最大熵阈值处理算法

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.提出了一种基于灰度-梯度共生矩阵模型和最大熵原理的自动阈值化方法.该方法不仅利用了图像的灰度信息,而且也利用了梯度信息,通过计算基于灰度-梯度共生矩阵的二维熵,并使边缘区域的熵最大来选择阈值向量.仿真结果显示,该算法比其他二维熵方法效果更佳.     

基于灰度—梯度共生矩阵模型的最大熵阈值处理算法

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。本文提出了基于灰度-梯度共生矩阵模型和是大熵原理的灰度图像的自动阈值化技术，该方法不仅利用了图像的灰度信息，而且也利用了图像的梯度信息。该方法通过计算基于灰度-梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量。仿真结果显示该算法比一维熵方法效果更佳。     

基于灰度-梯度二维对称Tsallis交叉熵的阈值分割

针对灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法存在错分、计算复杂度较高问题,提出一种基于灰度-梯度二维对称Tsallis交叉熵的阈值分 割方法。构建新的灰度-梯度二维直方图,更加全面地考虑目标点和背景点;导出基于该直方图区域划分的对称Tsallis交叉熵阈值选取公式;采用基于tent映射的 混沌小生境粒子群优化算法搜寻二维最佳阈值向量,并引入快速递推算法降低其适应度函数的计算复杂度。实验结果表明,与基于灰度级-平均灰度级直方图的 二维Tsallis交叉熵阈值分割法相比,该方法能够使分割后的图像边缘更加准确,类内灰度更加均匀,且实时性提高了30倍。     

一种新的图像阈值分割算法

提出了一种基于区域灰度均值-梯度共生矩阵模型和二维Renyi熵原理的阈值分割方法.该方法不仅利用了图像的灰度信息,而且也利用了梯度信息,通过计算基于灰度-梯度共生矩阵的二维Renyi熵,并使边缘区域的熵最大来选择阈值.二维Renyi熵比其它二维熵多了一个参数,此参数使得二维Renyi熵能处理更多类型的图像.将上述方法进行仿真实验,并且仿真其它二维熵方法,仿真结果显示,该算法比其他二维熵方法效果更有效更一般化.     

基于均值—梯度共生矩阵模型的最大熵多阈值算法

为解决噪声显微细胞图像的多阈值分割问题,该文提出基于均值和梯度共生矩阵模型的最大熵多阈值算法。选用象素点的邻域灰度均值和梯度值构成二维灰度直方图。因为对象素点取均值可以平滑噪声,取梯度值可以锐化边缘,所以该算法能够改善图像的分割质量。考虑显微细胞图像多阈值分割的要求,该算法对二维灰度直方图采用改进的区域划分方式。通过优化传统的求熵算法,来减少运算时间,使之更加适合于擅长矩阵运算的MATLAB编程语言,从而提高运算速度。实验证明,该算法去除了噪声干扰,实现了显微细胞图像的多阈值分割,运算速度较快。     

利用混沌布谷鸟优化的二维Renyi灰度熵图像阈值选取

为了进一步降低现有的Renyi熵阈值法的计算复杂度,提出了基于混沌布谷鸟算法和二维Renyi灰度熵的阈值选取。首先,引入一维Renyi灰度熵阈值选取公式,建立基于像素灰度和邻域梯度的二维直方图,推导出基于该直方图的二维Renyi灰度熵阈值选取公式,通过快速递推公式来减少阈值准则函数的计算量;最后,采用混沌布谷鸟算法搜索最优阈值来完成图像分割。结果表明,与二维Arimoto熵法、基于粒子群的二维Renyi熵法、基于混沌粒子群的二维Tsallis灰度熵法、基于布谷鸟算法的二维Renyi灰度熵法相比,所提出的方法能够准确实现图像分割,且运算速度有所提升。     

基于修正二维熵的水声图像分割

水声图像常分为亮区、暗区和混响区,而传统的单阈值方法不能根据需要获得相应区域,针对该问题,提出一种基于修正的灰 度-梯度二维直方图的最大熵分割方法。该方法根据先验知识截取部分灰度-梯度二维直方图,并对其进行最大熵阈值分割。实验结果表明,该方法可以根据需要提取出感兴趣的区域,并且能得到更好的分割效果。     

基于改进的指数交叉熵和萤火虫群优化的工业CT图像分割

为了进一步提高工业CT图像分割的精确度和运行速度,提出基于灰度-梯度二维指数交叉熵和混沌萤火虫群优化的阈值图像分割方法。运用最小指数交叉熵进行阈值分割,解决了Shannon熵在零点处无定义的问题。采用灰度-梯度二维直方图能更加准确地实现目标和背景的划分,提高算法的抗噪性。此外,为了更好地进行阈值的全局搜索,利用立方映射生成的混沌序列来初始化萤火虫的位置;采用基于立方映射的混沌萤火虫群优化算法搜寻最佳的二维阈值,以进一步提升运算速度。最后,与基于萤火虫算法的二维熵法、基于遗传算法的二维最小交叉熵法作了比较。实验结果表明,该方法在分割效果和处理速度上有明显优势。     

灰度图像最大熵分割方法的改进

传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。     

快速二维Renyi熵阈值分割方法

提出一种基于二维Renyi熵的阈值二值化方法,该方法通过引入二维直方图不仅利用了图像像元点的灰度分布信息,而且充分考虑了像元点之间的空间相关信息,对于低对比度、低信噪比的物体,该方法具有良好的分割效果.运用二维Renyi熵的原理选择灰度阁值对图像进行分割,并且引入量化图像直方图概念讨论了一种快速二维Renyi熵阚值分割算法,该算法能够递推运算和自动寻找阈值,将计算复杂性大大降低.仿真对比实验结果表明,该算法提高了计算效率并具有更佳的分割效果.     

边缘信息引导的阈值图像分割算法

针对照度不均匀的图像提出了一种基于边缘信息构造阈值图像的分割算法。该算法着眼图像上目标、背景及照度在空间分布的连续性,利用边缘处梯度大、阈值容易确定的特点,以其边缘邻域中的极大值和极小值的均值作为该边缘处的阈值,然后以稀疏的边缘阈值为控制点,通过曲面拟合得到全图分布的阈值图像再对图像进行分割。该算法分割效果好,边缘吻合度高于其他典型算法,且抗模糊能力强,有利于平滑去噪,克服了基于边缘方法易受噪声影响的弱点。     

一种印刷电路板缺陷图像边缘信息提取方法

为了较好地提取印刷电路板缺陷图像边缘信息,提出了基于二阶曲线拟合、模式聚类与阈值比较法相结合的印刷电路板缺陷图像边缘信息提取方法。首先分析了最小二乘法拟合的基本原理;然后在此基础上提出了采用二阶曲线拟合法来设定阈值进行拟合得到大致的图像边缘,并分析了其基本原理;最后在模式聚类基础上利用阈值比较法选择适当阈值截取拟合曲线得到图像边缘点、去除噪声边缘点,连接各个图像边缘点可得到缺陷图像的边缘信息。用由显微镜及CCD获取的4幅印刷电路板缺陷图像进行了实验;从实验主观效果看,用该方法提取出图像边缘信息的效果较好,图像边缘比较连续,噪声点极少;从实验客观效果评价看,用该方法所得到的图像边缘信息熵较大。实验结果表明,该方法结合了二阶曲线拟合、模式聚类与阈值比较法优点,可较好地提取出印刷电路板缺陷图像的边缘信息。     

一个X波段超分辨合成阵列成象实验系统

介绍一个工作在微波暗室内的Ｘ波段超分辨合成阵列成象实验系统，该系统发射宽带线性调频信号，采用时间带宽转换技术获得高的距离分辨力。其接收天线可在直线导轨上移动，形成大孔径合成阵列天线，形成大孔径合成阵列天线，获得高的横向分辨力，实时采集的数据在ＰＣ机上进行处理后给出目标的二维雷达象，超分辨方法使成象分辨力比传统方法提高２倍以上。     

利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。     

基于Canny算子的改进图像边缘检测算法

图像的边缘检测是图像处理领域内最关键的技术之一.针对工件分拣中需要机器视觉精确的检测出其边缘信息,并且从噪声和其他无关信息中筛选出来,提出了一种改进的Canny算法对工件进行边缘检测.该算法利用双边滤波来替代高斯滤波进行图像预处理,从而不仅可以保留更多的图像边缘细节也可以有效的去除噪声.而后运用最大类间方差法(Otsu...     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

无需设定阈值的图像边缘检测

针对提取图像边缘经常需要设定阈值,而对于光照不均的图像又难以设定合适阈值的问题提出了一种新的边缘检测方法。该方法首先根据对数把图像分解为高频与低频信息,并把对数图像减去其经最大值滤波后的图像提取高频信息,然后根据认知心理学上的Stevens定理,把高频信息转换为心理量。经非最小值抑制细化边缘后,应用Pillar K-means算法提取图像边缘。该方法不需要设定阈值,且对光照不均的图像边缘提取有较好的效果。实验结果证明了该方法的有效性,也表明把图像亮度转换为心理量可以较好地统一不同亮度下的边缘取值。     

应用最小方差滤波的图像分割方法

二维熵的图像分割方法是一种常用的阈值分割技术,适合于对象和背景占据二维直方图绝大部分区域的图像分割,但该方法忽略了边界区域的信息对分割结果的影响。为保留图像的边界信息,对直方图中均值的选取进行了改进,应用了9种不同形状的模板,对每个像素点求均值和方差,选取方差最小的模板对应的均值构造二维直方图。实验结果表明,对于边界区域的信息量较大的图像,该方法的分割效果比较理想,并且也有良好的去噪效果。     

二维熵取小法和模糊熵相结合的图像分割方法

基于二维熵的分割方法是常用的阈值分割技术,其基本假设是对象区域和背景区域占据了二维直方图的绝大部分区域,即假设对象区域和背景区域的概率和近似为1.Brink提出了通过将对象区域的熵和背景区域的熵先取小然后再取大的方法来获得阈值,该方法存在的不足是忽略了边界区域的信息对分割结果的影响,鉴于此,提出了一种结合二维熵和模糊熵的图像分割方法,先采用Brink提出的二维熵法对图像进行初步分割,再采用模糊熵作后续处理以弥补忽略边界信息带来的问题.实验结果表明,对于含噪图像,该方法的分割效果是比较理想的.