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。     

基于阈值的几种图像分割算法研究

图像分割就是将图像分成若干具有特定意义的区域,并将它们提取出来进行处理的技术。本文介绍了阈值化分割技术的基本原理,描述了几种常用的图像分割算法,并对几种算法的优缺点进行了分析。     

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。     

红外图像的动态阈值分割

在深入探讨目前图像分割算法的基础上,针对实际红外图像的分割提出了一种新的方法－－动态阈值分割算法。它利用局部空间阈值适度调整全局统计最优阈值,因而其分割阈值是动态的。实验表明该算法能够突出图像中感兴趣的细节,单动态阈值的分割效果相当于常规固定双域值的分割。     

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。     

改进的模糊阈值图像分割方法

提出了一种自适应的模糊阈值图像分割方法,通过预分割和直方图信息相结合的方法,解决了传统的模糊闽值图像分割法难以自动获取窗宽的困难;并针对模糊闽值图像分割方法不能适用于直方图呈单峰分布的图像的缺陷,提出了一个新的平滑迭代公式。该平滑迭代公式利用像素点的邻域信息使图像增强,再使用自适应的模糊阈值图像分割方法进行分割,可以拓宽模糊阈值图像分割方法的适用范围。实验结果表明,使用该方法的目标分割正确率达97.3％,显示了较高的分割精度和较强的鲁棒性。     

自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法，试验表明该算法能够避免过分割现象，具有良好的分割效果。     

基于雁群优化的声呐图像快速阈值分割方法

针对声呐图像阈值分割中,直接阈值法分割效果不理想而复杂阈值法运算效率低的问题,提出一种基于雁群优化算法的快速分割方法。该方法结合声呐图像的特点,根据先验知识截取部分灰度-梯度二维直方图,对其进行最大熵分割,通过计算熵值确定最佳阈值,并在寻找最佳阈值的过程中,引入雁群优化算法进行提速。实验结果表明,该方法用于声呐图像分割时,能够得到较理想的分割效果,同优化前相比,分割速度提高了10倍以上。     

改进乌鸦算法优化多阈值图像分割

目的 针对传统乌鸦算法随机搜索的盲目性和易陷入局部最优的缺点,提出一种改进乌鸦算法,用于多阈值图像分割.方法 采用精英分享策略,弥补乌鸦位置更新的盲目性;引入Levy飞行机制,避免算法陷入局部最优;随迭代次数调整变尺度系数,限制搜索步长,加快算法收敛;以Kapur熵为适应函数,利用改进乌鸦算法对不同类型图像进行多阈值分割,并与传统乌鸦、布谷鸟等4种算法的分割结果进行对比分析.结果 改进乌鸦算法对Lena,Flower,Fruits和Boat图分割后的结构相似性分别为0.7703,0.7761,0.7276和0.7921;标准偏差分别为0.0295,0.0385,0.0344和0.0173,实验数据表明,改进算法较其他算法有着更好的分割效果.结论 文中算法有效地改进了传统乌鸦算法的盲目性和易陷入局部最优的缺点,能够准确地分割复杂图像,在多阈值图像分割领域具有一定的参考价值.     

基于Tsallis广义散度的图像阈值分割

为了有效获取图像自动分割的最佳闽值,基于Tsallis广义散度概念,提出了一种新的图像阈值化方法.首先,对Tsallis广义散度公式进行化简,进而建立该简化公式的对称形式.接着,在简化公式的对称形式上构造阈值化前后图像前景与背景的散度和,然后对该和式求职极小值获取图像分割的最佳阈值.实验结果表明,新方法是可行的且能更好的适应复杂多样的图像,是一个有效的阈值分割方法.     

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.     

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。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

量子蚁群模糊聚类算法在图像分割中的应用

针对模糊C-均值算法对初始值的依赖,容易陷入局部最优值的缺点,本文提出将量子蚁群算法与FCM聚类算法结合,首先利用量子蚁群算法的全局性和鲁棒性以及快速收敛的优点确定图像的初始聚类中心和聚类个数,再将所得结果作为FCM聚类算法的初始参数,然后用FCM聚类算法对医学图像进行分割。实验结果表明,该方法有效解决了FCM算法对初始参数的依赖,克服了FCM算法及蚁群算法容易陷入局部极值的的缺点,而且在分割速度和精度上得到了较大提高。     

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。     

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的otsu法的快速迭代算法.在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较.结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少.     

一种基于熵率超像素分割的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于熵率超像素分割的多聚焦图像融合方法。首先,将多聚焦源图像进行预融合;然后,用熵率超像素分割方法将融合图像分割成不同的区域,得到一幅融合图像的分割图像,对得到的分割图像进行膨胀操作得到新的分割图像,每个区域计算源图像相应区域的区域空间频率,从源图像中选择区域空间频率大的区域赋予融合图像。最后,当融合图像的相邻区域来自不同的源图像时,对他们的边界进行边缘处理,从而得到最终的融合图像。实验结果表明,所提出的方法能够得到较好融合效果,同时还具有运行效率高等优点。     

基于PCNN区域分割的图像邻域去噪算法

针对小波图像去噪方法中使用的NeighShrink方法,本文提出了一种有效的保护图像边缘的图像去噪算法.主要改进了NeighShrink方法中固定的邻域范围,根据图像自身的性质,自适应分割成不同的邻域对图像进行去噪处理;并进一步结合小波层内相关性,对各个不规则邻域加上固定的窗口,选择了几何距离更为接近且在同一不规则邻域内的系数,以完善NeighShrink方法.该算法采取平稳小波对含噪图像进行分解,以保持相位不变性,并对低频子带利用脉冲耦合神经网络模型进行图像分割,按照一定的规则将性质相似的像素点相接,得到原图像分割后的信息.在处理过程中利用得到的分割信息对边缘予以保护.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的边缘信息,是一种有效的去噪方法.