基于局部最大方差比的自适应边缘检测算法

本文提出一种新的边缘检测算法。对子图像进行局部直方图计算。由最大方差比例阈值确定方法计算出子图像的最佳阈值。根据局部直方图中波峰数决定是否增强子图像中被最佳阈值划分出的低灰度区域和高灰度区的对比度。然后对已经选择性对比增强的图像进行边缘检测。实验证明图像的区域层次更清楚，提取的边缘细节也更丰富。自适应算法则最大限度地突出了边缘而同时保持了图像中相近灰度级的平滑性和连续性。     

固体推进剂药柱图像的自适应阈值分割方法

以固体推进剂药柱内窥镜图像表面缺陷的自动检测为例,在分析了此类图像特征的基础上,提出了一种利用梯度直方图信息的图像自适应阈值分割算法。通过实例,与原自适应直方图阈值分割算法和固定阈值分割算法相比较,结果表明：该算法采用可动态调整的形态学梯度算子计算梯度直方图,充分利用了图像的边缘信息和缺陷内部灰度分布不均匀的特性,算法简单,适应性广,具有实时准确分割图像的特点。     

基于分段自适应遗传算法的图像阈值分割

自适应遗传算法是一种有效的寻优算法,本文首先对自适应遗传算法进行改进,提出分段自适应遗传算法,达到了防止早熟,加快寻优速度的目的。阈值分割是一种经典的图像分割算法,本文将利用改进的自适应遗传算法(分段自适应遗传算法)对图像分割。本文算法以最大类间方差比作为适应度函数,通过最佳阈值进行寻优,以信息熵和最大方差比作为评价标准对图像分割进行比较,实验证明基于分段自适应遗传算法的图像阈值分割算法能够达到较好的分割效果。     

静态图像中的自适应阈值肤色检测算法

提出了一种基于自适应阈值的肤色检测算法．相对于固定阈值的直方图检测方法,该算法可以针对不同的图像内容产生相应的最优分割阈值．通过对肤色概率分布直方图（SPDH）的观察分析,可以提取出4点线索来帮助寻找最优阈值,在此基础上训练出一个人工神经网络分类器来确定最优阈值．同时提出了一种图像逻辑运算,可以最大限度地去除混淆背景．提出的算法在寻找最优阈值的过程中无需迭代计算,因此速度快,适合于实时应用．实验结果表明其性能优于广泛采用的固定阈值肤色检测方法．     

基于DSP和图像分割的织物疵点实时检测方法

疵点自动检测是纺织品缺陷在线检测领域的一个研究热点;为满足高速实时疵点检测应用要求,构建了基于TMS320DM642的织物疵点检测硬件系统;该系统由光源与成像、图像采集与实时处理、结果显示与统计分析等部分组成,能充分利用数字信号处理器的高速运算能力,有效提高系统的检测速度;并提出一种基于自适应阈值分割的疵点检测算法,通过增强织物图像灰度直方图波谷对应阈值的检测概率,有效提高了疵点图像的分割准确性;最后,在所建硬件系统平台上利用该算法进行了棉坯布疵点检测实验,疵点检出率达到93.6%;结果表明,本系统可自动实时检测织物疵点,且检出效率高。     

基于细菌趋药性的Ostu双阈值图像分割算法

双阈值或多阈值分割对于复杂图像具有较好的分割效果,但算法计算量较大,不适合实时应用。为此,提出一种基于细菌趋药性、利用域间最大方差的双阈值图像分割优化算法。仿真结果证明,与传统穷尽式搜索算法相比,该算法能在保证分割效果的前提下,降低时间复杂度。     

基于模糊阈值的自适应图像分割方法

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割;该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果;实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

实时跟踪系统中运动人体图像分割

在视频序列的人体运动分析中，实时分割出运动的人体，是研究的起始关键步骤。该文在简单的运用差图像算法进行人体运动检测的基础上，结合直方图自动阈值分割和数学形态学的算法来完成运动人体的精确分割。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，能够实时分割完成运动人体的视频图像。     

复杂背景下的阈值插值方法

图像分割是进行图像处理的关键步骤。目前很多图像分割的技术都需要人工干预，而且是针对单纯的图像背景才能达到目标。为了解决有复杂背景的图像的分割问题，采用自适应阈值(阈值插值)的方法，并对其加以改进，用迭代阈值判断子图像的直方图是否是双峰分布，同时确定直方图有双峰的子图像的阈值；用双线性插值的方法确定直方图非双峰分布的予图像的阈值，使这种算法在实际中可行。实验证明这种方法适用于复杂背景的图像分割，且通用性比较好。     

血细胞图像分割的改进MEANSHIFT方法

根据血细胞图像的特点,采用一种基于改进的MEANSHIFT算法,对血细胞图像的G通道直方图和S分量直方图进行处理,自适应地得到白细胞核和其他区域的分割阈值,通过阈值分割将白细胞核从图像中分割出来,再通过后处理得到白细胞浆区域,从而实现白细胞的自适应阈值分割。在对MEANSHIFT算法进行改进后,阈值的获取自适应性更强,实验证明,这种自适应的阈值分割方法快速、有效,并且对于图像颜色变化、染色条件差异等鲁棒性强。     

改进的红外图像2维Otsu分割算法

针对红外图像有别于一般灰度图像的特点,常用的灰度级平均灰度级2维直方图区域划分在红外图像分割中效果不佳,为此提出一种改进的灰度级梯度2维Otsu阈值选取方法,选取合适的梯度算子,利用改进的粒子群优化算法寻找分割阈值,在算法中加入有效判断早熟停滞的方法,一旦检索到早熟迹象,便随机改变最优解的任意1维分量值,使其跳出局部最大,实现全局寻优过程的快速收敛。仿真实验结果表明,该算法由于使用新的2维直方图,分割后的红外图像边界形状准确,特征细节清晰,运算速度也得到了有效提高。     

二维直方图重建和降维的Otsu 阈值分割算法

指出二维直方图直分法中存在区域划分不合理和抗噪性差问题,提出一种新的阈 值分割方法,导出有关计算公式。首先分析噪声点在二维直方图中分布情况,通过重建二维直 方图减弱了噪声对阈值分割的干扰;然后将二维直方图区域划分由四分法改为二分法,使得阈 值搜索的空间维度从二维降到一维;最后分别给出现有二维直方图分割算法和本文方法的仿真 结果。理论分析和实验结果表明,该方法可以运用于几乎所有基于二维直方图的阈值分割,特 别是对受噪声污染的图片进行阈值分割时,能使分割后的图片内部均匀、边界准确、抗噪性更 稳健,所需运行时间大幅减少。     

基于CT心脏图像的腔体区域分割新算法

在心脏图像处理中,为解决心脏四腔过分割问题,使用基于直方图的多阈值分割和标记分水岭分割相结合的新方法.由于CT心脏腔体区域灰度十分相似,组织相互连通,采取单一阈值分割无法得到目标区域,新算法使用多阈值分割,根据图像对应的直方图选择合适的阈值,并将分割结果作为基于标记的分水岭分割算法的输入图像,最终获得心脏的腔体区域,最后,通过重建得到左心房心室的三维结构图.而与其他分水岭改进方法相比,该算法以基于直方图的多阈值分割为前提,标记提取更为准确,目标组织边界清晰,能够获得更加理想的分割结果,有效降低了仅使用分水岭算法存在的过分割现象.     

基于小波分解的高温物体图像快速识别方法*

摘要：提出了一种基于小波分解和多分辨率分析的高温图像快速识别方法。首先通过小波分解降低原始图像直方图的灰度级,从而减小了分割阈值的搜索范围,再结合最大类间方差法计算分割阈值,这样可以快速找到分割阈值。实验结果表明,该方法能够显著提高分割速度并准确分割出目标图像。     

基于三维指数灰度熵的快速图像分割算法

针对现有阈值分割法通常只考虑图像直方图的统计信息,而忽略了图像目标和背景类内灰度分布的均匀性,提出指数灰度熵分割算法,并推广得到三维指数灰度熵分割算法。给出了一维指数灰度熵阈值法及三维指数灰度熵阈值法的原理,在三维直方图上,将降维处理和优化搜索策略相结合,得到最优分割阈值。理论证明,阈值搜索复杂度由原来的[O(L3)]降至[O(L12)]。实验结果表明,与现有的多种阈值法相比,所提算法抗噪性能更强、分割效果更优,且运算时间大为减少。     

基于背景像素突变检测的交通标志图像分割

为了提高交通标志图像处理过程的效果与效率,根据交通标志图像色彩饱和度空间的灰度直方图中包含的点灰度与区域灰度信息,提出了一种有效确定交通标志图像全局分割阈值的算法。首先分析了基于交通标志图像色彩饱和度空间灰度直方图的一种倒溯标准差的变化规律;然后在此基础上提出了如何选取全局图像分割阈值的方法,并采集了大量交通标志图像进行实验验证,同时,与另外两种在HIS空间下常用的图像分割方法的分割效果进行了对比;最后对算法中的部分参数与实验结果进行了分析,并指出了下一步的研究方向。该算法是一种有效的交通标志图像阈值选取方法,可推广到图像处理其他方面的应用。     

基于二维模糊熵的GA在SAR图像分割中的应用

SAR图像中目标和背景的分割是SAR图像分割中的重要内容，阈值方法是其中比较简单实用的方法。阈值分割的核心问题是如何选择合适的阈值，最简单和常用的方法是从图像的灰度直方图出发，得到各个灰度级的概率分布密度，依据某一准则选取一个或多个合适的阈值，以确定每个像素点的归属。该文借助遗传算法工具，对基于二维直方图的模糊熵法做了改进和设计，提出了寻找最优阈值的分割算法，经MSTAR数据测试，对于含噪SAR图像目标和背景的分割具有很好的效果，抑噪功能强。     

基于微粒群算法的灰度图像阈值分割的改进

为了充分利用灰度图像的灰度信息和空间信息,提高分割精确度和最优阈值的求解速度,提出一种基于微粒群算法的阈值分割方法--PSO-SDAIVE算法.该算法对传统的二维直方图进行改进,生成差值属性灰度直方图,同时对灰度均值和二维熵的计算进行改进,生成空间差值属性信息值熵(SDAIVE),最后用微粒群算法搜索SDAIVE的最大值.在实验中,对头部CT图像进行分割,实验结果表明,这种分割方法能精确地获得分割阈值,并有很好的抗噪声能力,节省计算时间.