基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。     

一种基于小波的图像模糊熵阈值分割算法

提出了一种新的有效的图像阈值分割算法.本算法将小波理论,模糊集理论和信息论三者有机的结合起来.算法采用目标类与背景类最大模糊熵准则,并针对现有的模糊熵分割算法中存在的阈值选取计算效率低的缺陷,重新定义了新的模糊隶属度函数与模糊熵,并且根据小波理论的多尺度分辨的思想,对该算法进行了优化,提高了阈值选取的寻优速度.通过与各种经典算法比较,证实该文算法的可行性,具有很好的鲁棒性.     

一种改进的模糊熵红外图像分割方法

提出了一种改进的模糊熵图像分割算法,该算法定义了一种新的模糊隶属度函数,该模糊隶属度函数只包含一个参数,即所要寻找的最优分割阈值,采用简单的穷举法便可得到最优分割阈值。实验结果表明,此方法的分割效果与传统的模糊熵方法效果相当,但计算时间大大减少,使得分割更加快速。     

基于克隆选择算法的最大模糊熵图像分割

为了分割照度不均匀的图像,提出了一种基于最大模糊熵和免疫克隆选择算法的阈值分割方法.该方法利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定区分目标和背景的最佳阈值,实现图像分割.为了验证该方法的有效性,对其进行了图像分割实验,并与遗传算法进行了比较.实验结果表明,该算法能够自动、有效地选取阈值,分割效果优于遗传算法,并能保留原始图像的主要特征.     

图像分割中的交叉熵和模糊散度算法

本文将交叉熵和模糊散度应用于图像分割中,提出了中最优灰度值选取算法,其一是基于均匀分布假设的最小交叉熵算法,其二是利用后难概率的最大类间交叉熵算法,其三是类间最大模糊散度的改进算法,其四是最小模糊散度算法,针对图像阈什化分割的要求,在后两种算法中构造一种新的模糊录改度函数,本文采用均匀测试和开头测试比较各算法的性能,利用多种类型测试 是到的分割结果,显示了所筛算法的有效性和通用性。     

基于遗传算法的二维模糊C-划分最大熵SAR图像分割

在合成孔径雷达(SyntheticApertureRadar)自动目标识别中,图像分割的好坏直接影响目标的识别性能。本文将二维模糊最大熵方法应用于SAR图像,并根据SAR图像的特点,对其进行了改进。为了快速搜索到最优参数,采用了遗传算法和模拟退火方法进行全局寻优。实验结果表明,本文方法可有效地对SAR图像中的人造目标进行分割,并且具有执行时间短、鲁棒性强的优点。     

基于分解的二维指数交叉熵图像阈值分割

尽管用对数定义的Shannon熵是测度信息不确定性的有效方法,但存在无定义值和零值的问题,且现有的二维Shannon交叉熵法其运行速度仍有提升空间。为此,提出了一维和二维指数交叉熵阈值分割算法。首先给出了指数交叉熵的定义,并导出了一维指数交叉熵阈值选取方法;然后将其推广提出了基于分解的二维指数交叉熵阈值分割算法。通过分别求原像素灰度级图像和邻域平均灰度级图像的一维指数交叉熵最佳阈值,并将其组合求解二维指数交叉熵最佳阈值,从而将二维运算转换到两个一维空间上,大大缩小了搜索空间,使计算复杂度由O(L4)降为O(L)。实验结果表明,与最近提出的二维Shannon交叉熵法及二维Tsallis交叉熵法相比,所提出的方法能够得到更为优越的分割效果,且运行时间大幅减少。      

基于最大模糊熵原则的低对比度图像阈值选取法

目前模糊集理论已经成功应用在许多领域,例如图像处理、自动控制、模式识别等方面.本文针对低对比度图像场景下,利用模糊理论及最大模糊熵原则找到最佳灰度阈值,把目标从背景中分割出来.在研究其他学者大量文章的基础上,本文改进了已有的隶属函数,使自适应阈值的选取过程大大缩短.经过对多幅低对比度图像采用多种分割方法,处理结果表明本文提出的方法切实可行,具有较强的场景适应能力.     

灰色关联度和模糊熵相结合的图像分割算法

提出了一种结合灰色关联度和模糊熵的分割算法.传统模糊熵分割算法的隶属度函数只利用了图像灰度值的统计信息,因此算法容易受噪声或光照不均的影响.在隶属度函数的计算中,引入灰色关联度来表示像素的空间信息,能够更加准确地反映像素属于目标或背景的影响.由理想目标或背景点组成参考序列,待处理像素及其邻域组成比较序列,计算比较序列与参考序列之间的灰色关联度,并修正隶属度函数.对实际图像的测试实验表明,结合灰色关联分析的最大模糊熵分割算法比传统模糊熵分割算法具有更强的噪声抑制能力和更准确的分割结果.     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。     

基于模糊集的图像阈值分割算法研究

图像阈值分割是提取目标区域的重要技术之一,大多数方法都依赖于直方图,从统计角度逐个考察灰度以选择合适阈值.但是仅靠获得的一幅分割图像不能进行比较,自然不能认为就是满意的分割结果.针对这一问题,文章基于模糊数学理论提出了一种选择水平因子和带宽的方法,定义了一个新的隶属函数以选择分割阈值.水平因子不同时能得到不同的分割结果,根据不同目的在这些结果中可以选择合适的分割图像.最后采用几幅不同的图像进行实验,结果表明该方法可行有效,并且对于模糊图像,算法也能获得满意的结果.     

基于Sugeno补的广义模糊熵阈值分割方法

鉴于传统的基于模糊熵的图像阈值分割方法对于光照不均匀图像的分割结果很不理想,该文提出了基于Sugeno补的广义模糊熵图像阈值分割方法。首先按照Sugeno补函数不动点的变化,对一幅图像产生9个阈值,然后利用图像分割质量评价指标对这9个阈值进行评价,最后选择使得评价指标最大的阈值作为最优的阈值。与传统的模糊熵阈值分割方法相比,新方法增加了选择更好的分割结果的机会,对于光照不均匀的图像能够获得比传统模糊熵方法更好的分割效果。     

基于模糊集的图像增强算法研究

该文通过定义新的隶属函数形式提出了一种自动图像增强的方法,该方法将图像转化为等效的图像模糊特征平面,在此基础上进行模糊增强,最后再转换为空域图像;模糊增强提高了低灰度区域和高灰度区域之间的对比度,从而使增强后图像的效果更好;最后对具有多峰直方图分布图像的模糊增强方法进行了推广。     

基于模糊神经网络的汽车外形识别系统及其应用

文章将模糊数学理论和神经网络相结合,建立了一个自适应的模糊识别与神经网络协作系统,成功地解决了在无专家经验的情况下,自动建立模糊隶属度函数和模糊识别规则的问题。该系统实现了从汽车图象的获取、车型的识别、确定收费标准等全过程的自动化,从而解决了自动交通管理中有关自动识别车型难题,具有很高的实用价值。     

红外图像中的阈值分割算法研究

阈值分割方法具有运萍速度快,易于实现等优点,在红外图像分割中得到广泛应用。本文对阈值分割算法的三种经典算法进行了研究,并在Marlab平台上进行了对三种算法仿真分析。     

基于模拟退火遗传算法的模糊分类器参数优化及其应用

该文从结构和算法上研究了Max-Min模糊神经网络(MMNN),找出了其固有的局限性,相应提出了一系列的改进措施形成改进MMNN算法。为了更好地提高网络的性能,同时考虑到优化算法的收敛速度,本文提出了基于模拟退火遗传算法的网络参数优化方法,通过计算机仿真,证明了该方法是可行的。最后,运用它作为分类器对实际的船舶辐射噪声进行了分类实验,与BP等算法进行了比较,显示出其独特的优越性。     

三维最小误差阈值法及其快速递推算法

针对现有算法无法有效解决混合噪声图像的阈值分割的问题,该文提出3维最小误差阈值法。该方法充分考虑图像像元点的灰度分布信息及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。为了提高该算法的处理速度,给出相应的快速递推算法,其时间复杂度为O(L3)。实验结果表明,在不同噪声环境及非均匀光照条件下,尤其对混合噪声图像,与现有方法相比,文中算法均取得了更好的分割效果。     

基于最大相关准则的阈值处理算法

阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用,本文提出了一种基于最大相关准则的自动选择阈值方法,该方法通过使图像中目标和背景分布的相关量最大来选择阈值,仿真分析显示该算法计算量与熵方法比较大大减少,分割效果则比Yen等人提出的算法更佳。     

使用高效的c均值聚类算法的图象阈值化方法

Otsu(1979)的阈值化法被认为是一种良好的图象分割方法。本文提出一个适合图象分割的高效的c均值聚类算法。它与Otsu法有完全相同的分割结果,但计算时间约减少了一个数量级。