一种用于红外图像分割的改进型Otsu方法

概述了红外图像处理系统对图像预处理的要求,并针对传统图像分割算法中容易出现的目标错分问题,提出了一种基于灰度梯度映射函数的Otsu法。该方法克服了传统的基于灰度直方图的Otsu法不能利用图像局部信息和边界信息的缺点,通过将像素点的梯度信息与灰度信息相结合,较好地从背景中分离出了目标。仿真结果表明,该算法达到了预期的技术指标,很好地实现了红外图像预处理的功能。     

基于二维OTSU和遗传算法的红外图像分割方法

为了改善红外图像的分割效果,将二维OTSU算法应用于红外图像分割,通过二维OTSU算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维OTSU算法寻找阈值的速度,提高分割效率.实验结果表明,该方法分割效果好,分割速度快,是一种可行的红外图像分割方法.     

基于积分图像的快速二维Otsu阈值法

传统的二维Otsu法采用灰度级-平均灰度级二维直方图,针对传统二维直方图区域划分存在的不足,基于灰度级-梯度二维直方图,提出了一种引入积分图像的快速二维Otsu法,利用积分图像降低搜索二维直方图最佳阈值的计算复杂度,从而减少了计算量。实验结果表明,该方法具有良好的分割效果,大大地提高了计算速度,是一种快速有效且实时性好的阈值分割算法。     

改进的二维Otsu图像分割方法及其快速实现

通过实验和理论验证2维直方图的副对角区域的概率和不一定很小而不能忽略,因而传统2维Otsu法中关于主对角区域的概率和近似为1的假设不够合理。针对该问题,该文提出了一种改进的2维Otsu法及其快速实现。新方法舍弃了不合理的假设,通过单独计算2维直方图主对角区域概率的方法,来准确估计主对角区域中目标和背景的概率,并重新计算2维Otsu。实验结果表明,改进的2维Otsu法能够获得明显优于传统2维Otsu法的分割效果,其快速算法的计算复杂度与传统2维Otsu法的快速算法相当。     

基于改进PSO理论的二维Otsu分割算法

二维Otsu阈值分割方法是图像分割中常用的分割方法,但其算法运算量大,大大限制了实时性要求,为此,提出了一种基于改进PSO理论的二维Otsu分割算法。首先从二维Otsu算法基本理论出发应用有智能寻优特点的PSO理论来寻找最佳阈值向量,而后又针对传统PSO算法的缺点引入协同分工的合作思想来寻找最佳的分割阈值。实验证明,应用改进的PSO理论的二维Otsu算法不仅能够正确地寻找到阈值,还大大提高了计算速度,是一种高效快速的分割方法。     

基于二维直方图的图像分割算法研究

分析比较了基于二维直方图的两种图像分割算法,在此基础上提出了新的阈值分割输出函数,并进一步改进了传统的阈值分割方法.该方法不仅充分考虑了像元点之间的空间相关信息,增强了识别能力,而且大大降低了运算的时间.     

基于二维直方图与FCM相结合的图像快速分割方法

基于二维直方图的模糊聚类分割方法,可以有效地抑制噪声。但是FCM(模糊C均值)算法用于图像聚类时最大的缺点是运算开销太大,进而限制了该算法在图像分割中的应用。通过构造合理的二维直方图,并筛选出符合规定条件的元素作为聚类样本,再结合FCM算法进行图像分割。实验结果表明该方法具有与基于一维直方图的模糊聚类分割方法速度相近,但却比其分割精度高很多的良好特点。     

基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

二维最小误差分割在红外图像中的快速实现

最小误差分割算法的图像分割性能优异,但一维的最小误差分割算法容易受到噪声的干扰。利用图像的二维直方图,二维最小误差分割算法不仅能够利用图像的灰度信息,同时利用了相邻像素之间的邻域信息,取得更加理想的分割效果。但在实际使用的过程中,二维最小误差算法采用穷尽搜索的算法运算时间长,二维直线型最小误差分割算法无法反映全局最优解,降维形式的最小误差算法复杂度高。本文将结合粒子群优化算法（PSO）将二维最小误差分割算法应用在红外图像上,大大提升了算法的求解速度,能够在实现更低对比度的红外图像分割的同时满足工程中实时检测的要求。     

基于模糊阈值和水平集的红外图像分割方法

针对阈值法分割红外图像易产生误分割和水平集分割方法受初始曲线限制大,提出了一种结合模糊阈值与水平集的自适应红外图像分割方法。该方法首先采用二维Otsu方法计算阈值,利用该阈值获取模糊阈值分割法中的窗口宽度,使模糊阈值分割法具有自适应性;然后采用此自适应模糊阈值分割法预分割红外图像,利用预分割结果自动获取水平集初始曲线;最后将Chan-Vese方法与Shi方法结合提出改进的水平集方法,并用此方法分割红外图像。实验结果表明,本文方法具有较好的分割效果和较强的鲁棒性。     

基于Otsu法自适应阈值的图像分割研究

概述了基于一维Otsu 和二维Otsu 双门限的阈值分割法,提出了基于像素邻域平均灰度的改进的一维Otsu 多门限分割方法,兼有准确性和快速性的优点,并应用于MRI脑图像,实现了多个目标的自动分割,与普通的一维Otsu 法相比具有更好的分割效果.     

改进Otsu法的目标图像分割

在现代战争中,快速而有效地对攻击目标进行识别和跟踪对获取战争主动权起着很重要的作用,而要达到这个目的,就需要从目标图像中准确地分割出目标.在分析Otsu的基础上,结合两类之间间距和类内距离对图像分割效果的影响,提出一种改进的最大类间方差法,并应用于目标图像的分割.实验结果分析显示该方法可达到较好的图像分割效果,较之Otsu方法更佳.     

基于最大类间方差法的肝脏CT图像分割及实现

针对肝脏CT图像中,肝脏组织与周围组织之间密度差别不大而易造成漏分或过分的现象,实现了一种能得到最优分割阈值的方法,即最大类间方差法.实验结果表明,该算法计算简单,将图像二值化同时得到最优分割阈值,从而能较好地分割出肝脏组织.文中也对该算法存在的问题进行了分析讨论.     

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。     

基于Otsu算法和分形维数相结合的红外云图分割

红外云图中的云系主要由积雨云、卷云、层云和积云组成,它们对于气象研究有很大的帮助。这4类云系具有不同的分形维数特征,因而可以借此对它们进行分割。但是由于地表和一些云具有相似的分形维数特征,单纯依靠分形维数的分割效果不理想。对此,采用最大类间方差（Otsu）算法,分离出地表,去除干扰,并对提取出的云系采用分形维数进行分割。由于传统分形维数算法在计算时只选取了窗口内的灰度最大和最小的像素点,获得的分形维数特征不够精确,造成分割的云系出现混淆的现象。对此,在计算的过程中加入窗口中的全部像素点,获得的分形维数能准确地描述区域特征,保证了云系分割的良好效果。     

一种改进的2维Otsu红外图像分割法研究

为了在2维直方图上用Otsu方法更好地分割红外图像、提高抗噪能力,提出了一种改进的方法。首先分析在2维灰度-邻域均值直方图上的分割存在不准确性,采用2维灰度-梯度直方图,且改进对邻域均值的求取算法;然后对Otsu法的阈值函数进行研究,引入类内的分离信息改进阈值函数,并简化该阈值函数以降低运算复杂度,通过实验给出了相应的实验对比。结果表明,改进的方法能更好地分割目标,运行时间较少、抗噪性更强。     

改进二维直方图区域划分的阈值分割方法研究

针对传统二维Otsu阈值法存在分割精度不够和错分、二维Otsu曲线阈值 法不具普遍性,以及二维直方图θ-划分法存在参数θ取值不能同时兼顾分割 结果的抗噪性与边缘形状准确性的状况,提出一种适 用更广泛的基于改进二维直方图区域划分的叉分Otsu阈值分割方法。采用两条 通过阈值向量点与灰度级轴分别 成α和β角(β≥α)的直线划分二维直方图,获得更普遍的区域划分。传统 直分法可视为本文方法中α=0°、β=90°的特例;本文方法取α=β =135°时,相当于斜分法;取90°＜α=β＜ 180°时,相当θ-划分法。改进的区域划分二维直方图叉分法还可 以运用到最 大熵等基于二维直方图的阈值分割法,应用范围广泛。实验结果表明,二维直 方图叉分法不仅分割结果更准确、抗噪声能力更强,而且分割效率高,具有较好的实用价值 。     

基于改进脉冲耦合神经网络的电路板红外图像分割

电路板红外图像发热芯片区域准确分割是电路板故障诊断的关键步骤,但灰度不均匀、目标区域多、辐射噪声大使电路板红外图像的准确分割变得较为困难。针对这一问题,本文提出一种改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)红外图像分割模型。首先,调整传统PCNN的模型结构,将图像梯度信息作为输入信号增加到模型输入域;其次,基于最大似然估计原理,推导出链接系数β的动态调整方法;最后,在脉冲发生域引入边缘约束算法,防止邻域神经元误捕获,增强目标区域的可分割性。实验结果表明,改进模型能够有效降低背景及辐射噪声影响,准确分割出不同类型电路板红外图像目标芯片区域,在视觉效果、区域一致性和对比度方面均优于已知的Ostu、K-means和传统PCNN模型,分割性能得到明显增强。