分割方法.在首先介绍的模糊阈值分割的基本原理上,提出了一种分层分割图像的思想.根据图像具有模糊的性质,利用模糊阈值法得到一个图像分割的调和阈值,再将每一层根据像素统计直方图信息得到一个本层次的阈值区域,最后用模糊阈值法得到的阈值调和阈值区域,使最终的分割阈值区间更精确.最后,根据相邻层相连背景像素相似的原则,逐层分割图像.实验结果表明该方法具有较好的分割效果.     

基于Otsu准则及图像熵的阈值分割算法

在图像分割中,阈值的选取至关重要,在经典的Otsu准则基础上,结合图像熵提出了一种改进的局部递归的阈值选取及分割算法。基于图像像素熵信息,运用递归思想局部搜索图像的最佳阈值,这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或图像不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,有利于分割后的特征提取。对Lena图像进行了实验,获得了较好的分割结果。     

结合Ostu阈值法的最小生成树图像分割算法

基于最小生成树的图像分割算法是一种全局最优的算法，然而会出现图像细节的处理不甚理想的问题，即分割结果出现不同程度的过分割和欠分割的现象。针对这一现象，根据图像全局和区域间的最大类间方差（Ostu），将Ostu阈值法与最小生成树（MST）算法相结合，提出了一种基于MST的Ostu阈值法图像分割准则。该图像分割算法是一种MST的优化方法，将区域合并判决条件取决于相互合并的两个区域的Ostu阈值，又考虑到较小的区域包含在较大的目标区域中或者背景区域中，再次使用Ostu阈值进行区域合并。该方法通过实验证明，可以有效地减弱图像的过分割与欠分割比例，减少了误分割率。     

Renyi熵与Tsallis熵的等价关系

描述了Tsallis熵和Renyi熵的等价关系及其在图像分割领域的应用.Tsallis熵和Renyi熵在图像分割中的应用是两种重要的全局阈值选取方法,是Shannon熵的广义形式,不仅在形式上具有等价关系,而且在应用于图像分割中也具有特殊的等价关系.这种特殊的等价关系应用在图像分割时只需任选一种熵来选取阈值.还讨论了它们自带的参数的取值对阈值选取的影响,这个参数可以针对不同类型的图像进行调节,可以得到很好的分割效果.     

基于最小最大割算法的阈值分割算法

近年来,建立在图论基础上的谱聚类算法作为一种新型的工具被应用于图像分割。其本质是将图像分割转化为最优化问题,其中的最小最大割算法(Min-max cut)能充分满足聚类算法的准则。算法实现过程中,把最优化准则转化为特征系统进行求解。该实现方法计算复杂,随着图像尺寸的增加,所需存储空间和计算时间复杂度都会增加。在实现最小最大割算法时,用基于灰度级的权值矩阵代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,确定分割的阈值。实验表明,此方法实现的最小最大割算法实现简单、实时性高,具有自动分割等优越的分割性能。     

结合自适应分割策略的图像去雾算法

暗通道先验去雾算法处理图像易出现局部失真问题,针对这一现象,提出一种单幅户外图像去雾算法。首先,利用四叉树分解的方法得到准确的大气光估计值;然后,结合暗通道图像的直方图分布特征,利用最大化类间方差策略自适应的估计暗通道图像分割阈值,并以此为先验知识优化透射率;最后,使用Gamma矫正提升图像整体对比度。实验表明,该算法能够有效地避免暗通道先验算法在天空区域失真的问题,对比其他算法,恢复图像视觉效果良好,客观评价指标均有所提升。     

基于分层遗传算法的双阈值图像分割

图像分割是图像处理中的重要问题,通常的图像分割法包括阈值法、边缘检测法、区域跟踪法等.其中,阈值法是一种通用的方法.本文将分层遗传算法用于阈值的选取,仿真结果表明,在设定了合适的遗传算子后,该算法可以实现正确的图像分割,将分层遗传算法用于图像处理中,是非常有效的.     

基于两级阈值算法在图像分割中应用研究

在图像分割提高精度问题的研究中,要从图像中提取感兴趣的区域。由于图像模糊或者蜕化图像背景信息融合在一起,导致难以区分,传统的阈值图像分割算法容易造成分割效果不清晰。为解决上述问题,提出了一种新的快速有效的两级阈值结构图像分割算法,采用用迭代算法对图像进行单一阈值分割,在每次迭代过程中以图像均值为依据,对图像进行均衡化处理;在基于全局分割的基础上,在局部范围内根据噪声的统计特性对图像进行去噪处理。仿真结果表明,提出的两级阈值分割算法能快速有效地分割图像,不仅可以得到了比较高的分割精度,还大大减少了计算量,一定程度上能够改善图片分割的效率和质量。     

图像的自动阈值分割研究

本文通过对图像进行二值化的处理分析,探讨如何选取最合适的阈值来分割图像,采取基于OTSU 算法的单 阈值分割法,根据类间方差最小的原理,能自动选取最佳阈值,使图像的目标部分和背景部分得到最好的分割。     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。