最优进化图像阈值分割算法

针对图像阈值分割问题,根据遗传算法理论提出最优进化图像阈值分割算法.将图像中每个像素点看作一个染色体,阈值看作进化方向,假设最优进化方向存在,建立进化方向更新模型;然后定义了染色体编码规则,通过简单随机采样进行种群初始化,重新定义了适值函数和选择机制,在适当的交叉率和变异率下得到最优阈值;同时分析了假设和模型的合理性.实验结果表明,文中的假设和进化方向更新模型合理,该算法是稳定、有效的图像阈值分割算法.     

基于克隆选择的图像分割算法研究

为了快速有效地对生物运动图像进行分割,提出了一种新的图像分割算法,该方法基于传统的2维最大熵分割法,将计算机免疫学中的克隆选择算法应用于图像分割中。首先对图像2维阈值进行编码,然后依据2维最大熵准则建立亲和力函数,在给定的初始种群下,对种群进行选择、克隆、变异、更新等操作,由于克隆选择算法具有生物免疫系统自组织、自学习、自识别、自记忆的能力,所以能够快速地得到全局最优解,实现图像的有效分割。从实验结果表明该算法所用搜索时间大约只有标准2维最大熵法的1.3%,证明该算法高效稳定,是一种实用有效的图像分割算法。     

二维Otsu阈值分割算法的改进及应用

为改善传统二维Otsu阈值分割算法处理图像的计算复杂度高、实时性差、受噪声干扰严重等缺点,提出一种改进的快速二维Otsu阈值自动分割算法.通过改变二维直方图判别域的划分将二维阈值求解转化为一维阈值求解,对原图像的直方图采用二分法得到最优分割阈值的初始值,然后在此基础上通过两个分量方向上迭代求解得到图像的最优分割阈值.理论分析与仿真车牌实验表明,与传统二维阈值分割算法相比,此算法的计算复杂度远远低于原始二维Otsu算法,且分割效果和原始算法的基本一致.     

二维Otsu阈值法的快速迭代算法

提出二维Otsu阈值法的快速迭代算法.针对传统二维Otsu阈值法及改进的递推二维Otsu阈值法等具有高计算复杂性的不足,假设被分割图像及其邻域平滑图像形成的二维联合直方图是连续二元概率分布函数的条件下,利用求多元函数极值的方法得到二维Otsu阈值法的快速迭代算法.大量实验结果表明,本文方法是可行的且有良好的分割性能.     

广义模糊熵图像阈值分割参数选取的ADE方法

针对广义模糊熵图像阈值分割参数不能自动选取,提出自适应差分进化（Adaptive Differential Evolution,ADE）的广义模糊熵图像阈值分割方法。利用自适应差分进化算法作为优化工具来选取广义模糊熵阈值分割所需要的最佳参数,引入自适应变异算子和提出交叉概率自适应函数对优化过程进行控制,通过把参数带入广义模糊熵的补函数得到图像的阈值,进而得到图像最优分割。为验证其有效性与可行性,分别同基本图像质量评价准则的模糊熵图像阈值分割算法和粒子群优化广义模糊熵图像阈值分割算法相比较,实验表明,针对不同细节的图片,该算法所得分割结果多数情况下背景信息更少,目标信息更清晰,用时更短,分割更稳定且效果良好。     

灰度图像最小误差阈值分割法的二维推广

一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布. 考虑到噪声等因素对图像质量的影响, 本文在二维灰度直方图上, 基于二维混合正态分布假设, 给出一维最小误差阈值法的二维推广表达式. 为了提高算法的运行速度, 也给出了快速递推算法. 实验表明, 二维最小误差阈值法是一个有效的图像分割算法, 能够更好地适应目标和背景方差相差较大的图像及噪声图像的分割问题.     

多种群联合的多目标进化自适应阈值图像分割算法*

多阈值图像分割算法的阈值数目大多需要用户指定,人为干预较大。本文提出多种群联合的多目标进化自适应阈值图像分割算法,本文提出多种群联合的多目标进化自适应阈值图像分割算法,在多个分组种群的联合进化框架下,通过同时优化类间方差准则和模糊熵准则获得图像阈值,并在进化过程中采用自调节的交叉和变异操作产生子代种群并自动确定阈值数目。实验结果表明,该算法不仅能自适应得到合适的阈值数目,而且阈值分割效果也是比较理想的。     

基于粒子群优化算法的最佳熵阈值图像分割

研究图像的空间信息和灰度的信息图像分割,从中提取感兴趣的目标.针对传统阈值算法虽然考虑了图像的空间信息,但是由于解空间维数增加,搜索范围增大,导致了计算时间延长,求解最优阈值的速度较低,同时传统二维熵的计算中只考虑了像素的概率,忽略了灰度的概率,导致分割不准确.为了充分利用灰度图像的灰度信息和空间信息,提高分割精确度和最优阈值的求解速度,提出一种基于粒子群算法的阈值分割方法(PSO-SDAIVE算法).算法对传统的二维直方图进行改进,生成差值属性灰度直方图,同时对灰度均值和二维熵的计算进行改进,生成空间差值属性信息值熵(SDAIVE),最后用粒子群算法来搜索SDAIVE的最大值.对头部CT图像进行分割进行了仿真,实验结果表明,能够对图像进行准确的分割,而且运行时间明显较短,证明粒子群优化的图像分割算法是可行和有效的.     

改进的遗传算法在医学图像中的应用

针对标准的遗传算法（ GA）在优化Otsu法求取图像阈值时出现收敛速度慢、易早熟等问题,提出了一种改进的GA用于图像分割。该算法根据种群不同的进化代数和个体适应度的大小,动态地调整精英选择策略和遗传算子,从而提高了算法的收敛速度、得到了范围稳定的图像分割阈值,且保持了种群多样性。将该算法应用于医学图像分割,实验结果表明：该算法可以对医学图像进行分割且效果明显。     

融合量子克隆进化与二维Tsallis熵的医学图像分割算法

针对进化算法用于图像分割时收敛速度慢、易早熟的缺点,提出一种改进的量子克隆进化算法.首先利用量子空间的多样性丰富种群信息,在量子变异中根据适应度的不同对个体施以不同的混沌扰动,以克服量子门旋转方向单一、大小固定的缺陷,避免种群陷入局部早熟;然后利用克隆算子将最优个体信息扩充至下一代,以提高其局部寻优能力,加快收敛速度;最后将此算法用于寻找二维Tsallis熵的最佳阈值,实现了对图像的分割.实验结果表明,该算法有效地解决了进化算法收敛速度慢和容易陷入局部极值的问题,而且在分割速度和精度上得到了较大提高,分割效果良好,可以满足医学图像三维重建要求.     

基于分解的二维Renyi灰度熵的图像阈值分割

针对传统二维Renyi熵阈值法的高计算复杂性,提出一种新的基于分解的二维Renyi灰度熵阈值分割方法。该方法通过求解两个一维Renyi灰度熵阈值替代二维Renyi灰度熵的最佳阈值,理论上证明当满足一定条件时,两者等价;同时将计算复杂度由O(L4)降到O(L),所耗时间约为传统二维Renyi熵算法的1/10 000。     

A Context Sensitive Multilevel Thresholding Using Swarm Based Algorithms

In this paper, a comprehensive energy function is used to formulate the three most popular objective functions: Kapur's, Otsu and Tsalli's functions for performing effective multilevel color image thresholding. These new energy based objective criterions are further combined with the proficient search capability of swarm based algorithms to improve the efficiency and robustness. The proposed multilevel thresholding approach accurately determines the optimal threshold values by using generated energy curve, and acutely distinguishes different objects within the multi-channel complex images. The performance evaluation indices and experiments on different test images illustrate that Kapur's entropy aided with differential evolution and bacterial foraging optimization algorithm generates the most accurate and visually pleasing segmented images.      

一种基于遗传算法的最小交叉熵阈值选择方法

最小交叉熵阈值法(MCET) 在二级阈值中是有效的, 但在多极阈值的穷尽搜索中却要付出昂贵的时间代价. 鉴于此, 提出一种基于遗传算法(GA) 的MCET选择方法: 在执行图像分割(IS) 任务之前, 先将IS 转化为在一定约束 条件下待优化的问题; 在寻找待优化问题最优解的计算过程中引入一种回归设计技巧以存储中间结果; 使用这种回 归设计技巧, 在一组标准测试图像上利用GA搜索待优化问题的最优解. 实验结果表明, 利用所提出的方法获得的多 个阈值非常接近于穷尽搜索获得的结果.

     

基于图像边缘信息的2维阈值分割方法

为了改善2维阈值分割性能,提高图像分割的效率,在传统2维Otsu阈值分割算法的基础上,提出了一种基于图像边缘信息的2维阈值分割方法。这种改进的方法保留了2维Otsu阈值分割算法分割结果准确的优点,并在此基础上充分利用图像的边缘信息,通过分析图像的边缘直方图和阈值的关系来得到最优分割阈值。仿真实验结果表明,该方法与传统2维分割算法相比,不仅计算简单,而且实时性好。     

基于改进阈值的地质雷达图象多小波去噪

探讨了基于DG H M多小波、多分辨分析下的地质雷达(GPR)图象阈值化去噪方法,在分析Donoho D L和Johnstone I M提出的小波阈值去噪方法的基础上,提出了一个改进的阈值函数,并对不同阈值函数下的去噪效果进行了比较分析。实验结果表明,利用这一改进的阈值函数和DGH M多小波对GPR图象进行去噪,可获得比传统软、硬阈值方法更好的效果。     

基于差分进化的置换混叠图像盲分离

针对1类存在模糊差异的置换混叠图像,提出了1种基于差分进化的置换混叠图像盲分离算法。选择空域作为特征域,将置换混叠图像的梯度图像分成小块,并为每个小块设定个阈值,组成1个阈值向量。利用差分进化算法获得最优的阈值向量,将置换混叠图像阈值化为二值图像,利用图像形态学实现二值图像分离出置换图像。实验结果表明,与阈值法相比较,本算法能较好地把置换图像从置换混叠图像中分离出来,而不受置换图像位置、大小和个数的限制。     

A Local Contrast Fusion Based 3D Otsu Algorithm for Multilevel Image Segmentation

To overcome the shortcomings of 1D and 2D Otsu’s thresholding techniques, the 3D Otsu method has been developed. Among all Otsu’s methods, 3D Otsu technique provides the best threshold values for the multi-level thresholding processes. In this paper, to improve the quality of segmented images, a simple and effective multilevel thresholding method is introduced. The proposed approach focuses on preserving edge detail by computing the 3D Otsu along the fusion phenomena. The advantages of the presented scheme include higher quality outcomes, better preservation of tiny details and boundaries and reduced execution time with rising threshold levels. The fusion approach depends upon the differences between pixel intensity values within a small local space of an image; it aims to improve localized information after the thresholding process. The fusion of images based on local contrast can improve image segmentation performance by minimizing the loss of local contrast, loss of details and gray-level distributions. Results show that the proposed method yields more promising segmentation results when compared to conventional 1D Otsu, 2D Otsu and 3D Otsu methods, as evident from the objective and subjective evaluations.      

Cuckoo search algorithm and wind driven optimization based study of satellite image segmentation for multilevel thresholding using Kapur’s entropy

The objective of image segmentation is to extract meaningful objects. A meaningful segmentation selects the proper threshold values to optimize a criterion using entropy. The conventional multilevel thresholding methods are efficient for bi-level thresholding. However, they are computationally expensive when extended to multilevel thresholding since they exhaustively search the optimal thresholds to optimize the objective functions. To overcome this problem, two successful swarm-intelligence-based global optimization algorithms, cuckoo search (CS) algorithm and wind driven optimization (WDO) for multilevel thresholding using Kapur’s entropy has been employed. For this purpose, best solution as fitness function is achieved through CS and WDO algorithm using Kapur’s entropy for optimal multilevel thresholding. A new approach of CS and WDO algorithm is used for selection of optimal threshold value. This algorithm is used to obtain the best solution or best fitness value from the initial random threshold values, and to evaluate the quality of a solution, correlation function is used. Experimental results have been examined on standard set of satellite images using various numbers of thresholds. The results based on Kapur’s entropy reveal that CS, ELR-CS and WDO method can be accurately and efficiently used in multilevel thresholding problem.     

灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.     

Fuzzy entropy based optimal thresholding using bat algorithm

Image segmentation is a very significant process in image analysis. Much effort based on thresholding has been made on this field as it is simple and intuitive, commonly used thresholding approaches are to optimize a criterion such as between-class variance or entropy for seeking appropriate threshold values. However, a mass of computational cost is needed and efficiency is broken down as an exhaustive search is utilized for finding the optimal thresholds, which results in application of evolutionary algorithm and swarm intelligence to obtain the optimal thresholds. This paper considers image thresholding as a constrained optimization problem and optimal thresholds for 1-level or multi-level thresholding in an image are acquired by maximizing the fuzzy entropy via a newly proposed bat algorithm. The optimal thresholding is achieved through the convergence of bat algorithm. The proposed method has been tested on some natural and infrared images. The results are compared with the fuzzy entropy based methods that are optimized by artificial bee colony algorithm (ABC), genetic algorithm (GA), particle swarm optimization (PSO) and ant colony optimization (ACO); moreover, they are also compared with thresholding methods based on criteria of between-class variance and Kapur's entropy optimized by bat algorithm. It is demonstrated that the proposed method is robust, adaptive, encouraging on the score of CPU time and exhibits the better performance than other methods involved in the paper in terms of objective function values.