最优进化图像阈值分割算法

针对图像阈值分割问题,根据遗传算法理论提出最优进化图像阈值分割算法.将图像中每个像素点看作一个染色体,阈值看作进化方向,假设最优进化方向存在,建立进化方向更新模型;然后定义了染色体编码规则,通过简单随机采样进行种群初始化,重新定义了适值函数和选择机制,在适当的交叉率和变异率下得到最优阈值;同时分析了假设和模型的合理性.实验结果表明,文中的假设和进化方向更新模型合理,该算法是稳定、有效的图像阈值分割算法.     

二维最优进化图像分割算法

针对一维阈值分割只考虑图像的灰度级而不考虑像素的空间信息且需要目标函数的问题,根据最优进化图像阈值分割算法的基本思想,提出了一种无目标函数的二维图像阈值分割算法框架(2D-OEA)。2D-OEA将每个图像二维信息向量看作一个染色体,假设最优进化方向存在,建立进化方向更新模型;然后定义了染色体编码规则,通过简单随机采样初始化种群,再对种群进行交叉变异运算、适值计算、选择和阈值修正,得到稳定的最优二维阈值。分别从理论和实验分析了假设和模型的合理性。实验结果表明,假设和进化方向更新模型合理,2D-OEA快速、稳定且有效,分割结果优于OEA。     

利用云模型和数据场的图像分割方法

针对图像自动分割中的最优阈值选择问题,提出一种基于云模型和数据场的图像分割方法。 该方法引入数据场实现图像灰度值特征空间到数据场势值空间的非线性映射,设定两个不同的质量函数分别形成相对数据场和绝对数据场。利用两类数据场的特点,结合全局和局部统计特征获得自适应势阈值对图像像素进行划分,产生图像潜在的背景或目标像素集合。进一步由逆向云发生器算法产生图像背景和目标的云模型表示,根据图像像素隶属于背景、目标云模型的程度,采用极大判定法则得到最终的分割结果。 实验结果表明,该方法的分割效果较好、性能稳定,具有合理性和有效性。     

一种改进的Otsu多阈值SAR图像分割方法

针对传统Otsu多阈值分割方法对SAR图像分割存在对噪声敏感且计算量大的问题,提出了一种结合降斑各向异性扩散(speckle reducing anisotropic diffusion,SRAD)和自适应量子遗传算法的Otsu多阈值SAR图像分割方法。首先,利用SRAD对SAR图像进行滤波,滤除其相干斑噪声,并通过获取滤波迭代过程中图像间的平均结构相似度,有效地控制迭代过程;通过图像的直方图和阈值的组合来定义图像的类间方差。然后,将阈值的组合编码为量子染色体;设置若干量子染色体构成初始阈值组合种群,并对每个组合个体以定义的类间方差作为评价标准进行适应度评价。利用量子旋转门作用于量子染色体叠加态的基态实现其进化,并根据相邻两代量子染色体的差异,逐代地调整量子旋转角的大小;以最终演化的阈值组合种群中适应度最大的阈值组合个体作为最优阈值组合,实现SAR图像最优多阈值分割。为验证所提出的分割方法,对模拟和真实SAR图像进行了实验。定性和定量评价结果表明了该方法的可行性和有效性。     

融合局部特征的图像过渡区提取与阈值化

针对图像过渡区提取与阈值化问题,提出了一种融合局部灰度复杂度和局部灰度差异度的方法。首先生成图像的局部复杂度和局部差异度等局部灰度特征;其次融合这些局部灰度特征构造新的特征矩阵;然后设计了与特征矩阵的均值和标准差相关的自动特征阈值,并提取图像过渡区;最后将过渡区像素的灰度均值作为最优灰度阈值完成图像二值化。实验结果表明,所提方法的过渡区提取质量高,分割效果好,具有合理性和有效性,可作为经典方法的有效补充。     

基于自适应粒子群算法和数据场的图像二维阈值分割

针对图像分割中最优阈值选择的问题,将粒子群优化算法和数据场理论相结合,提出一种图像二维阈值分割算法.首先把数据场的理论引入到图像处理中,将图像的灰度值空间映射到数据场的势空间;然后通过自适应的粒子群优化算法寻找数据场中最大势值,该势值对应最优阈值;最后根据找到的阈值进行图像分割.在进行空间映射的过程中,将二维直方图中的序偶?p,q?视作数据对象,其中p代表像素的灰度值,q代表邻域的灰度值,选用拟核力场高斯势函数计算各数据对象之间的相互作用,生成了二维直方图的三维数据场.文中亦对数据场的各个参数进行了详尽的探讨.实验结果表明,文中算法不仅合理、有效,而且大大降低了计算的复杂性,能够适应大多数图像的分割.     

广义模糊熵图像阈值分割参数选取的ADE方法

针对广义模糊熵图像阈值分割参数不能自动选取,提出自适应差分进化（Adaptive Differential Evolution,ADE）的广义模糊熵图像阈值分割方法。利用自适应差分进化算法作为优化工具来选取广义模糊熵阈值分割所需要的最佳参数,引入自适应变异算子和提出交叉概率自适应函数对优化过程进行控制,通过把参数带入广义模糊熵的补函数得到图像的阈值,进而得到图像最优分割。为验证其有效性与可行性,分别同基本图像质量评价准则的模糊熵图像阈值分割算法和粒子群优化广义模糊熵图像阈值分割算法相比较,实验表明,针对不同细节的图片,该算法所得分割结果多数情况下背景信息更少,目标信息更清晰,用时更短,分割更稳定且效果良好。     

基于进化规划的最大类间方差的图像分割算法

图像分割是计算机视觉中一个关键的技术.在分析了最大类间方差算法(Ostu算法)求阈值进行图像分割以及进化规划原理的基础上,提出了一种自动阈值选取的图像分割的算法.该算法以灰度图像的灰度最大类间方差作为适应度值,将图像分割问题看作为一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割.最后基于实例对其与传统Ostu算法进行性能比较和效果验证.结果表明,本方法在图像分割过程中具有速度快,效果好的特点.     

细胞膜机制萤火虫算法优化多阈值Otsu图像分割

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果,但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题,本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度,并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的"早熟"现象.实验结果表明,与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比,本文提出的算法具有更高的收敛速度和更好的图像分割效果,并且有效解决了萤火虫算法易陷入局部最优的问题.     

基于遗传算法的图像分割阈值选取

图像分割是图像处理和计算机视觉的重要研究领域.基于图像的灰度级特征,以目标和背景最大程度地分开为判据,文章提出了一种简捷的自动识别最优阈值的方法,该方法将遗传算法引入图像分割,利用遗传算法具有的快速寻优特点,优化了求解阈值的过程,对更多图像都可以给出最佳的阈值,达到较好的图像分割效果,大大缩短了计算时间.     

一种灰度级抽取的图像分割方法研究

阈值分割方法依据图像直方图分析,利用最优化法则进行最优阈值选取,完成图像分割,这类方法将直方图最优分析等价于图像最优分割.但是,直方图提供的是图像灰度级统计信息而无空间关系信息,则闽值分割可能会导致分割失败,所以有必要进行灰度级空间信息的考察以完成图像分割任务.提出一种灰度级抽取分割方法,首先利用层次聚类方法对各灰度级像素进行空间远邻考察,并给出一种类别数与类间距关系确定最优类别数的方法,然后对近邻灰度级进行抽取并组合,最终形成分割结果.本文对该方法与若干阈值分割方法进行了对比验证,实验表明,所提方法在图像分割方面具有优势,能够得到较为满意分割结果.     

基于遗传算法的彩色图像二维熵多阈值自适应分割

提出一种基于遗传算法的二维熵多阈值自适应图像分割方法.在分析研究二维熵阈值分割原理的基础上,将可变码长的遗传算法应用于多阈值分割处理过程,采用基于多阈值的整数编码方式,将图像分割的类别数即染色体的码长融合到适应度函数中,从而实现了在对阈值寻优的同时得以优化分割类别数,最终实现图像的多阈值自适应分割处理.实验分析结果表明,该方法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点.     

微分进化的自适应彩色图像阈值分割

针对阈值的选择依赖于经验和试验的问题,提出了结合微分进化算法和二维最大熵算法得到图像自适应阈值的方法。该方法首先利用全局阈值法中的迭代法得到图像的阈值并初次对图像进行分割,然后利用微分进化算法并且结合二维最大熵阈值进行适应度的计算、个体编码、终断条件等计算图像的自适应阈值,最后对测试的图像应用微分进化算法实现对图像的正确分割。采用微分进化算法可以准确地对图像进行分割,是一个比较高效的方法,有效地提升了分割效果。与现有的自适应阈值分割算法相比,本文算法缩短了计算时间。阈值分割不仅可以对灰度图像进行分割,彩色图像也可以用阈值分割。     

一种基于目标特征挖掘的带钢缺陷图像分割方法

通过分析带钢图像,挖掘缺陷图像的特征,提出一种基于目标特征挖掘的带钢缺陷图像分割方法。首先,将采集的带钢缺陷图像进行中值滤波处理;然后,通过等分图像灰度范围所确定的一系列阈值对带钢图像进行预分割,通过挖掘带钢缺陷图像的特征,以特征因子作为任务驱动,找出特征值发生突变的区间;在此突变的区间内,再按照上述方法对带钢图像缺陷存在的区域进行细分,找出面积突变点,以此确定最佳阈值,通过最佳阈值进行带钢缺陷图像分割,得到特征子图;最后将若干特征子图融合,得到带钢缺陷图像分割结果。实验结果表明,将此方法应用于带钢缺陷图像分割过程中,能够完整有效地分割出带钢缺陷区域,为带钢缺陷的视觉在线检测提供了可能性。     

基于人工免疫的烟草异物图像多阈值分割

烟草异物图像分割是图像异物识别的基本任务。为了快速实现烟草异物图像多阈值分割,提出了一种基于人工免疫算法与最大类间方差法的多阈值烟草异物图像自动分割方法。算法首先定义了图像分割目标函数;接着运用人工免疫算法,结合最大类间方差法以及目标函数对图像进行自动分割,并产生最优的多阈值,从而实现图像的多阈值分割。人工免疫算法中,抗原是指最优图像分割目标函数,而抗体是指最优的多阈值。实验证明,方法对烟草异物图像多阈值分割的效果良好,分类清晰。     

基于矩和自适应阈值的迭代分割算法研究

基于自适应阈值的图像分割算法具有算法简单、易于实现且计算量小等优点.但对于有较复杂背景的小目标图像,单一运用此方法不能将目标从背景中分割出来.为了解决这个问题,提出了一种基于矩特征、角点特征以及自适应阈值的迭代分割方法.首先利用角点特征和矩特征选择目标区域,进而在该区域内计算自适应阈值,利用迭代的思想克服先前图像分割算法中阈值只选取一次的问题,从而得到较为满意的图像分割效果.仿真结果证明,提出的算法在飞机图像分割方面的优越性.     

基于遗传算法的自动阈值选取方法研究

利用传统的Otsu理论进行图像阈值选取,计算量较大,现将遗传算法和Otsu 理论有机结合,提出了一种简捷的自动识别最优阈值的方法,该方法将遗传算法引入图像分割,利用遗传算法所具有的快速寻优的特点,大大缩短了计算时间.实验结果表明:新算法不仅提高分割质量,而且缩短寻优时间.     

多种群联合的多目标进化自适应阈值图像分割算法*

多阈值图像分割算法的阈值数目大多需要用户指定,人为干预较大。本文提出多种群联合的多目标进化自适应阈值图像分割算法,本文提出多种群联合的多目标进化自适应阈值图像分割算法,在多个分组种群的联合进化框架下,通过同时优化类间方差准则和模糊熵准则获得图像阈值,并在进化过程中采用自调节的交叉和变异操作产生子代种群并自动确定阈值数目。实验结果表明,该算法不仅能自适应得到合适的阈值数目,而且阈值分割效果也是比较理想的。     

基于量子粒子群优化算法的最小交叉熵多阈值图像分割*

首先提出了一种减少最小交叉熵适应度函数计算量的快速递推编程技术;然后采用量子粒子群优化法搜索获得图像最优多阈值,并用该阈值实现图像分割。实验分析结果表明,该方法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点。     

基于分散微粒群算法的二维模糊最大熵图像分割

该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。