基于遗传算法的最大熵阈值的图像分割

图像阈值分割技术在图像分析和图像识别中具有重要的意义.最大熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.文中将遗传算法用于最大熵阈值的图像分割方法中,分别对一维及二维阈值分割的情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像分割方法. 通过对几幅经典图像的分割结果对比,表明了基于遗传算法的最大熵阈值的图像分割方法可以有效地提高最大熵图像分割的计算速度,提高图像处理的实时性.     

基于遗传算法的图像阈值分割

该文将遗传算法用于Ｏｔｓｕ法和ＫＳＷ熵法两种图像阈值分割方法中,进行了针对图像分割的遗传程序所需的参数设计,并采用遗传算法实现单阈值和多阈值图像分割。实验结果表明分割速度快于传统阈值分割法,缩短了运算时间。     

基于遗传算法的图像阈值分割的研究

图像分割是实用性很强的图像处理技术,也是各种图像处理工作的基础。图像分割方法中的阈值分割法能根据一定的阈值选取准则快速、简单地实现图像分割。文中将标准的遗传算法与OTSU法相结合应用于图像分割中,有效解决了传统OTSU法高耗时性的缺点,提高了系统的运行速度,是图像分割问题中一种新而有效的方法。     

基于模糊和遗传算法的阈值分割方法

提出了一种阈值分割方法。本算法将模糊集理论和遗传算法有机地结合起来,它是一种有监督的分割方法,首先确定图像阈值的数目,然后将灰度图像模糊化,确定准则函数,采用遗传算法求得意了优解,最后经过后处理得到最终分割结果。实验表明该方法运算速度快,且对噪声不敏感,具有较高的鲁棒性。     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

红外图像阈值分割算法的研究

目标分割是图像处理、计算机视觉及人工智能领域中的一项基本而关键的技术,其目的是为后续的识别、分类、跟踪和检索提供依据.由于红外图像具有对比度低、噪音大,图像模糊等特点,故将遗传算法应用到红外图像阚值分割中.本文对红外图像阈值分割算法进行了综述,对遗传算法在红外图像分割中应用的研究方法,研究现状及其新技术进行了介绍.该算法被用在红外图像处理中,并取得较好效果.     

一种视觉表格图像全局阈值分割算法

针对复杂环境因素影响下的视觉表格图像,提出了一种有效的图像分割方法。首先利用图像的闭运算,估计出图像的背景变化,进而利用定义的图像对比度实现了图像的背景补偿。然后利用背景估计图像的均值作为补偿图像的全局分割阈值,成功实现了表格图像分割。实验仿真表明,本文方法的分割结果体现了较好的视觉效果,而且与基于补偿图像的OSTU方法和基于局部阈值的Niblack方法相比,它在图像单元格区域的过分割与欠分割之间实现了较好的均衡。     

基于遗传算法的图像阈值分割

该文将遗传算法用于Otsu法和KSW熵法两种图像阈值分割方法中,进行了针对图像分割的遗传程序所需的参数设计,并采用遗传算法实现单阈值和多阈值图像分割。实验结果表明分割速度快于传统阈值分割法,缩短了运算时间。     

浅谈图像阈值分割技术

图像分割是一种关键的图像技术．在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多．有些分割运算可直接应用于任何图像,而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割．因为他们需要从图像中提取出来的信息。例如：可以对图像的灰度级设置门限的方法分割。值得提出的是,没有唯一的标准的分割方法。本文通过对图像阈值分割的描述、分类、特点分析,让人们熟悉阈值分割的特点,为今后在图像分割方面提供一务解决问题的思路。     

图像阈值分割算法及对比研究

图像阈值分割技术广泛应用于计算机视觉和模式识别等研究领域。通过对五种典型的阈值分割算法,包括最大类间方差法、最大熵法、最小交叉熵法、最大相关法和灰度熵法进行算法仿真,并针对不同信噪比图像的分割结果进行了客观评价,得出不同分割方法所适用的分割对象。同时设计了图像阈值分割系统,便于进行不同分割算法的对比分析。     

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。     

基于改进遗传算法的图像分割

分析了OTSU图像分割算法和遗传算法,针对基本遗传算法在优化OTSU图像分割算法中存在的易于早熟、陷入局部最优的不足,提出了一种基于改进遗传算法的图像分割算法。结合OTSU对遗传算法中的适应度函数进行改进,使得对个体的评价更合理,提高算法的全局搜索能力,避免了遗传算法陷入局部最优。实验结果表明,与基于基本遗传算法的图像分割方法相比,改进的图像分割算法在图像分割中获得的分割效果更佳。     

基于改进遗传算法的电力设备红外图像分割研究

针对传统的遗传算法对目标图像感兴趣部位(ROI)分割存在收敛速度慢、耗时长、分割过当等缺点,提出一种改进遗传算法的分割方法,该方法采用最佳熵阈值法确定分割阈值,从而减少计算量,缩短耗时。通过Matlab仿真实验所得结果表明,改进后的遗传算法在电力设备红外图像分割的时间和效果上均优于传统算法。     

改进型遗传算法在医学图像分割中的应用

医学图像分割是图像分割领域的重要分支,文章研究了基本遗传算法和改进型遗传算法在医学图像分割中的优劣,通过引入两个经典测试函数对两种算法进行了仿真对比,实验结果表明,改进后的算法可以有效地提取感兴趣的图像区域,具有较好的寻优能力。     

基于遗传算法的彩色图像多阈值分割方法研究

针对彩色图像多阈值分割中阈值个数自动确定困难和优化时间长的问题,首先提出一种新的HSV空间中彩色图像投影预处理方法,然后计算待分割图像的颜色粗糙度,并根据颜色粗糙度确定图像分割的阈值数量,为提高分割效率,利用遗传算法搜索最优分割阈值组合,为提高分割精度,在遗传算法适应度函数设计时既考虑了类内的颜色离散度,又考虑了像素的空间关系。实验结果表明该方法具有较为理想的分割效果,对光线变化具有较好的鲁棒性。     

遗传算法在二维熵图像分割中的应用

对改进遗传算法的二维熵图像分割方法进行了研究和实现，并用几幅经典图像的分割结果对比表明，本文方法可以有效的提高二维熵图像分割的计算速度，提高了图像处理的实时性。     

基于OTSU的动态结合全局阈值的图像分割

动态结合全局阈值的图像分割方法,在图像灰度分布没有明显双峰及背景复杂的情况下也有很好的适应性.用OTSU方法求得近红外图像的全局阈值s和各子图像的阈值d;利用双线性内插值算法求得与原图像等大的阈值矩阵D.通过调整比例系数k,最后完成阈值矩阵T的构造和图像分割.此方法能有效分割出石化炼油炉的炉管图像.     

基于遗传算法的干涉图像的最佳熵研究

将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采用Otsu公式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阈值进行二值化处理，效果非常好。     

退火遗传算法在交通图像分割中的应用研究

基于双CPU的多车道交通流实时动态信息检测系统图像分割的阈值自动优化选取系统,通过将模拟退火思想引入到遗传算法中设计了退火遗传算法(AGA),以最大类方差函数作为遗传算法中适应度的评价函数,利用退火算法后期寻优能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动优化选取,MATLAB仿真数据表明,本算法较基本遗传算法寻优性能更强,将其应用于该交通流检测系统,增强了整个系统的实时性和鲁棒性.