DNA遗传算法的改进二维最大熵图像分割

传统的二维最大熵图像分割算法在求解阈值时将二维直方图的噪声和边缘区域近似为零,降低了分割精度。针对这一问题,本文提出了一种基于DNA遗传算法的改进二维最大熵快速图像分割算法。利用梯度-均值灰度直方图得到有用区域,并以改进的二维最大熵作为优化函数,采用DNA计算遗传算法得到二维最优阈值。实验表明该算法对图像分割去噪能力强,分割效果好,以及快速有效处理能力。     

基于改进遗传算法的图像分割技术

提出一种基于遗传算法的进化类图像分割方法。遗传算法是一种全局搜索的算法,但是它在解决多峰复杂问题的时候会出现局部收敛的现象,出现这个现象的主要原因在于在搜索空间中群体多样性的降低导致了搜索的停滞。基于这个原因,提出一种改进的遗传算法,改进的方法通过控制遗传算法的变异概率来平衡群体的多样性程度,改进后的方法能够在解决多峰复杂问题中较多的搜索到全局解的区域。通过将改进的算法应用于图像分割的实例验证了改进算法的有效性以及算法在收敛速度及求解成功率上的优势。     

基于数学形态学的印刷网点图像分割方法

印刷显微网点图像的分割是实现印刷质量在线检测的基础.在对网点图像进行灰度化、图像增强、二值化处理的基础上,采用数学形态学方法构成的噪声滤除器对网点图像进一步去噪处理,使最终网点图像分割取得了良好效果.     

基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。     

机械工件数字识别的二值化算法研究

分析了基于LOG算子的局部动态阈值和基于最大类间方差的全局阈值算法的基本原理,讨论了他们在机械工件数字识别中二值化的具体实现方法.针对动态阈值和全局阈值各自的优点,结合工件字符图像的特点,提出了LOG算子的局部动态阈值和基于最大类间方差的全局阈值相结合的新方法:首先用LOG算子的局部动态阁值算法增强字符的细节信息,较好的区分了易混淆的数字.然后利用最大类间方差的全局阀值算法对背景进行二值化.该综合算法的计算复杂度、执行时间、二值化效果以及适用范围等方面均有较佳表现,并已应用于实际系统,取得了较好的实验结果.     

干涉图数据处理的一种方法

介绍一种以计算机技术和光电技术相结合的干涉计量方法。该方法可将干涉条纹以Ｗｉｎｄｏｗｓ位图格式采集存入计算机，通过软件对干涉图形进行处理，给出被检波前或被检光学面的解析表达式，这是一种精确的定量分析方法。     

利用遗传算法在遥感图像分割中的应用探讨

计算机在处理遥感图像的过程中产生的误差会影响到遥感图像的处理和识别效果,如何使这些误差最小是使计算机视觉达到实用化的重要要求.遗传算法是完全可以胜任的,目前己在遥感图像恢复,遥感图像边缘特征提取,几何形状识别等方面得到了应用.     

干涉云纹图像的全自动分块二值化处理

分析了在恶劣工作环境条件下干涉云纹图像质量变差的原因,提出了一种全自动分块二值化的图像处理方法,消除光场强度不均匀所造成的影响,实现了在恶劣工作环境条件下获得高质量的图像。     

手背静脉图像二值化阈值算法

因为传统分割算法对图像细节特征信息不敏感,分割效果不理想,提出了一种确定阈值的改进方法。该算法在阈值图像法的基础上,采用迭代计算平均值的方法,动态地获得每个像素点位置的最佳阈值,以获取一幅与原图像大小相同的阈值图像,利用该阈值图像对原静脉图像进行二值化处理,增强了图像的局部细节特征信息。仿真实验证明了该改进算法的有效性。     

基于Shamir门限方案和DWT的图像盲水印算法

目的 为了提高数字水印的抗剪切等方面的鲁棒性和不可见性,提出一种基于Shamir门限方案和DWT的图像盲水印算法.方法 首先将水印图像利用Arnold变换进行加密处理,然后对置乱后水印图像用Shamir门限方案进行分存,接着将原始图像进行分块,并对每块分别做二层离散小波分解,提取出相应的低频系数,通过叠加的方法将分存过后得到的子水印图像分别嵌入相对应的原始图像分块的低频系数中,最后合成图像,完成水印的嵌入.结果 实验结果显示,文中算法的不可见性较好,峰值信噪比均在49 dB以上,结构相似性接近于1,并且在各种攻击下,水印NC始终大于0.9.结论 文中算法对于剪切、JPEG压缩和常见的噪声干扰等攻击表现出良好的鲁棒性,并且水印的提取过程无需用到原始图像,实现了水印的盲提取,在版权保护方面具有可行性.     

基于免疫密母算法的图像分割

密母算法具有全局和局部搜索能力,但其具有对参数敏感、个体学习计算复杂度高的缺点.为了克服密母算法的缺点,本文提出了基于免疫密母算法的图像分割(IMAIS)方法.该方法对图像分割时采用了两个种群,并分别用密母算子和免疫克隆算子对这两个种群同时进化,加快种群收敛速度.实验结果表明了本方法的可行性和有效性.     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法。该算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数。通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。     

基于脉冲耦合神经网络和遗传算法的图像增强

提出了基于脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）与遗传算法的图像增强算法．对PCNN模型进行了改进使之更适用于图像处理,并利用遗传算法的全局寻优能力自动搜索图像的最佳灰度阈值,再对图像进行处理．该算法既可有效地去除噪声,又能根据图像灰度性质自动选取最佳阈值,并对自适应分割后图像进行不同的灰度变换,从而实现了图像的自适应增强．试验结果表明,该算法显著提高了图像增强效果．     

基于量子搜索算法的篮球图像分割研究

为提高篮球图像分割效果,提出了量子搜索算法(QSA)。首先建立篮球分割模型,包括基于3级尺度级的篮球球心、半径建模,基于灰度概率分布的篮球目标分割建模;然后进行量子相位Grover变换,构建加权因子与篮球目标关系,确定最大量子搜素成功概率与量子旋转相位的角度;最后给出了算法流程。实验仿真表明:该算法能有效完成篮球对象的分割,同时分割成功率较高。     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。     

结合遗传算法与方向图法的指纹图像分割

指纹作为人体的重要特征，由于其唯一性和终生不变性，越来越成为生物测定技术的重要手段，在自动指纹识别中，指纹图像分割是图像预处理中关键的一环，不仅能够对图像信息进行压缩，保留脊谷线的主要信息，同时能够去除大量的粘连，加速后续处理的速度和提高指纹特征提取和匹配的精度，将基于遗传算法的阈值分割方法和方向图法相结合对指纹图像进行分割。     

基于电子光栅拍频原理的莫尔等高线测量术

本文报导用电子振荡信号形成“参考光栅”,基于电信号拍频原理产生等高线条纹的光电结合型莫尔轮廓术。用相位法对椭圆柱面样品进行逐点扫描测量,测得相邻等高线高差△z≈4.5mm,测量精度为±1mm。用1/25秒采样速率对缓慢运动的人手进行了实时三维形状测量。这种技术适合用于复杂曲面的非接触三维测量,或用于机器人视觉传感器。