Otsu阈值分割法特点及其应用分析

Otsu方法是应用最广泛的阈值分割法之一,对直方图呈双模或者多模分布的图像分割效果好,直方图呈单模分布的分割效果差。针对这个结果,从Otsu分割法理论出发,分析其分割阈值的特点,证明得出:Otsu单阈值分割时最佳阈值为该阈值分割出的两类灰度均值的平均,Otsu多阈值分割时的多个最佳阈值是这些阈值分割出的多类中相邻两类灰度均值的平均。单阈值Otsu法用于表面缺陷检测图像分割时将大部分背景错分为目标,对此,提出了一种改进的Otsu阈值分割。实验结果表明,改进的算法分割效果优于传统算法,在比较准确分割目标的同时有效减少背景的误分割。     

头脑风暴算法在多阈值Otsu分割法中的应用

利用头脑风暴算法对Otsu多维阈值分割适应度函数进行优化求解。与其他经典智能算法进行对比,结果表明,该方法应用在Otsu多阈值分割中快速有效,获得了较好的分割效果,是一种可行的图像分割方法。     

完全线性多阈值Otsu快速算法

针对经典多阈值Otsu算法在对图像进行分割的过程中采用穷举方法来寻找最优阈值,从而导致算法计算量庞大,并且随着阈值个数的增多时间复杂度呈指数增长的问题,本文提出了一种时间复杂度为O(n)的多阈值Otsu快速分割算法,即完全线性多阈值Otsu快速算法。该算法首先从理论上分析了导致多阈值Otsu算法计算量大、时间复杂度过高的主要因素。并在此基础上,从数值计算、多阈值的划分以及对于最优阈值的搜索三个主要方面,对经典的多阈值Otsu算法进行改进,采用动态规划的思想优化分割过程中的数值计算。然后对于多阈值的问题进行递归求解,将多阈值问题分解为多个单阈值问题。最后使用多种群粒子群(Multi-population PSO)算法对最优阈值进行搜索。实验结果表明,该算法大大降低了多阈值Otsu算法的时间复杂度,能够较好地应用于实时性环境。     

双集合FCM和改进Otsu算法的灰度图像阈值分割

针对FCM算法和Otsu算法的不足,根据灰度图像的特点,提出了基于双集合FCM和改进Otsu算法的阈值分割算法,该算法从两个方面对FCM算法和Otsu算法进行改进．第一、采用双集合的方法,减小FCM算法和Otsu算法的时间复杂度;第二、适当移动分割阈值提高Otsu算法的分割效果．从数学分析和实验可知,文中算法的时间花费和分割效果均优于FCM算法和Otsu算法．     

乘积型Otsu阈值法的快速迭代算法

针对乘积型Otsu分割准则进行阈值选取需要花费大量时间的不足,提出了乘积型Otsu阈值化分割准则的快速迭代算法。实验结果表明,本文的快速算法是有效的。     

基于Otsu准则的红外图像快速分割算法

为实现红外图像快速目标检测,提出了一种基于Otsu准则的红外图像快速分割算法.首先运用模糊算法调整全局滤波的权值进行预处理,利用像素点的二维信息直接建立阈值直线的截距直方图;然后根据Otsu准则求解最佳截距阈值,使用该阈值直接对含二维信息的图像进行分割;最后通过自适应参数的形态学操作提升图像质量.实验结果表明,与二维直分法和Otsu直线阈值法相比,本文算法分割精度较好,具有噪声抑制能力,占用较少内存空间,对多目标图像具有较好的分割效果.     

基于Itakura-Saito散度的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且两者像素量和方差要求基本相当的不足,提出了基于Itakura-SaitoS散度的图像阈值化分割新算法。实验结果表明,对有些图像采用Itakura-Saito散度的阈值法比传统Otsu阈值法能够获得较好的分割效果。     

基于二维属性直方图和遗传算法的图像阈值化

给出了二维属性直方图的概念,在此基础上提出了一种基于二维属性直方图和遗传算法的图像自动阈值化方法.该方法对二维阈值进行编码,根据二维属性直方图的Otsu算法确定适应度函数,通过遗传计算确定最佳分割阈值.将该方法用于一种海底小目标图像阈值化,经过240次适应度函数的计算即可得到最佳分割阈值.结果表明,该方法适用于直方图不是理想双峰形状的图像,比基于二维属性直方图的Otsu算法速度更快.     

基于粒子群算法的Otsu法图像阈值分割

图像分割是由图像处理到图像分析的关键步骤,Otsu法是一种效果较好、实现简单的阈值分割方法.针对传统的Otsu阈值计算方法需要在全灰度范围内搜索一个最佳门限组合,耗时较多,难以实际应用这一问题,采用协同和带压缩因子的粒子群改进算法求解Otsu阈值,通过分别用改进粒子群算法和标准粒子群算法对lena测试图像的实验表明,前者相较于后者有更高的精度.而在计算时间方面,两者都不到传统方法的百分之一,有利于提高图像处理的实时性,也证实了将粒子群算法用于阈值分割是可行的.     

基于高斯分解的多尺度3D Otsu阈值分割算法

针对阈值图像分割算法对噪音敏感的问题,提出了一种新的基于分解的Otsu阈值分割算法。整个分割算法为一个迭代过程,在每次迭代中,该图像首先用3D Otsu算法进行分割,然后利用高斯核函数对原图像进行滤波,得到一个平滑的图像,然后被输入到下一个迭代中。最后,合并每次迭代过程中产生的分割结果,获得最终的分割结果。该算法的优点在于分割结果稳定,且具有较强的抗噪性。本文在MR大脑图像上进行实验,结果表明,该算法优于其他同类阈值分割算法。     

基于属性直方图的图像分割方法及其在声呐图像分割中的应用

图像分割是图像识别中的主要问题，同时它又是一个经典难题；声呐图像恶劣的品质使图像的分割变得更为困难，属性直方图概念是直方图概念的推广；Otsu阈值化方法是一种性能良好的方法，本文将属性直方图概念应用于Otsu法中，提出了一中基于属性直方图的图像分割方法，文中阐述了这种方法的原理，并以声呐图像分割作为实例说明了这种方法的可行性。     

一种新的灰度图像阈值分割方法

假设灰度直方图服从正态分布且二个子分布的方差相等 ,基于条件分布的最大相关原则等价于Otsu阈值分割方法。本文在灰度直方图服从泊松分布的假设下 ,运用条件分布的最大相关原则提出了一种新的图象分割方法。对四幅图片进行分割处理的实验结果表明 :在有些场合新方法的分割结果优于Otsu方法     

图像阈值分割技术中的部分和算法综述

分析图像阈值分割技术在理论改进与实际应用过程中所面临的瓶颈问题,寻找解决问题的切入点。从提高算法效率的角度,以熵阈值法和Otsu阈值法为例,通过分类对比并结合理论综述,整理发掘出部分和算法研究对于阈值分割技术的作用和意义。与部分和问题相融合,是阈值分割技术未来的研究方向和重点。     

彩色图像分割在视频跟踪系统中的应用研究

在视频跟踪系统中,图像分割是进行跟踪的前期处理。只有在视频序列图像中有效的分割出运动目标,才能实现后续对目标的准确跟踪。提出一种混合算法,将一种基于灰度直方图的阈值化分割算法应用到了HSI颜色空间上,利用H进行阈值化,在阈值化之前,先根据R、G、B值对像素进行了筛选;文章应用董立菊等人提出的-种基于RGB空间的K均值聚类算法、一种基于灰度直方图的阈值化算法和混合算法,以目标颜色为特征,对彩色图像进行了分割;针对特定的视频跟踪系统,对各结果进行了比较,得出了结论,找出了较优算法——混合算法效果较理想,能够较有效的分割目标,为后续跟踪工作做好了前期处理工作。     

融合灰度和非局部空间灰度特征的二维Otsu法

为了克服图像噪声对二维Otsu阈值分割方法性能的影响,采用图像像素的灰度和非局部空间灰度特征构造新的二维直方图,其中像素的非局部空间灰度特征是通过对与当前像素具有相似邻域结构的像素灰度加权平均得到的。将此直方图引入到快速二维Otsu阈值分割方法中,可得融合灰度和非局部空间灰度特征的二维Otsu阈值分割法.实验结果表明改进算法对图像噪声具有一定的鲁棒性,在含噪图像上的分割结果比较理想。     

二阶广义概率的二维Otsu阈值分割

针对传统二维Otsu阈值法分割结果不够准确和普适性较差等问题,提出了一种基于二阶广义概率的二维Otsu快速图像分割方法。首先用改进的邻域模板构建二维直方图并将其对应的二元概率分布进行修改得到二阶广义概率以便提高分割性能;然后对二维直方图主对角线上的目标和背景两区域的Otsu公式中对应量准确取值,使阈值选取更准确,并通过调整广义概率的参数来提高算法的通用性;最后对二维直方图进行分析得到Otsu计算特性,利用此特性导出新型、快速的递推算法来降低计算复杂度。实验结果表明:与当前二维Otsu法相比,本文提出的方法不仅分割更准确和通用性更强,而且占用的存储空间和运行时间都更少。     

基于神经网络的灰度图像阈值分割方法

对于一幅目标区域和背景区域在灰度上有较明显差异的图像,为了把目标从背景中分离出来,常利用直方图谷点作为分割阈值来分割图像.本文采用一种基于神经网络的线性搜索的方法来确定直方图的谷值可以得到最优的阈值来分割图像,克服了用常规的极小值阈值法确定的极小值不稳定和不可靠的缺点,并对实际图像进行分割处理.实验结果表明采用这种新方法来搜索谷值可以得到全局极小值,用于分割图像可以把目标从背景中分离出来,并取得了满意的结果.     

基于关联熵系数的图像分割新算法

图像分割是图像分析的基础,阈值法因简单、快速和稳定而成为图像分割的一种重要方法,在图像处理与识别中广泛应用。针对图像分布具有多样性,本文提出基于随机变量之间关联熵联系的图像分割新算法,该算法通过最大化目标和背景两个概率分布之间的关联熵系数并获得图像分割的最佳阈值。实验结果表明,本文提出的关联熵系数阈值分割方法是可行的。