采用进化规划和最大熵的目标图像分割算法

图像分割是图像处理和计算机视觉中关键技术之一。在分析最大熵法和进化规划算法(EP)基础上,提出一种自动阈值选取的图像分割算法。该算法以图像的最大熵作为适应度值,将图像分割问题看作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。仿真结果表明,本方法很好地解决了最大熵法计算量大的缺点,速度快且分割效果好。     

基于二维最大相关准则的图像阈值分割

提出了基于二维最大相关准则的自动阈值图像分割算法．该方法根据图像的二维直方图中目标和背景分布的相关量最大来选择阈值,能够实现比传统最大相关准则更强的抗噪声能力．同时将遗传算法用于对二维最大相关准则阈值分割的优化,试验结果表明该算法可以实现快速、准确图像分割．     

改进的二维阈值图像分割

本文提出了一种基于灰度图像像素点灰度和点邻域方差的改进二维图像分割法.新方法改进了阈值判定域,考虑了边界和噪声的影响,新定义了一个阈值分割函数,提高了分割精度.利用思维进化算法优化分割参数,提高了最优阈值的寻找速度.实验结果表明,基于思维进化算法的改进二维图像分割法优于传统算法,该算法具有较好的稳定性和收敛速度,更能满足图像处理高效率、短时耗的要求.     

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.     

基于遗传算法的最大熵阈值的图像分割

图像阈值分割技术在图像分析和图像识别中具有重要的意义.最大熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.文中将遗传算法用于最大熵阈值的图像分割方法中,分别对一维及二维阈值分割的情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像分割方法. 通过对几幅经典图像的分割结果对比,表明了基于遗传算法的最大熵阈值的图像分割方法可以有效地提高最大熵图像分割的计算速度,提高图像处理的实时性.     

基于2维最大熵最佳阈值算法的图像分割研究

为了提高图像分割的质量,采用2维最大熵最佳阈值方法,首先通过灰度区域确定该域像素的2维随机向量,在准则函数下求得到2维最大熵最佳阈值;接着通过递推优化对2维最大熵最佳阈值计算数据优化处理,减少重复性数据计算量;最后通过分割图像区域与原目标空间位置的互信息量最大准则,把误分割误差函数作为检测分割标准,给出了算法流程;并仿真出了不同算法的图像分割结果。结果表明,该算法得到图像分割的精度较高,没有背景与噪声的残留,保留了图像信息,执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。     

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。     

基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割

传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。该文提出一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明:该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义,给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法,同时利用分割后目标和背景区域的灰度信息和局部熵信息,设计了一个判断是否得到正确分割的准则,通过迭代循环,完成对图像的自动分割。实验结果表明,本文算法自适应性强,可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

基于进化规划的医学图像恢复方法研究

图像模糊对图像中特定目标的检测以及特征的提取等都会造成影响,采用图像恢复可以改善图像的质量.本文提出了一种基于进化规划的图像恢复方法,该方法把图像的可行解用个体表示,由多个个体构成种群,通过种群的进化而获得质量较优的图像.这种方法可以应用于医学图像的处理.首先分析了图像恢复的原理,然后给出了方法的详细实现步骤和相关的实验结果.     

基于克隆粒子群算法的图像分割方法

最大熵阈值法是目前图像分割中应用最广泛的方法之一。为了快速准确地自动确定图像分割阈值,把克隆选择算法和粒子群算法相结合,提出克隆粒子群优化算法。利用这种改进方法对最大熵图像分割函数进行全局寻优。克隆选择算法和粒子群算法的结合克服了各自的缺点,克隆选择的多样性补偿了粒子群的多样性差的缺点,粒子群的快速性补偿了克隆选择的收敛速度慢的缺点。克隆粒子群方法克服了传统遗传算法易出现早熟、陷入局部最优等的问题,加快了图像分割函数收敛速度,最后能够快速准确地得到图像分割的最佳阈值。实验表明,改进后的算法分割速度较快,易于收敛到最优解,并且得到的分割阈值更加稳定。     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

萤火虫群优化算法多阈值的脑CT图像分割

在基于多阈值的脑,CT图像分割算法中,最佳阈值选取是脑CT图像中的关键,针对传统多阈值法的阈值选择难题为了提高脑。CT图像的分割准确率,提出一种萤火虫群算法优化多阈值的脑CT图像分割方法首先建立了基于多阈值法的脑图像分割数学模型,然后通过萤火虫群算法数学模型进行求解,搜索到脑CT图像分割的最佳阈值,CT最后采用最佳阈值完成脑CT图像的分割。仿真结果表明,萤火虫群算法提高了脑CT图像的精度,获得了更加理想的脑CT图像结果。     

基于改进演化策略的图像FCM聚类分割方法

提出图像分割算法在充分利用演化策略全局搜索能力的基础上，根据图像的灰度分布，按照模糊聚类的分割策略实现图像的分割。为了保证搜索到更优解，提出了一种新的演化策略改进方法，以提高其全局寻优能力，并将其应用到分割算法。实验结果表明，算法的分割效果很好。     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

基于高斯混合及相对熵测度的图像分割

针对图像分割问题,结合高斯混合模型与信息论中的相对熵测度概念,提出一种新的图像阈值化方法。在提出方法中把图像阈值化问题看成是两个概率向量之间的匹配问题,因此首先用高斯混合模型去拟合图像直方图的灰度级分布,然后用相对熵测度去度量拟合分布与图像原灰度级分布之间的差异,并把该度量作为图像阈值化的准则函数。在对图像实施分割时,通过在图像灰度级范围中求取所定义的准则函数的最小值获得最佳阈值。在NDT、SAR及红外图像上的分割实验中用提出方法与传统及最新的图像阈值化方法进行比较,结果表明提出方法获得的结果要优于相比较方法获得的分割结果,因此提出方法是一种有效的图像分割方法。     

基于遗传算法的干涉图像的最佳熵研究

将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采用Otsu公式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阈值进行二值化处理，效果非常好。     

一种感光不均匀数字PCR荧光图像分割算法

针对传统阈值法难以快速准确分割感光不均匀数字PCR(Polymerase Chain Reaction)荧光图像的问题,提出了一种两步分割算法.第一步,对预处理后的图像采用Otsu算法进行分割;第二步,提取第一步分割不完全的区域,基于图像复杂度确定待分割区域的灰度范围,并基于灰度统计信息计算最优分割阈值,分割结果与第一...     

飞机的红外图像分割算法

本文针对飞机的红外图像的特点,提出了一种图像分割算法。首先采用整体与局部相结合的方法,在整体阈值的基础上,进行局部的适度调整,以达到最优阈值,使图像的分割在保持整体最优的基础上突出局部令人感兴趣的细节。然后利用数学形态学,针对目标内部的空洞区域进行填充。仿真结果表明,最后可以得到比较精确的分割图像。