基于二维最大相关准则的图像阈值分割

提出了基于二维最大相关准则的自动阈值图像分割算法．该方法根据图像的二维直方图中目标和背景分布的相关量最大来选择阈值,能够实现比传统最大相关准则更强的抗噪声能力．同时将遗传算法用于对二维最大相关准则阈值分割的优化,试验结果表明该算法可以实现快速、准确图像分割．     

基于HEA算法的二维最大相关准则图像分割

针对目前一些算法对于同一图像每次分割得出的阈值不同,存在分割不稳定的问题,提出了一种基于和声五元素算法(HEA)的二维最大相关准则图像分割算法。该算法利用图像目标和背景分布的相关量最大值来选取阈值,并运用 HEA算法优秀的全局搜索能力优化运算速度,提高图像分割的稳定性和质量。实验结果表明本文方法有较好的稳定性,分割效果良好。     

模糊阈值分割算法在具有双峰直方图图像中的应用

利用模糊阈值分割算法对具有双峰直方图的灰度图像进行阈值分割,这种分割算法具有自动寻找阈值,并且计算简单。试验结果表明：它的计算速度很快,比传统的类间方差最大法快2－3倍以上。     

基于多阈值Otsu准则的阈值分割快速计算

针对传统多阈值Otsu方法在寻找最佳阈值过程中穷举计算效率低的问题,该文分析了多阈值Otsu的阈值性质,证明了使用Otsu方法找到的一组最佳阈值与分割出的各类均值之间的数学对应关系。根据多阈值Otsu的阈值性质,该文提出一个新算法用来快速计算所需最佳阈值,建立了一种新的阈值搜索模型。该算法搜寻满足Otsu多阈值与以此阈值分割出的各类均值之间关系的一组最优阈值,从而确定符合Otsu准则的最佳阈值。该算法有效减少了阈值搜索范围,并且在均值、方差等计算上引入了查找表,优化了底层运算。实验结果表明,与传统多阈值Otsu方法相比,该算法的分割速度大幅度提高,相比于其他多阈值Otsu快速算法,不仅在计算速度上有所提升,而且得到的最佳阈值克服了随机性和偶然性的缺点,是严格符合Otsu原则的。     

基于最大混合相关熵准则的主动噪声控制算法

为了处理脉冲噪声，传统的滤波x最大相关熵准则（filtered-x maximum correntropy criterion，FxMCC）自适应算法具有良好的降噪性能在主动噪声控制(active noise control，ANC)系统中。然而，FxMCC算法具有单一的高斯核，其降噪性能和收敛速度易受到核宽度取值的影响。因此，在ANC系统中，本文采用最大混合相关熵准则（maximum mixture correntropy criterion，MMCC），以两个高斯核的混合作为代价函数来推导滤波x最大混合相关熵准则（filtered-x maximum mixture correntropy criterion，FxMMCC）算法。仿真结果表明，在标准对称α稳定（symmetric α-stable, SαS）分布的脉冲噪声的主动噪声控制中，本文提出的FxMMCC算法比其它ANC算法具有更好的降噪性能。      

Otsu准则下分割阈值的快速计算

传统Otsu法在确定阈值时需要穷举计算图像中每个灰度值为阈值时的类间方差.文中利用Otsu阈值的性质,提出了一个新算法以快速计算Otsu阈值.新算法搜寻出与两类类内均值的平均值的整数部分相等的阈值,从中确定一个符合Otsu准则的阈值.传统Otsu法在对梯度图像中的小目标分割时分割性能不佳,文中提出了一个Otsu阈值的改进算法,该算法使用快速计算Otsu阈值的新算法递归求解分割阈值.实验结果表明,与传统Otsu算法相比,计算Otsu阈值的快速算法速度更快,而阈值的改进算法对梯度图像中的小目标分割效果更好.     

基于最大相关熵准则的恒模盲均衡算法

针对恒模算法(constant modulus algorithm, CMA)在脉冲噪声环境下性能退化的问题,本文基于最大相关熵准则(maximum correntropy criterion, MCC)对恒模算法中基于最小均方误差(mean square error, MSE)准则的代价函数进行修正,推导出适用于脉冲噪声环境的基于MCC准则的恒模盲均衡算法(MCC_CMA)。该算法利用通信信号的恒模特性,首先得到发送信号与均衡器输出信号模值的误差信号,再通过使模值误差信号的相关熵最大来获得其迭代误差调节项,避免了传统高阶统计量算法在脉冲噪声环境下性能退化的问题。对高斯噪声以及α-稳定分布和混合高斯分布两种脉冲噪声环境下的信道均衡问题的仿真实验表明,相对于经典的自适应恒模盲均衡算法,MCC_CMA算法不依赖噪声的先验知识就能获得较快的收敛速度、较低的剩余码间干扰和误码率,并且在不同脉冲强度的脉冲噪声环境下都能够得到较好的均衡结果,表明MCC_CMA算法具有很好的鲁棒性。      

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法,该方法不仅利用了图像元点的灰度分布信息,而且充分考虑了像元点之间的空间相关信息,理论分析和实验表明,对于低对比度,低信噪比的地面目标,该方法具有良好的分割效果,在该算法的基础上,又提出也一种快速递推二维最在类间方差法,减少了计算量,节约存储空间,具有较强的实用价值。     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,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者图像的直方图不是简单的单峰、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,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。     

基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

基于三维直方图降维和重建的快速最小误差阈值法

3维最小误差阈值分割法(3D-MET)的抗噪性很强,但计算复杂度非常高。其快速递推方法(3D-RMET)通过构建查找表去除了大量冗余操作,但其速度仍然不能满足实际工程要求。该文采用直方图降维和分级策略提出新的快速实现方法。该方法首先将3D-MET的最优阈值判别式进行分解,并给出新的阈值计算公式,将阈值搜索的空间维度从3维降到1维;然后将3维直方图进行分组和重建,进一步提高了算法处理速度。最后给出了3D-MET, 3D-RMET及本文方法的分割结果,并采用量化指标对结果进行对比分析。实验及量化对比结果表明,该文方法保持了原3D-MET法的强抗噪性,且将其时间复杂度降为O(L1/2)。与3D-RMET相比,该文方法快了6个数量级,较有效地解决了原方法时间复杂度高的问题。     

基于模糊集的图像阈值分割算法研究

图像阈值分割是提取目标区域的重要技术之一,大多数方法都依赖于直方图,从统计角度逐个考察灰度以选择合适阈值.但是仅靠获得的一幅分割图像不能进行比较,自然不能认为就是满意的分割结果.针对这一问题,文章基于模糊数学理论提出了一种选择水平因子和带宽的方法,定义了一个新的隶属函数以选择分割阈值.水平因子不同时能得到不同的分割结果,根据不同目的在这些结果中可以选择合适的分割图像.最后采用几幅不同的图像进行实验,结果表明该方法可行有效,并且对于模糊图像,算法也能获得满意的结果.     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

一种基于熵的图象分割方法

本文介绍了一种基于熵的原理，对图象进行分割的方法，并将其用于彩色印刷图象中黄、品、青三色网点图象在不同面积率下进行分割实验，证明该方法行之有效。     

基于区域模板相关的图像匹配方法研究

传统的图像相关匹配方法是利用求取对应像素灰度的相关性进行图像之间的相似度量的。由于参考图和实测图之间存在着灰度差异、模糊、噪声以及局部遮挡等,这就使得仅依靠图像灰度相关进行匹配的算法性能受到影响。基于图像分割后的区域是比像素灰度更高一级的图像表述,利用势函数聚类自适应多阈值图像分割技术,提出了一种对图像的加权区域模板相关匹配的算法。这种算法建立了一种目标区域隶属度的相关度量方法。试验结果表明了该算法在多种图像变形情况下的有效性。     

Multi-stage image denoising based on correlation coefficient matching and sparse dictionary pruning

We present a novel image denoising method based on multiscale sparse representations. In tackling the conflicting problems of structure extraction and artifact suppression, we introduce a correlation coefficient matching criterion for sparse coding so as to extract more meaningful structures from the noisy image. On the other hand, we propose a dictionary pruning method to suppress noise. Based on the above techniques, an effective dictionary training method is developed. To further improve the denoising performance, we propose a multi-stage sparse coding framework where sparse representations are obtained in different scales to capture multiscale image features for effective denoising. The multi-stage coding scheme not only reduces the computational burden of previous multiscale denoising approaches, but more importantly, it also contributes to artifact suppression. Experimental results show that the proposed method achieves a state-of-the-art denoising performance in terms of both objective and subjective quality and provides significant improvements over other methods at high noise levels.     

Reduction of blocking effect in DCT-coded images based on a visual perception criterion

Blocking effect constitutes one of the main drawbacks of the actual DCT-based compression methods. We propose in this paper a new block reduction technique; it is based on a space-variant non-linear filtering operation of the blocking artifacts present in the image to be reconstructed. To account for the perceptual importance of the distortion, the amount of smoothing is adapted to the visibility of the blocking effect. A visibility parameter is computed for each artifact using the psychovisual properties of the human visual system (HVS). The postprocessing algorithm is in conformity with actual existing compression standards; it provides a way to greatly reduce the artifacts without degrading high-frequency information of the original image. First the proposed method is described and then experimental results are presented, showing the effectiveness of the correction.     

Identification of inpainted images and natural images for digital forensics

Image forensics is a form of image analysis for finding out the condition of an image in the complete absence of any digital watermark or signature.It can be used to authenticate digital images and identify their sources.While the technology of exemplar-based inpainting provides an approach to remove objects from an image and play visual tricks.In this paper,as a first attempt,a method based on zero-connectivity feature and fuzzy membership is proposed to discriminate natural images from inpainted images.Firstly,zero-connectivity labeling is applied on block pairs to yield matching degree feature of all blocks in the region of suspicious,then the fuzzy memberships are computed and the tampered regions are identified by a cut set.Experimental results demonstrate the effectiveness of our method in detecting inpainted images.     

基于Sugeno补的广义模糊熵阈值分割方法

鉴于传统的基于模糊熵的图像阈值分割方法对于光照不均匀图像的分割结果很不理想,该文提出了基于Sugeno补的广义模糊熵图像阈值分割方法。首先按照Sugeno补函数不动点的变化,对一幅图像产生9个阈值,然后利用图像分割质量评价指标对这9个阈值进行评价,最后选择使得评价指标最大的阈值作为最优的阈值。与传统的模糊熵阈值分割方法相比,新方法增加了选择更好的分割结果的机会,对于光照不均匀的图像能够获得比传统模糊熵方法更好的分割效果。