灰度熵和混沌粒子群的图像多阈值选取

最大Shannon熵阈值选取方法仅仅依赖于图像灰度直方图的概率信息,而没有直接考虑类内灰度级的均匀性.为此提出了最大灰度熵的阈值选取方法.首先给出了灰度熵的定义及其单阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度级的均匀性;其次导出了量化图像直方图的灰度熵单阈值选取公式;最后将灰度熵单阈值选取推广到多阈值选取,提出了相应的快速递推算法,并进一步采用混沌小生境粒子群优化算法寻找最佳多阈值.实验结果表明,与最大Shannon熵单阈值选取和基于粒子群的最大Shannon熵多阈值选取方法相比,所提出方法的分割图像边缘、纹理更为准确,视觉效果明显改善.     

基于最大方差法和改进遗传算法的图像分割

针对应用标准遗传算法对一幅灰度图像寻找最优阈值时经常陷入局部寻优的问题,提出了一种利用最大方差法和新的改进遗传算法相结合对图像进行分割的方法.以灰度图像的最大方差作为适应度函数,把图像分割问题变成一个优化问题.利用遗传算法的寻优高效性,搜索到能使分割质量达到最优的分割阈值.实验结果表明,采用新的改进遗传算法和最大方差法相结合对图像搜索全局阈值时能收敛至全局最优解,并且大大缩短寻找最优阈值的时间.     

基于人工免疫的灰度图像多阈值自动分割

为了实现灰度图像的自动分类以及自动分割,提出了一种基于人工免疫及最优分类数的灰度图像多阈值自动分割方法.定义了灰度图像最优分类数目标函数;接着运用人工免疫算法,结合最优分类数函数对灰度图像进行自动分类,并产生最优的多阈值,从而使得图像的全自动分割成为可能.该人工免疫算法中,抗原是指最优分类数目标函数,而抗体是指最优的多阈值.通过实验证明,分类清晰,效果良好.     

图像阈值化的自适应粗糙熵方法

摘 要：目的：图像阈值化将灰度图像转换为二值图像,被广泛应用于多个领域。因实际工程应用中固有的不确定性,自动阈值选择仍然是一个极具挑战的课题。针对图像自动阈值化问题,提出了一种利用粗糙集的自适应方法。方法：该方法分析了基于粗糙集的图像表示框架,建立了图像粗糙粒度与局部灰度标准差的相互关系,通过最小化自适应粗糙粒度准则获得最优的划分粒度。进一步在该粒度下构造了图像目标和背景的上下近似集及其粗糙不确定度,通过搜索灰度级最大化粗糙熵获得图像最优灰度阈值,并将图像目标和背景的边界作为过渡区,利用其灰度均值作为阈值完成图像二值化。结果：对所提出的方法通过多个图像分三组进行了实验比较,包括三种经典阈值化方法和一种利用粗糙集的方法。其中,所提出的方法生成的可视化二值图像结果远远优于传统粗糙集阈值化方法。此外,也采用了误分率、平均结构相似性、假阴率和假阳率等指标进一步量化评估与比较相关实验结果。定性和定量的实验结果表明,所提出方法的图像分割质量较高、性能稳定。结论：所提出的方法适应能力较好,具有合理性和有效性,可以作为现有经典方法的有力补充。     

基于最大方差阈值法的火车票图像二值化处理

火车票识别是实现自动检票的关键。采用最大方差阈值法对图像二值化求最佳阈值时,单向逐级遍历灰度级值,耗时较多。提出双向分组并行遍历的方法,从灰度级别值两端同时向中间,双向并行遍历,比较并计算出最合适的阈值。随机选取200幅火车票图像,分别使用指定阈值法、交互式阈值法和双向遍历最大方差法阈值法二值化处理,由BP神经网络识别,双向遍历最大方差阈值法比其他两种方法识别率分别提高了12.5%和5.5%,同时采用双向遍历比单向遍历求最佳阈值时,前者比后者在时间上缩短了一半,实验证明双向遍历最大方差阈值法是有效的。     

基于自动分析直方图灰度分布的数字图像阈值比算法

1.引言图像处理的一个重要分支是图像分析,而灰度阈值法是最重要的图像分割技术之一。一般图像由具有不同灰度级的多个区域(景物)组成,在图像的灰度分布直方图上具有多个峰,可以选择峰之间的谷值将某一景物与其他景物和背景分割出来。这个谷值就是阈值。最简单的方法是通过观察灰度直方图,手工设定一个阈值T,凡是f(x,y)<=T的点(x,y)均认为是目     

楚漆器内部不同尺度纵向裂痕视觉检测仿真

针对传统漆器内部裂痕检测方法没有获取图像轮廓尺度,导致方法存在检测准确度差、效率低的问题,提出一种楚漆器内部不同尺度纵向裂痕视觉检测方法.对二元高斯函数的梯度灰度图像实施卷积运算,利用迟滞阈值实现二值化操作,得到漆器图像轮廓尺度,对漆器图像采取映射变换处理,通过邻域平均法完成漆器图像的平滑滤波操作,采用灰度阈值分割处理...     

基于自定义灰度空间分布密度矩阵的Otsu改进算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理与模式识别领域有着广泛应用.将图像中灰度级的空间分布特性应用到图像分割中,自定义适当的灰度空间分布密度矩阵结合先验知识,提出Otsu改进算法.实验证明在图像中目标与背景的灰度差异不是特别大的情况下,该算法的分割效果优于经典的Otsu算法以及其它分割算法.     

相控阵超声监测成像与直方图匹配图像增强实验研究

相控阵超声监测成像是通过控制Lamb波发射与接收的时间延迟而控制其指向,当特定方向的Lamb波指向结构中损伤时形成反射信号,由此监测结构中损伤;将监测结构扫描范围内不同方向上Lamb波信号的归一化幅值用二维灰度图像显示,实现结构损伤成像。由于相控阵监测所得原始图像并不完美,因此,利用直方图匹配图像增强方法对原始图像进行处理,通过划分损伤图像的灰度级、统计各灰度级的分布情况、计算各灰度级的概率密度函数,得到直方图匹配处理的最终灰度变换关系,利用原始图像与输出图像各灰度级的映射关系,修改原图像的灰度级,获得增强图像。该方法在铝板、玻璃纤维复合材料结构与碳纤维复合材料结构中进行实验分析,验证方法的正确性和有效性。     

基于自适应遗传算法的纸币识别预处理

描述纸币图像的二值化和字符的分割方法.针对纸币图像的特点,提出一种基于最大方差比的图像二值化算法,并利用自适应遗传算法(Adaptive Genetic Algorithm,AGA)得到最优的阈值.该算法的思想是将图像分成两个类,选取类间方差与类内方差的分离度为适应度函数,当分离度取最大值时对应的灰度值为最优的阈值,实验表明,以此阈值对图像分割能快速准确的对纸币图像二值化.最后讨论基于投影法的纸币字符分割的方法,并且取得比较满意的效果.     

3维自适应最小误差阈值分割法

为解决现有算法无法有效解决被多种噪声干扰的图像的阈值分割问题,本文提出了3维最小误差阈值法。该方法充分考虑图像像元点之间的灰度相关信息,结合图像灰度、均值和中值信息,构造出3维观测空间。然后基于相对熵定义出3维最佳阈值判别式。同时为了提高算法的处理速度,提出基于分解的快速实现方法,将3维阈值的求解分解成三个1维阈值的求解,其时间复杂度降为O(L),空间复杂度降为S(L)。实验结果分析表明,在不同噪声环境及非均匀光照条件下,尤其对多种噪声干扰的图像,与现有方法相比,文中算法均取得了更好的分割效果。     

融合视觉感知和等周理论的图像阈值分割

提出一种融合视觉感知和等周理论的图像阈值分割方法。此方法先利用人类视觉感知的特性来寻找候选阈值所在的灰度区间,然后将等周理论中的等周率作为准则从候选阈值中挑选出最佳分割阈值。在工业无损检测等一系列图像上的实验结果表明,与现有的几种经典阈值分割方法相比,本文方法的分割效果更好。     

Edge magnitude based multilevel thresholding using Cuckoo search technique

Multilevel thresholding technique is popular and extensively used in the field of image processing. In this paper, a multilevel threshold selection is proposed based on edge magnitude of an image. The gray level co-occurrence matrix (second order statistics) of the image is used for obtaining multilevel thresholds by optimizing the edge magnitude using Cuckoo search technique. New theoretical formulation for objective functions is introduced. Key to our success is to exploit the correlation among gray levels in an image for improved thresholding performance. Apart from qualitative improvements the method also provides us optimal threshold values. Results are compared with histogram (first order statistics) based between-class variance method for multilevel thresholding. It is observed that the results of our proposed method are encouraging both qualitatively and quantitatively.     

基于混沌布谷鸟优化的二维Tsallis交叉熵建筑物遥感图像分割

为了进一步提升建筑物遥感图像分割的准确性和运算速度,本文提出了基于混沌布谷鸟优化的二维Tsallis交叉熵的建筑物遥感图像分割方法。首先给出了二维Tsallis交叉熵的阈值选取公式,然后将Logistic混沌映射引入布谷鸟算法,进一步加快布谷鸟算法的收敛速度,最后通过该混沌布谷鸟算法优化基于二维Tsallis交叉熵的阈值寻找过程,并以得到的最优阈值分割建筑物遥感图像。大量实验结果表明,与二维倒数交叉熵法、二维Tsallis熵法、基于混沌粒子群优化的二维Tsallis灰度熵法等方法相比较,本文方法分割的目标更为准确,细节更为清晰,且运算时间更短。     

基于2维灰度熵阈值选取快速迭代的图像分割

目的 为了使图像阈值分割的精度和速度进一步提高,提出了一种基于2维灰度熵阈值选取快速迭代的图像分割方法。方法 首先,提出了1维灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,给出了基于灰度—邻域平均灰度级直方图的灰度熵阈值选取准则;最后,提出了2维灰度熵阈值选取的快速迭代算法,并采用递推方式计算准则函数中的中间变量,避免其重复运算,加快了运算速度,大大减少了运算量。结果 大量实验结果表明,与近年来提出的3种阈值分割法相比,所提出的方法分割性能更优,分割后的图像中目标区域完整,边缘清晰,细节丰富且运行时间短,仅为基于混沌小生境粒子群优化的二维斜分倒数熵分割法运行时间的3%左右。结论 本文方法对不同类型灰度级图像的分割效果及运行速度均有明显优势,是实际系统中可选择的一种快速有效的图像分割方法。     

Gray level thresholding in badly illuminated images

The thresholding method involves first locating objects in an image by using the intensity gradient, then noting the levels that correspond to the objects in various areas of the image, and finally using these levels as initial guesses at a threshold. This method is capable of thresholding images that have been produced in the context of variable illumination. The thresholding method, called the local intensity gradient (LIG) method, was implemented in C using a Sun4 host running UNIX. The LIG method was compared against iterative selection (IS), gray level histograms (GLHs) and two correlation based algorithms on a dozen sample images under three different illumination effects. Overall, the LIG method, while it takes significantly longer, properly thresholds a larger set of images than does any other method examined over the sample images tested     

优良模式自学习遗传算法在阈值选取中的应用

针对现有图像处理过程中阀值选取优化方法中存在的计算效率低，易陷入局部最优等不足，研究采用优良模式学习算法，求取图像阈值，通过对类间方差的优化，表明该文算法优越性，实验结果进一步证实了该文算法优良，高效，针对图像特点，利用优良模式自学习遗传算法，提出了一种阈值自动选取的策略，提高了阈值选取的准确性及寻优速度。实验结果表明了该文提出算法的可行性。     

基于最大互信息量的图像自动优化分割

由于传统的阈值分割算法只考虑到图像的灰度信息,而忽略了灰度的空间分布以及分割后图像与原图像之间的关系,因而分割效果不好。为了提高分割效果,从分割图像与原图像的内在联系出发,提出了一种新的基于K均值算法与互信息量(mutual information,MI)技术相结合的分割算法。新算法首先利用K均值算法确定全局阈值作为初值;然后以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值。这是将图像配准方法用于分割的一种创新性尝试。通过对大量医学图像以及汽车牌照图像进行的实验结果表明,该新算法所得到的目标图像的边界特征保持完好,不仅虚假目标信息大大降低,而且图像边界细腻、连续,且定位性能好。     

雾天条件下的视频图像复原方法及其应用

针对雾天户外视频图像的退化现象,提出一种基于大气模型的完全自适应视频图像复原方法。该方法根据单帧图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域并求出归一化辐射率的值,利用同深度区域内像素点的对比度实现退化图像的复原。实验表明,该方法对雾天退化图像的清晰化效果较好。