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.     

一种基于阈值分割的红外图像边缘检测方法

针对红外图像对比度和信噪比低,经典的图像边缘检测方法对实际图像难以检测的特点,提出了一种基于阈值分割的边缘检测算法。首先利用最大方差阈值法分割出红外图像的目标图像,其次用线性拉伸的方法对目标图像中存留的噪声进行去除,最后运用Sobel算子对目标图像进行边缘检测得到结果图像,并与经典的Roberts边缘检测算法、Sobel检测算法、Prewwit检测算法、Gauss-Laplacian检测算法进行比较。实验结果显示该检测方法是可行、有效的。     

基于统计滤波的自适应双阈值改进canny算子边缘检测算法

通过介绍传统Canny算子边缘检测算法的基本原理,针对传统算法中存在的缺陷和问题,提出一种基于统计滤波的自适应双阈值的边缘检测算法;它通过统计滤波去除噪声有效的提高了算法的运算效率同时进一步抑制噪声对边缘检测的影响,以及基于简单统计的阈值选择算法,不再是人工选取阈值而是根据图像自身的特点自动选取合适的阈值,两者结合有效的提高了边缘检测算法的准确度和运算效率;这为图像分割技术的发展奠定了坚实的基础。     

一种距离选通图像分割的新算法(英文)

介绍了一种图像分割算法,用于受到距离选通激光夜视技术带来的回波展宽效应影响的图像。该算法利用有效信息区边缘线的平均灰度信息实现对分割图像阈值的选取以分割图像。选取该阈值后,算法利用空间信息实现对噪点的判断以除去噪声。该算法可以准确分割出有效信息区边缘,采用很少的形态学操作,保证了图像的还原质量。实验证明该算法可以准确地分割边缘模糊的距离选通激光夜视图像,对噪声等具有较强的稳健性。     

一种模糊小目标的自适应阈值分割方法

文章提出了一种基于顶帽变换和边缘检测的强噪声背景下的目标提取方法。模糊背景下图像的目标提取存在一定的困难,必须对图像进行增强处理。文中涉及到的目标具有不同的灰度值,固定阈值法不能保证检测出所有的目标。在原有自适应阈值分割的基础上设计了一种基于顶帽变换和边缘检测的自适应阈值分割方法,首先对图像进行顶帽变换增强图像,再利用Sobel边缘提取算法提取所有可能目标的边缘,利用原图像中对应边缘点的灰度取平均值作为图像分割的阈值来提取目标。实验结果表明:利用检测出的边缘灰度均值作为图像的灰度阈值来分割目标,能有效地提取出模糊小目标。     

基于改进Canny算子的CT图像边缘检测

结合CT图像的特点,在传统Canny算法的基础上提出了改进的Canny算法。该算法先用基于GCV准则的阈值函数平滑去噪,在得到非极大值抑制图像后用Otsu法自适应设定高低阈值,并用形态学结构元素细化边缘。实验证明,该方法能有效解决常见边缘检测算法对去除噪声和获取精细边缘之间的矛盾,使伪边缘现象大为减少,从而获得了比较理想的边缘检测效果,为提高医生诊断病情的准确率打下了良好的基础。     

一种基于均值漂移和遗传算法的图像分割算法

考虑到图像的噪声和边缘保持等因素,提出了一种基于均值漂移的图像平滑和利用遗传算法取得直方图最大熵的图像分割算法相结合的方法,首先利用均值漂移算法对图像进行平滑处理,然后对平滑后的图像通过遗传算法获得在直方图最大熵时的分割阈值,实验得出,本文算法能取得较好的分割效果。     

基于图像分解的稀疏正则化多区域图像分割方法

针对图像具有不同特征的成分,提出一种基于图像分解的多区域图像分割模型和算法.首先将图像分解项引入到图像分割模型中,递减了纹理和噪声对分割的影响;其次使用稀疏正则化方法保持分割区域的边缘几何结构;最后基于增广Lagrange乘子法,给出一种由扩散流引导的小波迭代阈值图像分割算法.一系列实验结果表明,提出的方法抗干扰能力强,对噪声具有更好的鲁棒性.提出的方法不仅能够分割结构图像,并且能够分割较复杂的纹理图像.     

小波及分水岭变换在图像分割中的应用

在进行分水岭图像分割时,由于对噪声及灰度变化的敏感性,将得到过度分割的图像.为了克服这种缺点,利用小波多分辨率分析特性及图像增强对图像进行处理,去除大量的噪声信息,保留图像边缘的细节信息,并使图像边缘像素灰度值得到增强,减少由噪声带来的过度分割;对降噪增强后的图像使用形态学梯度算法及控制标记符的分水岭分割方法能够进一步减少由于灰度变化小带来的过度分割,从而较好地解决了过度分割问题[1].     

基于小波与阈值的图像分割

图像分割是图像处理和计算机视觉中的重要技术,并且已在工业、军事、医学图像以及机器人视觉领域有着广泛的应用。在此采用了基于小波变换边缘检测算法和阈值分割算法。小波变换边缘检测,即设置分解级数进行多次分解,并依次输出结果图像。阈值分割采用全局与局部阈值分割图像,但是局部阈值更能突出图像的信息点。     

基于梯度卷积的激光光斑图像分割

为解决传统方法对存在背景噪声干扰的光斑图像分割效果不理想的问题,设计了一种基于梯度卷积的光斑图像分割算法。首先对光斑、背景、噪声的空间灰度分布特性进行分析。而后根据目标与干扰在空间灰度梯度分布特性的差别,构造适应目标尺度的梯度卷积模板,与光斑的梯度图进行卷积,从而在增强光斑特性的同时抑制了背景干扰及噪声。最后,在噪声抑制图像的基础上结合阈值分割和目标特性判别得到最终的分割结果。通过与传统光斑分割算法进行对比实验发现,该算法抗噪能力更强,有效解决了背景与噪声干扰下光斑目标的分割问题。     

基于OpenCV的图像阈值分割研究与实现

图像的阈值化在图像分割中有着至关重要的作用。在OpenCV算法环境下,运用固定阈值化和自适应阈值化算法,分别对同一幅图调用OpenCV中相应的函数进行处理;同时针对图像中的噪声,结合高斯模糊算法对图像噪声的滤除作用,将高斯模糊和阈值化算法结合起来,分析研究图像分割算法。结果表明自适应阈值化算法可以更有效地进行图像分割。     

一种基于图像平滑的阈值分割方法

阈值分割是图像分割技术中一类广泛使用的方法,Otsu法是其典型代表。针对Otsu法不能准确分割低对比度或低信噪比的图像的缺点,提出了一种新的动态阈值分割方法：先用平滑滤波器平滑得到原始图像的动态背景图像,原始图像与动态背景图像相减得到差图像,在差图像上通过设定阈值来实现原始图像的分割。仿真实验表明,该方法具有较低的算法...     

结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。     

磁环表面缺陷图像分割算法的研究及实时实现

为实现小型磁环表面细微缺陷图像无监督分割,并提高分割精度与计算效率,本文提出了一种基于改进2D Gabor滤波器组的自适应阈值分割方法。首先,利用多尺度、多方向的Gabor滤波器组对缺陷图像进行滤波降噪处理,抑制目标区域与背景区域内部的噪声污染,同时增强区域间的差异性；然后,通过对处理后图像的灰度统计特性分析,根据缺陷图像的灰度均值及方差构造了灰度阈值计算公式,实现了小型磁环表面细微缺陷图像的自适应分割。实验结果表明,本文算法可快速、准确地分割缺陷并抑制噪声干扰,在分割精度、计算效率等方面也优于传统的选择迭代法、OTSU、最大熵等方法,并能够在先进的SEED-DVS8168平台上实时实现,验证了此算法的可行性与实时性。     

改进的二维阈值图像分割

本文提出了一种基于灰度图像像素点灰度和点邻域方差的改进二维图像分割法.新方法改进了阈值判定域,考虑了边界和噪声的影响,新定义了一个阈值分割函数,提高了分割精度.利用思维进化算法优化分割参数,提高了最优阈值的寻找速度.实验结果表明,基于思维进化算法的改进二维图像分割法优于传统算法,该算法具有较好的稳定性和收敛速度,更能满足图像处理高效率、短时耗的要求.     

基于领域灰度的模糊C均值图像分割算法

模糊C均值(FCM)聚类算法对图像局部灰度值不均匀和噪声十分敏感,提出一种基于像素点灰度补偿校正和邻域信息的FCM新算法.通过预先假定像素点存在加性或乘性噪声,再将像素点的邻域信息引入到噪声模型,经反复迭代调整像素点的噪声值直至最优.在FCM反复迭代的过程中,对算法进行上下截集半模糊化处理,从而提高分类的速率和准确率....     

基于数学形态学的空空导弹导引头红外图像处理

红外成像制导导弹的图像分割是图像处理中的重点和难点之一.将数学形态学图像处理算法应用于导引头红外图像分割,提出一种新的分割方法.首先,利用形态学方法估计出导引头红外图像中的背景图像;其次,利用原始图像减去背景图像得到差图像,以消除不均匀背景对图像分割的影响;再次,利用阈值算法将差图像转换成二值图像;最后,应用形态学方法消除噪声,根据目标图像属性的连贯性实现目标检测.仿真分析表明,该分割算法具有较好分割效果.     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。