基于改进狼群算法的三维OTSU阈值法

三维OTSU阈值法引入了邻域中值及均值信息,抗噪性明显提高,但仍存在分割效果不佳的现象,而且阈值维度的增加导致算法运算量庞大、运行时间过长。为提高算法的计算效率和寻优准确率,利用改进的狼群优化算法来搜寻最佳分割阈值。采用花授粉算法优化后计算的最佳阈值调节狼群算法的初始阈值,使狼群在算法初期具有较高的全局探索能力,提高求解速度。为避免算法后期种群聚集的现象,将高斯变异引入围攻行为,设置变异函数,将满足变异条件的个体狼进行变异,避免算法陷入局部最优,提高寻优精度。将改进的算法与传统三维OTSU算法以及CWPA算法优化的三维OTSU法进行图像分割对比,实验显示,改进的算法使分割时间显著降低,并提高了计算阈值的准确度。     

基于遗传退火方法的灰度图像阈值选择算法

灰度图像分割问题一般采用传统的最大类间方差法来解决,但是类间方差方法计算量大,不适合实时图像处理。为了解决上述问题,提出了一种改进型遗传退火的阈值分割算法。算法的整个运行过程由冷却温度进度表控制,使用经典的最大类间方差法作为遗传算法的适应度函数,再根据M etropolis准则判断产生的新解是否被接受,从而求得灰度图像的一个最佳阈值。图像分割的仿真结果表明,与传统的最大类间方差法相比,计算量不大,算法具有很强的全局优化搜索能力,由于算法效率高,收敛速度快,适用于实时性的灰度图像处理。     

自适应联想记忆细胞神经网络的优化设计

针对训练自适应联想记忆细胞神经网络(AM-CNN)过程收敛慢,设计出的网络抗噪性能不高的特点,通过融合蚁群优化算法和粒子群算法的思想,提出以目标网络对噪声模式的输出误差为目标函数,在目标函数的一个阈值分成的两个区间内,分别采取局部搜索和全局搜索策略,训练出AM-CNN的克隆模板的设计方法。数字模拟表明,与以往的设计方法相比,该算法能在细胞神经网络4~6次的迭代过程中稳定输出期望模式,收敛速度更快,设计出的AM-CNN性能比较稳定,并对噪声鲁棒,对高斯噪声N(0,0.8)准确率达到90%左右。     

基于非高斯分布和上下文法模型的小波阈值去噪算法

提出了一种新的空间自适应小波阈值去噪算法,该算法是基于非高斯二元分布的贝叶斯统计模型和上下文法模型。非高斯二元分布由两个变元和一个参数组成,能够完全体现小波系数之间相关性,这是广义高斯分布所不能体现的特性。上下文法模型是图像编码技术,用来求取小波系数的方差。试验数据显示该算法不仅在直观视觉上去噪效果明显,而且在信噪比方面也要优于SureShrink、BayesShrink、Wiener2等方法。     

基于有限混合多变量t分布的鲁棒聚类算法

在用混合模型聚类时,聚类数据中存在局外点是非常困难的问题。为了提高混合拟合的鲁棒性,本文用混合t模型替代混合高斯模型,来拟合含有背景噪音的多变量多高斯分布数据;提出了两个求解混合t模型的修改版期望最大化（EM）算法,并将它们与模型选择准则集成在一起,应用一个组合规则成分灭绝策略选择聚类成分数,得到两个对应的鲁棒聚类算法。对含有背景噪音的多个高斯成分进行不同聚类算法的大量实验表明,本文的鲁棒聚类算法能自动选择最佳的聚类成分数,相对于混合高斯模型的聚类方法,鲁棒性增强很多;相对于传统求解混合t模型（EM／ECM）的聚类方法,能有效避免其严重依赖初始值和易收敛至参数空间边界的缺点,具有较强的鲁棒性和较快的收敛速度。     

基于三维阈值和PPPSO的图像分割方法

提出一种基于三维阈值和捕食-被捕食粒子群（PPPSO）的图像分割方法。该方法在保留传统二维最大类间方差（Otsu）分割算法优点的基础上,充分利用图像自身模糊信息-模糊中值,该特征维与像素灰度值、邻域均值组成一个三维矢量集;另外,通过采用捕食-被捕食的粒子群优化方法搜索最佳分割阈值,大大缩短了搜索时间,且能快速收敛到全局最优。实验结果表明,该方法具有较好的抗噪性和实时性。     

噪声图像的快速二维Otsu阈值分割

为了提高二维阈值分割法处理速度, 提出了二维Otsu法的快速实现方法。基于二维随机变量的边缘概率分布, 将二维最佳阈值（s*, t*）的求解拆分成两个一维最佳阈值s*和t*的求解; 同时为了改善原算法的分割效果, 引入类内方差的定义, 提出了新的最佳阈值判别式。实验结果表明, 本方法不仅保留了原二维阈值法抗噪性强的特点, 其时间复杂度由O(L⁴)降为O(L), 空间复杂度由S(L²)降为S(L), 且分割错误率低于原二维Otsu法。该方法适合处理高斯噪声图像的快速阈值分割问题。     

基于阈值统计学习的差分进化引力搜索算法

为了改善基本差分进化算法在求解复杂优化问题时易出现早熟收敛、求解精度低以及进化后期收敛速度慢等缺陷,结合引力搜索算法的优点,提出一种基于阈值统计学习思想的混合差分进化引力搜索算法.该算法通过阈值统计学习的方式,充分利用差分进化算法的全局优化能力与引力搜索算法在进化后期的种群开发能力,在进化过程中根据2种策略在先前学习代数的成功率自适应选择较优策略生成下一代群体,保证种群在解空间中的探索与开发能力之间的平衡,以提高算法的全局寻优能力.对几个经典复杂测试函数的仿真结果表明:改进算法求解精度高、收敛速度快、鲁棒性强、能够有效避免早熟收敛问题.     

基于双界线的Otsu阈值分割法及其快速算法

传统2维Otsu阈值分割法由于运算时间长、抗噪能力不足而在应用中受到限制。为了克服这些缺点,提出了一种基于双界线的2维Otsu阈值理论及其快速算法。在新的2维直方图中,两条平行于对角线的界线决定目标和背景区域的宽度,垂直于对角线的分割直线决定阈值大小。该算法运用Roberts算子和线性拟合法确定双界线,然后运用改进的Otsu法计算最佳阈值,最后对噪声区域进行后处理。实验结果表明,该算法不仅运算速度快,而且具备较好的分割质量和抗噪性能。同时,快速算法的引入,进一步降低了运算量,使得该算法具备更好的实时性。     

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。     

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NW小世界邻居的粒子群多阈值分割算法

针对多阈值分割问题,提出了一种新的多阈值分割算法.此算法采用相对类内方差代替传统Otsu算法中的绝对类内方差,改善了传统Otsu对小对象分割不理想的弱点;采用NW小世界模型作为粒子群优化的社会认知拓扑结构,具有较好的全局寻优能力和较快的收敛速度.实验结果显示此算法具有好的性能.     

细胞膜机制萤火虫算法优化多阈值Otsu图像分割

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果,但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题,本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度,并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的"早熟"现象.实验结果表明,与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比,本文提出的算法具有更高的收敛速度和更好的图像分割效果,并且有效解决了萤火虫算法易陷入局部最优的问题.     

基于细菌觅食优化算法的自适应阈值边缘检测

Sobel算子在阈值偏高或偏低的情况下会产生伪边缘或边缘丢失的问题。为此,将细菌觅食优化算法与最大类间方差相结合,利用细菌觅食优化算法的全局寻优能力,以最大类间方差为适应度函数搜索最佳边缘检测阈值,对图像进行自动边缘检测。实验结果证明,该方法能够取得较好的边缘分割效果,提高阈值检索速度。     

基于多参数小波阈值函数的图像去噪

针对图像中的强高斯噪声提出了一种新的小波阈值降噪函数。传统的软阈值法对图像去噪有明显的效果,但对强高斯噪声效果不甚理想,于是构造出一种新的小波阈值函数,此函数包含阈值[λ],调节因子[t]和[n]三个参数,能够自适应地调节阈值的变化。实验以噪声图像与去噪后图像之间的峰值信噪比（PSNR）最大化为准则,采用PSO粒子群算法优化阈值函数中参数[n]和[t]的选取。仿真实验结果表明该方法不仅可以有效地去除噪声,又能避免有用高频信息的损失,提高了图像的信噪比;尤其在强高斯噪声下,相对软阈值法PSNR可提高6~7 dB,表明了此改进阈值法对于强高斯噪声图像降噪的有效性。     

自适应模糊阈值的图像去噪算法

小波阈值去噪是小波域去噪的主要方法之-,该方法通过选取合适的阈值,采用阈值函数对小波系数进行非线性处理,获得基于均方差的最佳去噪效果.在Dohono提出的小波阈值去噪的基础上,提出了将自适应模糊阈值函数和中值滤波相结合的去噪方法.仿真结果表明,该方法具有良好的去噪性能,并且在去除高斯白噪声和脉冲噪声的同时,能够获得良好的边缘保持效果.     

萤火虫算法优化最大熵的图像分割方法

为了提高图像的分割效果,提出一种萤火虫算法优化最大熵的图像分割方法。获得最大熵法的阈值优化目标函数,采用萤火虫算法对目标函数进行求解,找到图像的最佳分割阈值,根据最佳阈值对图像进行分割,通过仿真实验对分割效果进行测试。结果表明,该方法可以迅速、准确找到最佳阈值,提高图像分割的准确度和抗噪性能,可以较好地满足图像分割实时性要求。     

多目标粒子群和人工蜂群混合优化的阈值图像分割算法

在图像分割中,为了准确地把目标和背景分离出来,提出了一种基于多目标粒子群和人工蜂群混合优化的阈值图像分割算法。在多目标优化的框架下,将改进的类间方差准则和最大熵准则作为适应度函数,通过粒子群和蜂群混合优化这2个适应度函数来获得1组非支配解。同时,为了提高全局和局部搜索能力,在蜂群进化时,将粒子群的全局最优解引入到人工蜂群算法的雇佣蜂阶段蜜源的更新中,并对搜索方程进行改进。最后通过类间差异和改进的类内差异的加权比值,从一组非支配解中选取最优阈值。实验结果表明,该算法能够取得理想的分割结果。     

基于混沌微粒群优化算法的阈值图像分割

混沌微粒群优化算法利用了粒子群优化算法收敛速度快和混沌运动所具有的随机性、遍历性和初值敏感性,将混沌状态引入到优化变量中,把混沌的遍历范围映射到优化变量的取值范围.在算法执行过程中对优秀个体混沌扰动,有利于跳出局部极值点,搜索到全局最优解.分别用微粒群优化算法和混沌微粒群优化算法求解函数优化问题,对算法的性能进行检验,检验结果显示:混沌微粒群优化算法搜索全局最优解的成功率和收敛速度都要优于微粒群优化算法.将混沌微粒群优化算法与阈值法相结合,在算法初始化阶段对粒子位置混沌初始化;在算法运行期间对优秀个体进行混沌扰动避免落入局部最优,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明,混沌微粒群优化算法用于阈值寻优减少了搜索时间,提高了收敛率.     

一种改进的EMD硬阈值去噪算法

为了提升基于经典小波阈值的EMD去噪算法的性能,利用高斯白噪声的统计特征提出了一种改进的硬阈值去噪算法;首先将含噪信号进行EMD分解,把第一个固有模态函数作为高频噪声直接去除并估算出其他IMF中高斯白噪声的能量,然后根据硬阈值去噪的原理,利用滤除掉的样本点包含的能量等于白噪声的能量确定出合适的阈值;该方法能根据样本点自适应地确定阈值;最后通过对含噪正弦信号和仿真心电信号的去噪实验证实了改进后的阈值使算法去噪效果有明显提升。