图象阈值分割的统计迭代算法

图象分割是图象分析和计算机视觉等学科中最基本也是最困难的课题之一.直方图技术是图象分割的重要技术,而灰度图象的象素灰度分布近似符合高斯概率分布,本文是把直方图技术和高斯统计分布函数有效地结合起来,作为求取图象二值化阈值的理论基础.并获得其理论表达式.由此,通过对该表达式的分析,获得了求解阈值的迭代公式和步骤.     

图象阈值分割的统计迭代算法

图象分割是图象分析和计算机视觉等８学科中最基本也是最困难的课题之一。直方图技术是图象分割的重要技术,而灰度图象的象素灰度分 挖符合高斯概率分布,本文是把直方 高斯统计分布函数有效地结合起来,作为求取图象二值化阈值的理论基础。并获得其理论表达式。由此,通过对该表达式的分析,获得了求解半值的迭代公式和步骤。     

自动选取阈值方法比较研究

在数字图象处理中 ,阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域 ,近年来已有许多种阈值化方法被提出。阈值选取是图象处理与分析问题的基础 ,如何才能正确地找到适当的阈值 ,是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法 ,通过计算机仿真对实验结果进行了比较研究。并在此基础上 ,提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是 :首先 ,用微分算子检测图象的边缘 ;然后 ,在这些边缘象素点上进行二值化阈值的自动选择 ;最后 ,对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明 ,这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征 ,并能处理低质量的图象。     

基于灰度化权值调整的水下彩色图像分割

针对传统自适应阈值法在水下图像分割过程中存在目标与背景粘连等问题,提出一种基于灰度化权值调整的水下彩色图像分割方法。区别于传统阈值分割方法中灰度化权值固定且研究如何确定合适阈值的思路,研究灰度化权值调整方法。本文方法利用统计得到的图像灰度信息来确定不同通道内目标与背景间灰度级差异性的大小,提高差异性较大通道的比例,以增强灰度化后图像中目标与背景的对比度,同时减小差异性较小通道的比例,以降低其对灰度化结果的干扰,对灰度化后的图像进行阈值分割得到最终分割结果。针对水下作业的时序列图像,设计了两步序列图像处理方式来降低耗时。通过4组水下对比实验以及耗时实验对方法的有效性进行了验证。     

一种基于遗传算法的灰度图二值化方法

遗传算法是当前许多科学实验领域广泛应用的一种非线性并行算法.本文研究了遗传算法在数字图像的灰度图二值化中的应用,提出了一种新的灰度图二值化方法.该方法通过对每个子群体的优化计算和动态改进的适应度函数,确定新的分割阈值.实验验证该方法对于噪声干扰的一般质量图像有着良好的效果.     

自动选取阈值方法比较研究

在数字图像处理中，阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域，近年来已有许多阈值化方法被提出。阈值选取是图象处理与分析问题的基础，如何才能正确地找到适当的阈值，是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法，通过计算机仿真对实验结果进行了比较研究。并在此基础上，提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是：首先，用微分算子检测图像的边缘。然后，在这些边缘象素点进行一值化阈值的自动选择；最后，对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明，这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征，并能处理低质量的图象。     

基于边缘灰度的二值化阈值确定方法

图像二值化阈值的选取是数字图像预处理的关键技术之一.同时,使用阈值对图像进行分割也是一种常见的区域分割技术.在详细分析图像二值化原理及当前技术的前提下,综合考虑图像的各种实际情况,提出了基于边缘灰度确定图像二值化阈值的新方法.实验表明,根据这种方法确定的阈值对图像进行二值化处理,不仅可有效地解决图像灰度随地物特征变化的图像处理问题,同时对噪声图像也有很强的鲁棒性并可较好地保留图像的边缘特征.     

利用二维熵自动确定图像分割的阈值

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用.因此,如何确定阈值是图像分割的关键.建立二维直方图并借助二维熵可以自动确定图像分割的阈值.传统方法产生二维直方图时,选择4邻域中心灰度值和邻域像素的灰度均值.事实上,水平或垂直方向上的灰度变化不能完全地反映邻域像素的整体特性.提出构造二维直方图的新方法,新方法选择3×3邻域中心灰度值和4邻域以外的4个像素的灰度均值.应用新方法和传统方法进行对比实验,分割结果可以看出新方法的有效性.     

模拟退火算法在视频序列图像二值化阈值选取中的应用

阈值的选取问题是图像二值化的过程中的一个关键问题,现有的方法主要是利用Otsu算法对分割阈值从0—255的所有灰度值依次遍历,没有考虑视频两帧图像间的相关性。本文利用帧间相关性给出了一个阈值选取算法,该算法在保存上一帧阈值的基础上,运用模拟退火算法对本帧阈值进行一种智能搜索。优化了搜索策略,提高了运行效率。实验表明,该算法提高了阈值选取的效率。     

改进的最小交叉Tsallis熵的小目标声呐图像分割

利用一维属性直方图改进交叉Tsallis熵,在此基础上提出了一种基于一维属性直方图的对称最小交叉Tsallis熵水下小目标声呐图像分割方法。该方法的主要步骤是:①抑制水下小目标声呐图像的散斑噪声;②根据图像像素的灰度值和该像素邻域的灰度平均值的大小建立属性集,在属性集上建立与该属性集约束对应的一维属性直方图;③根据一维属性直方图的对称交叉最小Tsallis熵法确定灰度二值化阈值;④对二值化后的图像去除孤立区。实验结果表明:该方法适用于直方图为复杂非双峰形状的水下小目标声呐图像,而且与现有的属性直方图上的一维最大熵阈值化法比较,具有更强的抗噪能力。     

一种新的基于能量分布的图像压缩方法

研究了小波变换用于图像压缩涉及到的小波系数阚值的确定问题。建立了评价图像小波变换后各层子图像能量分布的理论公式；给出了确定小波系数阈值的方法和一种新的图像压缩算法。以典型的Lena图像为例，在同等压缩比条件下，把本文提出的图像压缩方法与FFT和DCT法进行了对比，结果表明：本方法有明显的图像改善效果和抗“分块效应”的能力。     

自补偿灰度误差的带子元有序抖动

有序抖动是一种典型的数字半调方法,在用于打印时,印点的部分重叠现象将严重破坏灰度级的线性性,使输出图像的灰度和色彩出现明显失真．针对此现象,提出了一种自补偿灰度误差的有序抖动方法（带子元有序抖动）．该方法可真实再现原始图像的灰度和色彩,突破了常规有序抖动不能同时减少人工纹理和灰度误差的局限．     

基于模糊逻辑的图像阈值分割算法

为确定图像分割的最佳阈值,提出了一种新的有效的图像阈值分割方法.该方法首先给出一个新模糊熵的定义,这个模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时也考虑到图像在空域中划分区域时随隶属函数变化而变化的情况,这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息.然后,采用改进粒子群优化算法寻求隶属函数的最优参数,得到分割的最佳阈值,并用该阈值对图像进行分割.将新算法应用于图像分割中,效果优于现有大多数阈值分割算法.     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值,基于粒子群优化算法提出了一种多阈值图像分割方法.由最大熵或最大类间方差法得到优化的目标函数,用粒子群算法对其进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割.将分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法不仅可实现正确的图像分割,并可使分割速度大大提高.     

利用自适应有序抖动块截断编码的鲁棒水印

为克服现有压缩域水印算法图像质量或鲁棒性较差的缺点,提出了一种基于自适应有序抖动块截断编码的鲁棒水印算法.首先,利用图像的信息熵和方差自适应地将图像按四叉树分解为平滑块、纹理块和边缘块,再对不同大小的分块进行编码;然后,利用自适应有序抖动块截断编码得到的位平面,通过调整位平面水印嵌入窗口内元素的奇偶和,实现水印嵌入;最后,通过位平面中元素的奇偶和与投票策略来实现水印的盲提取.实验结果表明,与同类算法相比,该算法能够在取得较低压缩率的同时,获得良好的图像质量;并且有较高且灵活的水印嵌入容量;同时能够抵抗各种常见攻击,尤其对椒盐噪声、亮度调整、对比度调整、旋转、剪切攻击有很强的鲁棒性.     

视觉注意引导和区域竞争控制的医学图像分割

模糊连接度已经成为医学图像分割的实用方法，但其困难在于需要设定多种子点，自动给定的手段不是很有效.为此将种子点等价于视觉特征显著点，提出了在视觉注意模型引导下种子点给定的新方法.通过研究显著点定位与图像特征概率密度估计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割.新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像.新方法能够完全自动定位种子点，有效分割图像，准确率高.引入多种子点之间的竞争策略加快了图像分割中的区域增长处理过程.     

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。     

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.     

基于视觉注意的动态阈值分割算法

提出一种基于视觉注意机制的动态阈值选取方法.首先按人眼视觉注意特点计算各图块的显著性特征值,根据显著性特征值将图像块进行分类,然后利用最大类间方差法和多尺度的自适应阈值方法分别实现不同灰度特性区域的图像动态分割.实验结果表明:该方法能够实现图像多阈值的自动选取,不受照明条件的影响,能够获得满意的二值分割效果     

光伏阵列多故障状态的红外图像分割

针对多故障状态下红外图像分割出现多阈值的情况和太阳能光伏阵列的红外图像特点,讨论了基于混合遗传算法的二维多阈值模糊聚类方案.首先采用遗传算法解决模糊C-均值算法的聚类数与聚类中心问题,然后用模糊C-均值算法进行聚类.实验结果令人满意.