基于高斯拟合的自适应多阈值分割算法*

提出一种新的基于邻域平均直方图的快速高斯拟合函数参数估计的算法,对形态滤波后的邻域平均直方图进行峰谷检出,对各峰区数据单独进行截断数据统计分析确定拟合参数,较好地避免了多峰交叠所带来的干扰,从而实现了复杂图像的自适应多阈值分割。实验表明,该算法能有效提高拟合精度和分割的鲁棒性。     

高斯尺度空间下估计背景的自适应阈值分割算法

为有效分割非均匀光照图像,提出一种在高斯尺度空间下估计背景的自适应阈值分割算法. 首先,利用二维高斯函数对待处理图像进行卷积操作来构建一个高斯尺度空间,在此空间下进行背景估计,并采用背景差法来消除非均匀光照干扰,从而提取出目标图像;然后,采用 矫正进行增强处理以突出较暗目标信息;最后,经强调谷底的最大类间方差法进行全局分割得到最终结果. 为验证算法的有效性,对非均匀光照条件下文本图像以及非文本图像进行了测试,并与基于偏移场的模糊C均值方法、灰度波动变换自适应阈值分割算法和自适应最小误差阈值分割算法,在错误分割率和运行时间上进行了对比. 实验结果表明,对比以上三种方法,该算法的分割结果更为理想.     

基于高斯滤波C-V模型分割算法的改进

在现实世界经常有一些灰度不均匀的图像给图像分割造成了很大的困难.为了解决由于图像灰度不均匀造成的图像轮廓提取的困难,结合邻域算法和高斯滤波的性质的基础上,提出了基于图像局部区域灰度信息的算法,使曲线的演化过程基于图像的局部信息.同时采用了水平集演化规则化模型,避免了水平集函数的不断初始化.实验结果表明,新算法无论对合成图像还是真实图像,都能提取出准确的物体轮廓.     

采用高斯拟合的全局阈值算法阈值优化框架

采用最大类间方差法、最大熵法和最小误差法3种经典全局阈值方法获得的阈值,存在一定偏差.针对该问题,提出了一种采用高斯拟合的全局阈值算法阈值优化框架(TOF).本优化框架先利用全局阈值算法获得初始阈值,将图像粗分为背景和目标2个部分,然后分别计算各部分均值和方差来拟合出2个高斯分布.由于最佳阈值位于2个高斯分布的交点位置,为此本框架采用多次迭代方式来优化阈值,直至最终收敛到最佳阈值.为提高抗噪性能,结合三维直方图重建和降维思想,提出了一种鲁棒的采用高斯拟合的全局阈值算法阈值优化框架(RTOF).实验结果表明,对于以上经典全局算法,采用本优化方法均能收敛到一个最佳阈值,同时本算法还具有鲁棒的抗噪性能和较高的执行效率.     

用于图像分割的多分类高斯混合模型和基于邻域信息的高斯混合模型

高斯混合模型是一种简单有效且被广泛使用的图像分割工具。然而,传统的高斯混合模型在混合成分个数确定时的拟合结果不够精确;此外,由于没有考虑像素间的空间关系,导致分割结果易受噪声干扰,且分割精度不高。为弥补传统高斯混合模型的缺陷,文中提出多分类高斯混合模型和基于邻域信息的高斯混合模型用于图像分割。多分类高斯混合模型对传统混合模型进行二重分解:传统混合模型由M个分布加权混合得到,多分类混合模型进一步将M个分布中的每一个分布分解成R个分布。即多分类高斯混合模型由M个高斯分布混合组成,而这M个分布分别由R个不同的分布混合得到,提高了模型的拟合精度。基于邻域信息的高斯混合模型通过对模型中的先验概率和后验概率添加空间信息约束,增强了像素间的信息关联和抗噪性。采用结构相似性、误分率和峰值信噪比等指标来评价分割结果。通过实验发现:与现有的混合模型分割方法相比,文中方法大幅提高了分割精度,且有效地抑制了噪声干扰。     

自适应多阈值图像分割算法

本文提出了一种新的自适应多阈值图像分割算法.它首先利用势基函数对-维灰度直方图拟合,通过势函数聚类自动确定划分类数;然后在灰度共生矩阵的基础上,依据形状连通度准则,求得使形状连通度最大的一组分割阈值;最后按该组分割阈值执行多阈值图像分割.理论分析和实验结果都表明该算法较传统阈值分割算法优越,具有运算速度快、划分效果好、抗干扰性强的特点.     

自适应最小误差阈值分割算法

对二维最小误差法进行三维推广, 并结合三维直方图重建和降维思想提出了一种鲁 棒的最小误差阈值分割算法. 但该方法为全局算法, 仅适用于分割均匀光照图像. 为 提高其自适应性, 本文采用Water flow模型对非均匀光照图像进行背景估计, 以此获 得原始图像与背景图像的差值图像, 达到降低非均匀光照对图像分割造成干扰的目的. 为进 一步提高分割性能, 本文对差值图像采用γ 矫正进行增强, 然后采用鲁棒最小误差 法进行全局分割, 从而完成目标提取. 最后本文对均匀光照下以及非均匀光照下图像进行了 实验, 并与一维最小误差法、二维最小误差法、三维直方图重建和降维的Otsu阈值分割 算法、灰度波动变换自适应阈值方法以及一种改进的FCM方法在错误分割率和运行时间上进 行了对比. 实验结果表明, 相对于以上方法, 本算法的分割性能均有明显提升.     

基于自适应阈值的网格图像行分割算法

针对网格图像文字自动识别受网格横线影响的问题,提出将网格图像按照网格横线进行行分割的自适应阈值算法。在对网格图像行分割过程中,首先对灰度图像使用类别方差自动门限法(OSTU算法)取得图像二值化的阈值,将此阈值作为全局阈值对图像进行二值化操作。然后针对图像的二值化数据进行了水平投影,利用统计法取得行分隔的阈值,并结合行分隔阈值实现了网格图像行分割的算法。最后将算法在Matlab中进行了验证和分析。     

显著性驱动的局部相似拟合模型分割算法研究

灰度不均匀和噪声图像的分割是计算机视觉中的难点。现有的活动轮廓模型尽管能够取得较好的分割效果,但仍然对噪声图像分割效果不理想,初始轮廓曲线的选取敏感,优化易陷入局部极小导致演化速度慢等问题。针对该问题,首先使用局部区域灰度的均值和方差拟合高斯分布,构建新的能量泛函,均值和方差随着能量的最小化过程而变化,从而增强了灰度不均匀和噪声图像的分割能力。此外,结合视觉显著性检测算法获取待分割目标的先验形状信息,并自适应地创建水平集函数,从而降低了初始轮廓位置敏感性及计算时间复杂度,实现全自动的图像分割。实验结果证明,提出的算法可以用于灰度不均匀和噪声图像分割,并取得了较好的分割性能,消除了算法对初始轮廓位置敏感性,减少了迭代次数。     

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。     

引入分数阶微分的局部高斯分布拟合能量模型

局部高斯分布拟合能量(LGDF)模型缺乏全局信息,对初始轮廓曲线选取较敏感,特别在分割弱边缘和弱纹理区域图像时,容易陷入局部极值,对噪声的鲁棒性不好.针对上述问题,文中提出引入分数阶微分的LGDF模型.在LGDF模型中引入全局的Grümwald-Letnikov(G-L)分数阶梯度拟合项,增强弱边缘和弱纹理区域的梯度信息,提高对初始轮廓曲线和噪声的鲁棒性.采用自适应权重函数确定全局项和局部项的系数,提高对灰度不均匀图像的分割效率和分割精度.根据图像的梯度模值、信息熵和对比度构建自适应分数阶阶次的函数,提高分割效率.理论分析和实验均表明,文中模型可以用于灰度不均匀、弱纹理、弱边缘图像的分割.合成图像和真实图像的实验表明文中模型可以提高图像的分割精度和效率.     

邻域约束高斯混合模型的模糊聚类图像分割*

针对传统模糊聚类分割方法无法有效模拟数据分布特征的问题,提出基于邻域约束高斯混合模型的模糊聚类图像分割算法.利用高斯分布刻画聚类内像素光谱测度统计特征,定义像素与其邻域像素相关性的先验概率,并作为高斯混合模型中各高斯分量权重系数,构建包含特征场邻域作用的高斯混合模型.利用高斯分量描述像素与聚类间的非相似性测度,建立基于高斯混合模型的模糊聚类目标函数.在传统模糊聚类方法基础上,采用高斯混合模型定义像素与聚类间的非相似性测度,并在高斯混合模型中融入邻域作用,有效解决数据具有多峰值特征的问题.最后通过实验验证文中算法的准确性.     

基于高斯分布的大气光估计算法

针对现有去雾算法在估计大气光向量时,所采用的方法包含的大气光候选点数量较少,导致估计结果在统计意义上误差较大这一问题,提出了基于高斯分布的大气光估计算法。该算法首先使用阈值划分的方式选取候选点以增加初始样本点数量;然后引入聚类算法对原算法所得光源点簇进行合并以提高单个点簇所含样本点个数;同时,使用比例阈值过滤掉不合理的点簇,并将各点簇视为单独光源,单独计算其对周围像素的影响,其影响通过二维高斯分布函数进行建模;最后使用大气光图取代全局大气光复原图像。实验结果表明, 相对于原算法, 使用高斯分布大气光图复原的结果在主观视觉上看起来更加自然,且其客观图像质量评价指标也得到了提高。     

融入局部几何特征的流形谱聚类图像分割

为了改善谱聚类图像分割的精准性和时效性,文中提出融入局部几何特征的流形谱聚类图像分割算法.首先,考虑图像数据的流形结构,在数据点的K近邻域内执行局部PCA,得到数据间本征维数的关系.然后,引入流形学习中的局部线性重构技术,通过混合线性分析器得到数据间局部切空间的相似性,结合二者构造含有局部几何特征的相似性矩阵.再利用Nystr?m技术逼近待分割图像的特征向量,对构造的k个主特征向量执行谱聚类.最后,在Berkeley数据集上的对比实验验证文中算法的准确性和时效性优势.     

结合改进遗传算法与局部阈值法的指纹图像分割

在改进型遗传算法和局部阈值法的图像分割技术基础上,提出一个相互融合的方法。与融合前的2种算法相比,改善了由于图像边界分割不完全和局部模糊不清造成无法分割的问题。实验结果表明:这种融合的方法比单独使用1种方法分割效果更好。     

基于免疫算法的图像阈值分割

在图像分割中引入人工免疫算法,利用免疫算法优化最小误差法来获取最佳阈值,图像分割的效果和速度也得到了提高,性能也更加稳定.仿真实验证明,该算法对复杂图像的良好分割效果和较强的实时处理能力.     

基于自适应噪声滤波的视频对象分割算法

介绍了基本的视频运动对象分割算法,针对变化区域检测算法中固定阈值滤噪的不足,提出了自适应噪声滤波的方法,同时利用计算机图形学中的扫描线填充思想得到变化区域的具体位置,实现视频对象的分割.实验证明了算法的有效性.     

基于改进粒子群算法的阈值图像分割

针对基本粒子群算法目前存在的收敛速度过慢且容易于陷入局部极值等方面问题,提出根据蜂群算法的领域搜索思想,改变算法中粒子领域结构。通过借鉴蜂群的领域搜索策略解决粒子群算法陷入局部极值的问题,提高收敛速度。并将改进后粒子群算法应用于阈值图像分割中,仿真结果表明改进算法在图像阈值分割中减少阈值的寻优时间,优化收敛精度,提高图像处理的实时性和精度性。     

基于改进活动轮廓模型的图像分割

针对图像分割中的灰度不均匀和轮廓初始化问题,提出一种基于区域的活动轮廓模型。将图像的全局信息和局部信息作为能量项驱动活动轮廓向目标边缘演化,以有效分割灰度不均匀图像,为保证图像分割的速度和精度,在能量方程中加入长度项和惩罚项,并采用梯度下降法得到该模型的最小化能量方程。实验结果表明,和局部二值拟合模型、局部图像拟合模型相比,该模型能分割灰度不均匀的图像,对初始轮廓曲线大小和位置更不敏感,且分割图像所需的迭代次数、迭代时间更少。