基于VSAR的二维最大熵阈值分割算法

基于对传统二维最大熵算法各种改进方法分析,提出了一种基于判决域自动约束的二维最大熵改进算法。该算法提出了可以自动确定判决域大小的经验公式,与以往的改进算法相比,不仅减少了算法的运算量,同时具有自适应性,因而在某些应用场合具有较强的实用性。     

基于VSAR的二维最大熵阈值分割算法*

基于对传统二维最大熵算法各种改进方法分析,提出了一种基于判决域自动约束的二维最大熵改进算法。该算法提出了可以自动确定判决域大小的经验公式,与以往的改进算法相比,不仅减少了算法的运算量,同时具有自适应性,因而在某些应用场合具有较强的实用性。     

基于二维阈值化和遗传算法的图像分割方法

本文以二维最大熵为例,讨论了如何利用遗传算法和二维直方图进行图像阈值的自动选取。实验结果表明,利用遗传算法可以有效地提高原有图像阈值选取方法的速度。     

基于二维熵阈值的图像分割及其快速算法

阈值分割是图像分割技术中的一种重要方法,在图像处理和模式识别中广为应用.本文提出了一种基于二维熵阈值的图像分割快速算法.该算法能够有效地区分图像中边界、背景和物体三种区域,并使得传统二维阈值方法的复杂度从O(W2S2)降至O(W2/3S2/3).     

平均灰度级-梯度二维直方图最大相关阈值分割

鉴于现常用的灰度级-平均灰度级二维直方图区域划分存在明显的不足,提出基于灰度级(或平均灰度级)-梯度二维直方图最大相关阈值选取方法,导出相应的快速递推算法公式;给出实验结果并进行了分析与比较.结果表明:与现有的有关算法相比,所提出的基于灰度级(或平均灰度级)-梯度二维直方图最大相关阈值选取快速递推算法不仅能使分割后的图像区域内部更均匀、边界形状更准确、抵抗噪声稳健,而且同时其运行时间还减少了约20%.     

应用混沌多目标规划理论融合的图像分割

针对二维最大熵和二维最大类间熵阈值化方法通用性不强,使得他们在某些分割应用场合失效的问题,提出应用混沌多目标规划理论融合的图像分割方法.这种新方法利用多目标规划理论将前两种方法有机结合,得到既满足二维最大熵原则,又满足二维最大类间交叉熵原则的最佳阈值,并且将混沌优化算法和递推算法相结合,使计算复杂度大大降低.仿真实验结果表明,本文提出的方法好于单独使用一种方法的分割结果,而且有较好的普适性.     

基于二维最大熵和改进的遗传算法的图像分割

文章尝试了一种图像分割算法,在二维灰度直方图基础上,以二维最大熵为准则建立适应度函数,按改进的遗传算法,得到最佳二维阈值.实验表明,该法对于图像分割具有较佳的效果.     

一种结合小波变换与二维最大熵法的图像阈值分割方法

基于小波变换与二维最大熵原理,提出一种新的图像分割方法.该方法首先对图像进行n级小波变换,在第n层低频子图上应用二维最大熵阈值法求得分割阈值,结合其他反映边缘的高频子图,对子图实施分割,并计算分割后的目标物体能量占子图总能量的百分比;然后以该阈值为初始种子值分割全图,通过调整阈值使全图分割出来的目标物能量与全图总能量的比值在误差范围内等于分割子图得到的能量比,最终得到的阈值就是要求的最优分割阈值.实验表明,本算法具有较强的适应能力,在任何情况下都能取得较好的分割结果,而且分割效率较比直接对整幅图像应用二维最大熵阈值法有一定提高.     

基于NL-PF和MIMS的CT金属伪影消除算法

建立了一套针对由金属伪影造成的CT图像质量退化的恢复算法。利用Non-Local前置滤波(Non-Local Pre-filter,NL-PF)对原始CT图像进行全局滤波,从而有效地滤除原始图像中的噪声并对射线状金属伪影进行了平滑,其后配合最大互信息量分割算法(Mutual Information Maximized Segmentation,MIMS)从图像中分割出伪影成份,并利用其周围非伪影部分的像素对伪影类像素进行插值处理得到一个称之为"伪组织"类的图像。最后,通过融合"伪组织"图像的sinogram和原始CT图像的sinogram,得到校正的sinogram并采用滤波反投影重建算法完成金属伪影的CT校正图像。利用所提出的方法可以对含有金属伪影的CT图像进行有效伪影消除,其中射线状伪影消除效果显著。另外,此方法还可以锐化器官轮廓,避免了临床上由于金属伪影导致的放射治疗效果下降。实验表明,金属伪影消除算法可以有效地消除高密度物体造成的金属伪影,从而提高临床诊断和治疗的效果提供技术支持。     

基于量子遗传算法的二维最大熵图像分割

图像分割二维最大熵算法存在计算复杂度高的弊端,目前针对这个问题所提出的各类算法效果都不太理想。依据量子遗传算法种群多样性好、收敛速度快的特点,提出了一种基于量子遗传算法的二维最大熵算法,与基于标准遗传算法的二维最大熵算法相比较,取得了更好的实验效果。