一种改进的二维Otsu阈值分割算法

Otsu算法,也被称之为最大类间方差算法,是实现阈值分割的经典算法之一。二维Otsu算法是一维Otsu算法的推广,它充分考虑了图像的灰度信息和空间邻域信息,可以有效滤除噪声影响,但是同样存在着运算量大、时效性差的问题。对此提出了一种改进的二维Otsu快速阈值分割算法,先将二维Otsu算法分解为两个一维Otsu算法,并集成类间和类内方差信息构造了一种新的阈值判别函数,同时通过降维,进一步降低计算量。实验结果表明,该算法在时间效率与分割效果两方面明显优于传统的二维Otsu算法与快速二维Otsu算法。     

改进的快速Otsu自适应分割算法及其应用*

对Otsu算法因灰度直方图峰值不明显导致分割效果差提出了改进,根据分割目标背景信息的先验值对类内灰度值进行调整,通过迭代计算,使类间方差最大化,从而自动确定阈值,并应用于虹膜图像分割。实验结果表明,该算法对虹膜图像分割效果好,运算速度快,具有一定的鲁棒性和自适应性,可用于虹膜图像的实时分割。     

噪声图像的快速二维Otsu阈值分割

为了提高二维阈值分割法处理速度, 提出了二维Otsu法的快速实现方法。基于二维随机变量的边缘概率分布, 将二维最佳阈值（s*, t*）的求解拆分成两个一维最佳阈值s*和t*的求解; 同时为了改善原算法的分割效果, 引入类内方差的定义, 提出了新的最佳阈值判别式。实验结果表明, 本方法不仅保留了原二维阈值法抗噪性强的特点, 其时间复杂度由O(L⁴)降为O(L), 空间复杂度由S(L²)降为S(L), 且分割错误率低于原二维Otsu法。该方法适合处理高斯噪声图像的快速阈值分割问题。     

二维直方图重建和降维的Otsu 阈值分割算法

指出二维直方图直分法中存在区域划分不合理和抗噪性差问题,提出一种新的阈 值分割方法,导出有关计算公式。首先分析噪声点在二维直方图中分布情况,通过重建二维直 方图减弱了噪声对阈值分割的干扰;然后将二维直方图区域划分由四分法改为二分法,使得阈 值搜索的空间维度从二维降到一维;最后分别给出现有二维直方图分割算法和本文方法的仿真 结果。理论分析和实验结果表明,该方法可以运用于几乎所有基于二维直方图的阈值分割,特 别是对受噪声污染的图片进行阈值分割时,能使分割后的图片内部均匀、边界准确、抗噪性更 稳健,所需运行时间大幅减少。     

二维Otsu阈值分割算法的改进

自动图像阈值分割技术已经被广泛的应用在图像处理和计算机视觉领域中的目标检测,跟踪和识别上。其中Otsu阈值分割算法是一种被广泛使用的分割技术,对于那些直方图呈双峰分布的图像可以得到优秀的分割效果。然而如果直方图是单峰或是有异常数据出现时,传统的Otsu阈值分割算法则会发生错误。为改善传统Otsu法在处理图像时的计算受噪声干扰严重、实时性差、复杂度高等缺点,本文提出了一种改进的基于中值的Otsu阈值分割算法。最后进行的多次测试和实验说明这种改进的方法与传统的Otsu阈值分割算法相比较会得到更加满意的结果。     

灰度图像二维Otsu折线阈值分割法

Otsu法是一个应用较为广泛的阈值分割方法。为实现图像较为精确的分割,充分考虑边界的影响,从二维线阈值分割替代传统的点阈值分割思想出发,提出了折线阈值型Otsu法。该方法以对边界信息的迭代分割的手段获得实际用于分割的二维折线阈值。仿真结果表明,该方法能够获得优于原始Otsu法的分割效果,特别适用于边缘丰富的图像分割,具有较好的分割普适性。     

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.     

Otsu多阈值快速求解算法

最大类间方差(Otsu)方法计算简单,分割效果良好,广泛应用于图像的单阈值分割。为了使Otsu方法能够适应于更加复杂的图像,很多学者对其进行了多阈值的推广,但存在计算量大、效率低的问题。针对此不足,对Otsu方法也进行了多阈值的推广,首先划分直方图区间,然后采用快速二分法求取区间中的阈值以实现Otsu方法的多阈值扩展,使其在保持良好分割效果的基础上大大节省了时间。实验说明了该算法的有效性。     

2维Otsu自适应阈值的快速算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理领域得到了广泛的应用,在其基础上发展起来的2维Otsu阈值法却因为计算时间长而制约了其应用。针对2维Otsu自适应阈值方法计算复杂度高的缺点,通过改变2维直方图上的区域划分,将2维阈值转换为1维阈值,从而提高了2维自适应阈值算法的计算速度。实验结果表明,该算法的计算时间远远小于原始2维Otsu算法,分割效果和原始算法基本一致。     

狼群优化的二维Otsu快速图像分割算法

传统二维Otsu算法的阈值选取大都采用穷尽搜索方式,造成算法分割时间较长、实时性差等缺点,影响图像分割效果。为提高算法的运行效率,采用狼群算法来搜索最优阈值,每匹人工狼代表一个可行的二维阈值向量,狼群通过游走、召唤、围攻这三种智能行为的不断迭代以及狼群间的信息交互来获取最佳阈值。仿真结果表明,与标准粒子群优化二维Otsu算法和传统二维Otsu算法相比,狼群优化算法降低了分割时间并提高了图像分割精度。     

基于Otsu多阈值和分水岭算法的乳腺肿块分割

在乳腺X线图像中,肿块大多埋没在复杂的、高密度的腺体背景中难以检出和识别.针对这一问题,提出了一种应用快速多阈值Otsu算法和改进的分水岭算法相结合的乳腺X图像肿块分割方法.首先对乳腺X图像进行形态学预处理,然后应用多阈值Otsu算法对图像进行处理,并对图像运用分水岭算法进行分割.为了避免过分割现象,对分割后的图像进行了相似区域合并.实验表明该方法对于乳腺X图像中各种类型的可疑肿块的分割都是有效的.     

一种改进Otsu法在Kirsch边缘检测中的应用

针对灰度图像的Kirsch边缘检测特征不明显以及Otsu方法自动获取最佳阈值耗时等缺点,探讨了一种改进的Otsu法,并将其应用到Kirsch边缘检测中。首先通过Kirsch算法初步检测出图像边缘,然后运用蚁群算法与Otsu算法相结合求取最佳阈值并进行二值化处理。对试验结果和数据的分析,得出所提出的方法能够有效地检测出图像边缘,同时节约运算时间,具有一定的自适应性。     

基于DM6446的视频运动车辆检测系统

给出了一种基于DM6446处理器的视频运动车辆检测系统的技术实现方法,介绍了系统的硬件结构及软件设计思路。结合DM6446双核处理器的特点,给出了处理器ARM端与DSP端通信及双缓冲区切换的具体方法。在视频运动车辆检测算法上,采用差异积累法对DM6446实时获取的交通视频数据进行背景建模,用背景差法检测车辆运动区域,再结合Otsu阈值化、形态学滤波及区域生长等算法,最终在DM6446硬件平台上实现视频运动车辆的实时检测。实验结果表明,该系统具有良好检测效果。     

加权三维Otsu方法在图像分割中的应用*

从信息散度角度出发,提出一种新的三维Otsu加权方法,对分布不均匀的图像做细致分割。由于三维Otsu中三个维度在分割中所起的作用不同,可以通过调整不同维度的权因子,使不同的图像都能得到很好的分割效果。最后利用加权的特点,将三维Otsu分解为三个一维Otsu,在加快运算速度,降低时间复杂度的同时得到了比较好的分割效果,使得加权方法更具有实际效用。     

现代医学细胞显微图像分割改进算法

为了提高现代医疗检验中图像处理的有效性和精确度,本文以医疗检验中各类细胞的显微图像为对象,运用最大类间方差分割算法对其进行图像分割,针对细胞显微图像自身的特点和最大类间方差法存在的不足,改进算法,实现多次分割,得到最佳分割阈值;在保障算法可行性的同时,提高算法的有效性和适用性。仿真实验结果表明,改进的算法更适用于多种细胞显微图像分割。     

水库水体面积提取方法

遥感影像的水库水体信息提取对水库面积变化监测有很大的帮助,因此,提出一种基于遗传算法和改进Otsu算法的水体提取方法。对处理后的遥感影像使用NDWI (normalized difference water index)水体指数法进行初始的水体提取,由于传统的Otsu算法对直方图呈现双峰分布的图像提取效果不佳,利用遗传算法对最大类间方差公式进行双阈值计算,引入滑动窗口对图像进行阈值判断;使用自适应阈值算法进行局部阈值分割。通过对石梁河水库和小塔山水库的实验,表明该方法能够准确提取出水库的水体信息,误提取和漏提取现象得到了很大的改善。     

一种自适应梯度幅值的边缘检测算法

提出了一种基于Otsu自适应梯度幅值的边缘检测算法。鉴于传统基于梯度幅值的自适应边缘检测算法中单阈值所带来的边缘断裂问题,分别使用传统Otsu算法和迭代Otsu算法进行自适应阈值,能保证图像梯度幅值的方差最大的情况下求得最优阈值,从而准确的检测边缘像素;针对梯度幅值边缘检测算法中边缘较宽的问题,在Otsu自适应梯度幅值检测算法检测到的边缘图基础上,使用经典的并行细化算法进行了边缘细化;最后,通过实验结果与对比分析,验证了算法能准确定位边缘和获得完整的边缘信息,实现了较好的边缘检测效果。     

复杂背景下运动目标的智能检测方法

提出了利用Otsu法和数学形态法进行三帧差分图分割的运动检测方法,对单个或多个运动物体检测效果都良好.此运动检测方法简单、速度快、自适应性强,适于硬件实现,且不要求保存过去的测量数据,需要较少的内存,符合了嵌入式系统的开发要求.实验证明,本检测方法具有较强的稳健性和鲁棒性.     

Characteristic analysis of Otsu threshold and its applications

This paper proves that Otsu threshold is equal to the average of the mean levels of two classes partitioned by this threshold. Therefore, when the within-class variances of two classes are different, the threshold biases toward the class with larger variance. As a result, partial pixels belonging to this class will be misclassified into the other class with smaller variance. To address this problem and based on the analysis of Otsu threshold, this paper proposes an improved Otsu algorithm that constrains the search range of gray levels. Experimental results demonstrate the superiority of new algorithm compared with Otsu method.