基于阈值法和区域生长法的图像分割算法研究

由于图像阈值法的直观性和易于实现的性质,使它在图像分割领域中处在中心地位,但是在阈值分割后不可避免地会出现与目标灰度接近的背景区域,从而产生了噪声干扰。由于图像分割技术的不断完善,区域生长法比较完美地解决了噪声干扰的问题,但是随之也会造成欠分割和过分割的现象,同样使得分割效果不理想。因此,本文采用阈值分割法和区域生长法相结合的方法,来尽可能避免目标本身灰度不均匀造成的欠分割现象和有效防止目标边界模糊造成的过分割现象。     

基于模糊集理论的迭代多值化图像分割

针对阈值分割存在精确性不高和分割效率低的问题,提出一种基于模糊集理论的迭代多值化图像分割方法。采用自顶向下的迭代分割策略综合考虑分割区域的灰度分布特征和各像素点的邻域信息,用模糊综合评判代替分割阈值,实现对图像中各像素点的合理分类,既摆脱了阈值分割方法需要找到若干确定的阈值才能实现图像多值化分割的约束,又提高了图像分割的质量和效率。为验证该方法的优越性和快速性,采用Otsu法和Kapur法两种经典的阈值分割方法为对照,针对带噪图像、不同对照度图像和2幅分割难度较大的图像进行了分割实验。研究结果表明,与阈值分割相比,本文方法能够完整地保留目标的细节,且分割时间较短。     

一种低能见度下红外机场区域识别新方法

针对低能见度下红外图像背景复杂、目标对比度低的特点,提出了一种新的基于感兴趣区提取和区域生长的红外机场区域识别方法。首先,采用自适应Wiener滤波对图像进行预处理,以削弱图像的背景杂波并增强机场区域的信噪比;然后,利用机场区域和背景的灰度分布特性的差异,在图像预处理的基础上采用自适应双阈值分割和自适应局部极差阈值分割相融合的方法实现机场区域的初步分割;其次,利用机场区域的形状约束和长宽比特征,采用形态学处理和连通域标记实现感兴趣区域的提取;最后利用有限约束的区域生长实现机场区域的识别。该方法结合了感兴趣区域提取和区域生长的优势,能够以较少的计算代价实现机场区域较完整的识别。实验表明,该方法能够有效检测识别机场区域。      

采用图像分割方法进行木材表面缺陷的定量检测

随着木材加工业的集约化发展以及对木材表面加工质量高水平的苛求,传统的人工检测方式已经难以满足木材产品的加工生产。在了解木材表面缺陷的分类、缺陷产生原因和木材缺陷表面图像的特征的基础上,对比分析平均值法、最大值法和加权平均值法3种图像灰度化方法效果,并选定加权平均值法对木材缺陷图像进行灰度化预处理。在Matlab 6.5GUI编程框架下实现木材缺陷检测系统,通过选取Isodata聚类迭代法、Otsu最大方差法、最大熵法和Sobel边缘分割法为基础的4种阈值化图像分割方法对木材缺陷特征的分割效果和分割速率进行实验对比分析。实验结果表明,运用Isodata聚类迭代法的图像分割方法能够快速准确分割图像实现木材缺陷检测。     

基于平方距离的对称共生矩阵阈值法

基于图像共生矩阵的阈值法是图像分割的一种基本方法,本文基于“灰度—灰度”对称共生矩阵,通过定义目标区域和背景区域的均值,提出了一个阈值分割方法.该方法和常见的基于对称共生矩阵阈值法相比,对图像的适应性更强,仿真实验验证了本文方法的有效性.     

复杂背景下运动目标跟踪技术

运动目标分割技术是计算机视觉研究的热点。介绍了一种常用的K im目标分割方法,并针对其不足,对K im方法进行了改进,将连续两帧的差分图像和背景差分图像直接相乘得到灰度图像,然后对该灰度图像进行阈值分割来获取目标区域模板,再基于灰度加权图像模板匹配法实现目标跟踪。实验结果表明,该方法能够准确地检测跟踪目标,具有较好的实用价值。     

雾天视频稳像的预处理技术研究

户外拍摄的视频图像经常会受到雾的影响,被影响区域的图像往往清晰度差,在进行视频稳像时不能正确地提取出特征点。如果采用去雾算法进行预处理,也会造成特征点的误提取以及位置偏移等,因此,采用半逆法对图像进行分割,分割出无雾区域以便在这些区域获得准确的特征点。由于半逆法采用固定阈值的方法,无法满足不同图像的要求,并且分割后的图像中存在多个孤立点,因此,采用自适应阈值和八邻域法对算法进行了改进。实验结果表明,改进后的算法能够快速准确地分割无雾区域,提高了特征点提取的准确率。     

基于区域的肝脏病灶CT图像分割及实现

人体肝脏图像的分割是医学图像分割中的难点,分割结果的好坏直接影响医生对病人的诊断结果。在分析肝脏CT图像的特点的基础上,重点研究了独立连接阈值法及实现了对CT肝脏图像中肝脏病灶组织结构的分割。实验结果表明,该方法能非常理想的将目标与背景分开,过分和漏分情况较少,且计算简单易于实现。     

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。     

面积约束下的最优阈值法分割LED像素点阵

针对基于CCD相机采集方式的亮度校正方法需要从采集图像中分割出每颗LED像素的亮度信息的问题,提出面积约束下的最优阈值分割法。在最优阈值分割法的基础上,根据先验信息引入面积约束条件,对阈值的取值范围进行约束。与传统的最优阈值法相比可以避免分割后LED像素区域连接的情况。面积约束下的最优阈值分割法生成采集图像的灰度直方图,利用最优阈值算法结合面积约束生成最优阈值,最后通过图像的阈值分割法将采集图像分割。实验表明,该方法可以比较好地分割出采集图像中的LED像素,并可避免当LED像素点分布密集时应用最优阈值法分割LED像素造成的区域连接问题。     

基于区域灰度极小值的网孔织物图像分割算法

针对网孔织物图像的对比度低和噪声点多而导致分割结果中存在网孔连在一起和残缺等问题,提出一种基于区域灰度极小值的分割算法以期提高网孔的分割精度.首先利用高斯金字塔缩放和直方图均衡化算法处理图像以增强图像的纹理轮廓和明暗对比度.然后采用一种基于区域灰度极小值的分割算法以解决仅仅依靠灰度值大小而无法正确分割网孔的问题.最后采...     

边缘引导和轮廓约束下的跨域香农熵最大化导向的自动阈值选取方法

为了处理诸如高斯、伽马、极值、瑞利、均匀或贝塔等基本灰度分布情形下的阈值选取难题,本文提出了一种跨域香农熵最大化导向的自动阈值选取方法.该方法利用不变的引导边缘图像和变化的约束轮廓图像共同构造出一系列持续变化的一维灰度直方图,并采用香农熵作为熵计算模型,从而得以跨越图像中若干局部区域去计算跨域香农熵,并以最大跨域香农熵对应的阈值作为最终阈值.在40幅合成图像和50幅真实世界图像上的实验结果表明,该方法虽然在计算效率方面不优于Masi熵阈值方法、Tsallis熵阈值方法、局部香农熵阈值方法和迭代三类阈值方法,但在分割适应性方面有显著增强,且在误分割率方面有显著下降.     

一种基于假彩色的像素级多传感器图像融合算法

本文给出了一种基于假彩色的像素级多传感器图像融合算法,并将其用于两幅灰度图像的融合中.这种算法将现有的图像融合技术和彩色显示技术相结合,在灰度融合图像的基础上利用色差来表现原图像与灰度融合图像的细节差异.该算法分为三步:首先,用选择与平均相结合的方法得到两幅原图像的灰度融合图像;接着,求出灰度融合图像与两幅原图像的差异图像;最后,将两幅差异图像和灰度融合图像分别送至R、G、B颜色通道进行显示.比起灰度融合图像,最终得到的彩色融合图像在色彩上更丰富,包含更多的细节,直觉上更容易辨认.     

基于灰度梯度映射函数的红外图像分割

在最大类间方差法的基础上,引入灰度梯度映射(GGM)函数,提出了一种改进的阈值选取算法.实验结果表明,提出的新算法能够有效地提取目标,抑制背景噪声点,具有广阔的应用前景.     

最大倒数熵/倒数灰度熵多阈值选取

现有的基于Shannon熵的阈值选取方法存在无定义值和零值的缺陷,并且没有考虑目标和背景类内灰度的均匀性。为此,本文针对多目标（背景）图像分割问题,提出了基于最大倒数熵/倒数灰度熵和自适应双粒子群优化（Adaptive Chaotic Variation Particle Swarm Optimization, ACPSO）的多阈值选取方法。首先将最大倒数熵单阈值选取推广到多阈值选取;然后定义了倒数灰度熵,导出了基于最大倒数灰度熵的单阈值和多阈值选取公式;最后给出最大倒数熵/倒数灰度熵多阈值选取的ACPSO算法步骤,实现对多个阈值快速精确地寻优。实验结果表明,与现有的同类方法—基于最大Shannon熵和粒子群优化（Particle Swarms Optimization, PSO）的多阈值选取方法相比,本文提出的方法有明显的优势,已应用于红外弱小目标检测中的阈值分割和卫星云图识别中的数字云图分割,取得了极佳的分割效果。      

红外偏振与红外光强图像的伪彩色融合研究

针对RGB和l空间转换过程复杂,运算速度慢,不便于用灰度融合图像直接代替亮度分量的问题,提出了一种基于YC C空间的伪彩色融合方法。该方法首先对源图像进行基于特征差异的颜色映射,所得RGB图像通过YC C变换提取亮度分量Y;然后采用新的融合规则对红偏振与光强图像进行了支持度融合,其中低频和高频分别采用目标背景分割和区域方差最大的融合规则;最后用融合结果代替亮度分量,再与C,C分量进行YC C逆变换,得到伪彩色图像。实验结果表明,与文献[8]方法比较局部方差提高21.5%、对比度提高1.15%、清晰度提高6.05%、运算速度提高30.5%,证明了本文算法的可行性和有效性。     

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.     

一种基于彩色图像的运动人体分割方法

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信忠．受到了越来越多的重视。该文运用改进的背景差分方法，结合直方图双阈值分割和数学形态学的算法。在彩色图像序列中获得运动人体。实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的，能够实时从彩色图像序列中分割出运动人体。     

一种改进的Otsu图像阈值分割算法

Otsu法是图像阈值化分割法中的经典算法之一,在图像处理中有广泛的应用。本文针对红外吊舱图像的特点,在对Otsu法进行分析的基础上,提出了一种改进的Otsu图像阈值分割算法。首先,采用整幅图像的平均灰度值作为初始阈值对图像进行分割;然后,推导出了Otsu法四个参数的递推公式;最后,在缩小的灰度级范围内用递推的Otsu法来计算最终的分割阈值T。实验仿真结果表明,改进的Otsu算法在图像分割效果方面和时间效率方面明显优于Otsu法。     

基于Tsallis交叉熵快速迭代的河流遥感图像分割

为了使河流遥感图像分割的精度和速度进一步提高,本文提出了一种基于二维Tsallis交叉熵快速迭代的河流遥感图像分割方法。鉴于现有的Tsallis交叉熵阈值法运算效率不够高,首先提出了一维Tsallis交叉熵阈值选取的快速迭代算法;然后导出了基于灰度级—邻域平均灰度级直方图的Tsallis交叉熵阈值选取公式,以进一步提高分割精度,并采用递推方式计算阈值选取准则函数中的中间变量,避免其重复运算,加快运算速度;最后,提出了二维Tsallis交叉熵阈值选取的快速迭代算法,推导出相应的公式,大大减少了运算量。大量实验结果表明,与近年来提出的4种阈值分割方法相比,本文方法在对河流遥感图像的分割效果及运行时间上均有明显优势,是河流检测与类型识别系统中可选择的一种快速有效的分割方法。