基于遗传算法的二维双阈值Otsu图像分割算法

为了提高图像分割的精度和效率,提出了一种基于遗传算法的二维双阈值最大类间方差法的图像分割算法。该方法用两个阈值同时考虑了图像像元点灰度信息的范围和像元点之间相关信息,并对未处理区域做了后处理,以提高分割的精度和鲁棒性。为了提高分割速度,给出了一种改进遗传模拟退火算法。实验结果表明,文中提出的方法比传统的二维最大类间方差法更加完整、快速地分割出复杂背景中的图像。     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

基于改进PSO算法的Otsu快速多阈值图像分割

为了确定图像分割的最佳阈值,基于改进粒子群优化算法,提出了一种快速多阈值图像分割方法。首先引入独立峰值将直方图划分为若干区域,然后在各个区域使用最大类间方差法得到优化的目标函数,用具有非均匀变异特性和雁群飞行启示的线性递减惯性权重粒子群算法对目标函数进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割。将分割结果与常规最大类问方差法的多阈值分割结果相比较,证明该算法不仅可以正确地实现图像分割,并可使分割速度大大提高。     

一种新的目标图像自适应阈值分割算法

提出了一种新型的用于目标图像识别与跟踪的自适应阈值分割方法,并对其进行改进,同时给出了它与其他两种阈值分割方法的比较实验,定性和定量分析结果证实了该方法在精度和速度方面都具有明显的优势.最后给出了在噪声干扰和复杂背景的情况下的实验,说明该方法具有较强的适应性.     

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法,该方法不仅利用了图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,理论分析和实验表明,对于低对比度,低信噪比的地面目标,该方法具有良好的分割效果,在该算法的基础上,又提出也一种快速递推二维最在类间方差法,减少了计算量,节约存储空间,具有较强的实用价值。     

改进Otsu法的目标图像分割

在现代战争中,快速而有效地对攻击目标进行识别和跟踪对获取战争主动权起着很重要的作用,而要达到这个目的,就需要从目标图像中准确地分割出目标.在分析Otsu的基础上,结合两类之间间距和类内距离对图像分割效果的影响,提出一种改进的最大类间方差法,并应用于目标图像的分割.实验结果分析显示该方法可达到较好的图像分割效果,较之Otsu方法更佳.     

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。     

基于阈值法的图像分割技术

图像分割是图像处理方向的一个重要课题,阈值法因其实现简单、计算量小、具有较高的运算效率,性能较稳定,而成为图像中最基本和最广泛的分割技术。阈值法分为全局阈值法和局部阈值法两种,其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。这里主要研究基于点的全局阈值法,即最大类间方差法,并基于Matlab软件环境进行算法的仿真。该系统能够对图像中某些感兴趣的部分进行提取,较好地实现了图像分割。     

基于Otsu算法和分形维数相结合的红外云图分割

红外云图中的云系主要由积雨云、卷云、层云和积云组成,它们对于气象研究有很大的帮助。这4类云系具有不同的分形维数特征,因而可以借此对它们进行分割。但是由于地表和一些云具有相似的分形维数特征,单纯依靠分形维数的分割效果不理想。对此,采用最大类间方差（Otsu）算法,分离出地表,去除干扰,并对提取出的云系采用分形维数进行分割。由于传统分形维数算法在计算时只选取了窗口内的灰度最大和最小的像素点,获得的分形维数特征不够精确,造成分割的云系出现混淆的现象。对此,在计算的过程中加入窗口中的全部像素点,获得的分形维数能准确地描述区域特征,保证了云系分割的良好效果。     

基于混合三角变异差分进化算法的平面稀疏阵列约束优化

针对旁瓣零陷凹面约束的稀疏平面阵列优化及算法早熟等问题,该文基于参数自适应的思想,提出一种混合三角变异差分进化算法。通过引入旁瓣零陷凹面约束矩阵,构建自适应惩罚函数,时变权重组合变异策略与交叉策略,提高算法前期全局搜索能力和后期收敛能力,最终实现峰值旁瓣电平和旁瓣零陷凹面的平面阵列约束优化。仿真结果表明,对比混合三角变异策略前的算法,该算法在完成稀疏阵列峰值旁瓣电平优化的同时,能在指定旁瓣区域完成零陷凹面设计,降低有源干扰影响。

     

基于时空混沌的图像分割算法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和时空混沌中全局耦合映像混沌同步的特点,提出了一种新的基于时空混沌的图像分割算法.新算法对每个灰度等级构建全局耦合映像,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映像混沌同步过程完成灰度等级的自适应聚类.实验结果表明:算法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.     

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。     

基于显著性区域检测和水平集的图像快速分割算法

为了实现含有复杂背景和弱边界图像的快速准确分割,传统的水平集常采用重新初始化的方法,但是这种方法存在计算量大、分割不准确等问题。因此,结合显著性区域,该文提出一种基于边缘信息与区域局部信息结合的变水平集图像快速分割方法。首先用元胞自动机模型检测出图像的显著性区域,得到图像的初始化边界曲线。然后,采用改进的距离正规化水平集演化(Distance Regularized Level Set Evolution, DRLSE)模型把图像的局部信息结合到变分能量方程中,用改进的能量方程去指导曲线的演化。实验结果表明,与DRLSE模型相比,提出的算法平均消耗的时间只需要前者的2.76%,且具有较高的分割准确性。     

基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割

针对传统3维Otsu(3D-Otsu)门限分割方法中的滤噪性能和小目标保持性能的不足,该文提出一种基于各向异性自适应高斯加权方向窗的3D-Otsu门限分割的新方法。新方法改进了3D-Otsu的邻域窗口设置方法,采用中心点的局部特征来自适应地确定邻域各向异性高斯加权方向窗口的尺寸、尺度和滤波方向。然后,提出非局部多方向相似度测量来更有效地捕捉图像中的模式冗余。最终,结合像素点灰度值、加权均值、加权中值构建3维直方图,并基于最大类间方差计算门限矢量进行分割。实验结果表明：与目前广泛使用的2维Otsu, 2维最大熵以及传统3维Otsu方法相比,新方法有着更好的门限分割效果,并具有更好的滤噪性能和小目标保持性能。     

一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。

     

A novel fuzzy clustering algorithm with non local adaptive spatial constraint for image segmentation

Generalized fuzzy c-means clustering algorithm with improved fuzzy partitions (GIFP_FCM) is a novel fuzzy clustering algorithm. However when GIFP_FCM is applied to image segmentation, it is sensitive to noise in the image because of ignoring the spatial information contained in the pixels. In order to solve this problem, a novel fuzzy clustering algorithm with non local adaptive spatial constraint (FCA_NLASC) is proposed in this paper. In the proposed method, a novel non local adaptive spatial constraint term is introduced to modify the objective function of GIFP_FCM. The characteristic of this technique is that the adaptive spatial parameter for each pixel is designed to make the non local spatial information of each pixel playing a different role in guiding the noisy image segmentation. Segmentation experiments on synthetic and real images, especially magnetic resonance (MR) images, are performed to assess the performance of an FCA_NLASC in comparison with GIFP_FCM and fuzzy c-means clustering algorithms with local spatial constraint. Experimental results show that the proposed method is robust to noise in the image and more effective than the comparative algorithms.     

激光制导武器目标光斑检测系统设计与实现

为了实现激光制导武器目标光斑检测系统对远距离的来袭激光光斑的捕获与定位,采用机器视觉检测技术设计并实现全数字化、实时、高精度的激光检测系统。系统针对CMOS探测器采集到的激光光斑图像,采用硬件实现改进的快速二维中值滤波算法进行图像滤波处理,最大类间方差算法进行灰度图像阈值分割,灰度重心法进行中心提取,实现了精确中心定位。实验验证和误差分析表明,该系统具有很强的抗干扰性及精确的坐标定位,坐标误差在1mm以内。     

基于动态参数差分进化算法的多约束稀布矩形面阵优化

针对多约束条件下稀布矩形平面阵列天线的优化问题,该文提出一种基于动态参数差分进化(DPDE)算法的方向图综合方法。首先,对差分进化(DE)算法中的缩放因子和交叉概率引入动态变化控制策略,提高搜索效率和搜索精度。其次,改进矩阵映射方法,重新定义映射法则,改善现有方法随机性强和搜索精度低的不足。最后,为检验所提方法的有效性进行仿真实验,实验数据表明,该方法可以提高天线优化性能,有效降低天线的峰值旁瓣电平。

     

用修正的差分进化算法确定光电模型参数

RsRp模型是研究光伏(PhotoVoltaic,PV)器件特性的一种有效的方法,它兼顾了计算复杂性和精度两个方面。在该模型中有5个参数需要确定,它们分别是光电流PVI,二极管饱和电流oI,二极管理想常数a,串联电阻sR和并联电阻pR。为了能找到准确的PV模型参数,该文提出一种修正的差分进化(Modified Differential Evolution,MDE)算法。MDE在变异中使用不同的尺度因子,有助于提高种群的多样性。另外,它在交叉操作中也采用了不同的交叉率,使自身能够轻易地摆脱局部最优点。实验结果表明,MDE算法能够用较少的时间找到准确的RsRp模型参数,使基于MDE算法和RsRp模型的I-V曲线能与实验点相匹配。