基于曲面拟合的图像分割算法

传统分割方法,在光照不均匀情况下,很难得到理想的分割结果。针对这种情况,提出一种基于曲面拟合的阈值曲面分割方法。首先利用偏离项和光顺项构造拟合曲面方程,然后使用在统一的大光顺项因子条件下求解的拟合结果,来构造自适应的偏离因子与光顺因子,最后利用这些自适应因子第二次精确拟合阈值曲面。实验表明,该方法对于照度不均匀的图像,分割结果明显优于传统全局阈值法。     

遗传算法在二维熵图像分割中的应用

对改进遗传算法的二维熵图像分割方法进行了研究和实现，并用几幅经典图像的分割结果对比表明，本文方法可以有效的提高二维熵图像分割的计算速度，提高了图像处理的实时性。     

二维最小误差分割在红外图像中的快速实现

最小误差分割算法的图像分割性能优异,但一维的最小误差分割算法容易受到噪声的干扰。利用图像的二维直方图,二维最小误差分割算法不仅能够利用图像的灰度信息,同时利用了相邻像素之间的邻域信息,取得更加理想的分割效果。但在实际使用的过程中,二维最小误差算法采用穷尽搜索的算法运算时间长,二维直线型最小误差分割算法无法反映全局最优解,降维形式的最小误差算法复杂度高。本文将结合粒子群优化算法（PSO）将二维最小误差分割算法应用在红外图像上,大大提升了算法的求解速度,能够在实现更低对比度的红外图像分割的同时满足工程中实时检测的要求。     

基于二维OTSU和遗传算法的红外图像分割方法

为了改善红外图像的分割效果,将二维OTSU算法应用于红外图像分割,通过二维OTSU算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维OTSU算法寻找阈值的速度,提高分割效率.实验结果表明,该方法分割效果好,分割速度快,是一种可行的红外图像分割方法.     

基于分解的二维指数交叉熵图像阈值分割

尽管用对数定义的Shannon熵是测度信息不确定性的有效方法,但存在无定义值和零值的问题,且现有的二维Shannon交叉熵法其运行速度仍有提升空间。为此,提出了一维和二维指数交叉熵阈值分割算法。首先给出了指数交叉熵的定义,并导出了一维指数交叉熵阈值选取方法;然后将其推广提出了基于分解的二维指数交叉熵阈值分割算法。通过分别求原像素灰度级图像和邻域平均灰度级图像的一维指数交叉熵最佳阈值,并将其组合求解二维指数交叉熵最佳阈值,从而将二维运算转换到两个一维空间上,大大缩小了搜索空间,使计算复杂度由O(L4)降为O(L)。实验结果表明,与最近提出的二维Shannon交叉熵法及二维Tsallis交叉熵法相比,所提出的方法能够得到更为优越的分割效果,且运行时间大幅减少。      

二维条码技术、标准及应用

二维条码由于其具有密度高、容量大等特点,可以用来表示数据文件、图片等,目前已被广泛应用在生产制造、物品标识和国防工业当中。在二维条码标准化研究方面,国际自动识别制造商协会（AIMI）、美国标准化协会（ANSI）已完成了相关码制的符号标准;我国也相继出台了有关二维条码码制符号的国家标准和行业标准,应用领域也在不断扩大。     

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。     

基于图像处理的二维条码技术的应用

本文针对陕西省边防检查机关验放旅客由人工处理信息的现状,提出了基于二维条码技术的自动识别与传输方案,设计并实现了条码技术在出入境人员申报系统中的应用。本系统极大地简化了边检工作流程、提升了服务水平,是实现电子政务建设的一次有力推动。     

浅谈二维条码在移动电子商务中的应用

中国从2000年开始，就接受了移动商务的概念。但这几年主要的发展领域在娱乐、图片下载、铃声、游戏、赛事成绩的预测和查询上等。移动商务更大的应用领域，更广泛的应用价值并没有深入开发和挖掘。本文则主要针对这一现状，介绍二维条码在移动商务中的应用领域和使用方法．并通过应用实例来体现二维条码对移动电子商务发展的推动作用。     

一种低复杂度二维隐Markov模型及其在图像分割中的应用

该文提出了一种通用的低复杂度二维隐Markov模型,推导了前向算法和后向算法的递归形式。文中没有使用前人为了降低时间复杂度而提出的相邻图像块间条件独立性假设,使提出的模型更加通用,并且可以根据需要调节水平和竖直两个方向信息的权重,具有更高的灵活性。将该模型应用于图像分割,实验结果证明了模型的有效性。     

浅谈图像阈值分割技术

图像分割是一种关键的图像技术．在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多．有些分割运算可直接应用于任何图像,而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割．因为他们需要从图像中提取出来的信息。例如：可以对图像的灰度级设置门限的方法分割。值得提出的是,没有唯一的标准的分割方法。本文通过对图像阈值分割的描述、分类、特点分析,让人们熟悉阈值分割的特点,为今后在图像分割方面提供一务解决问题的思路。     

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。     

图像分割技术在车牌识别系统中的应用

智能车牌识别系统由图像获取、图像分割、数据库管理等几部分组成，图像分割部分在整个系统中的地位非常重要，因为图像分割质量的好坏直接影响到后端处理的效果，所以通过对人的视觉系统的分析，根据视觉特性对数字图像处理中的图像模型建立及图像分割技术进行分析和讨论，并以智能车牌识别系统实例说明其在实际中的应用。     

基于克隆粒子群算法的图像分割方法

最大熵阈值法是目前图像分割中应用最广泛的方法之一。为了快速准确地自动确定图像分割阈值,把克隆选择算法和粒子群算法相结合,提出克隆粒子群优化算法。利用这种改进方法对最大熵图像分割函数进行全局寻优。克隆选择算法和粒子群算法的结合克服了各自的缺点,克隆选择的多样性补偿了粒子群的多样性差的缺点,粒子群的快速性补偿了克隆选择的收敛速度慢的缺点。克隆粒子群方法克服了传统遗传算法易出现早熟、陷入局部最优等的问题,加快了图像分割函数收敛速度,最后能够快速准确地得到图像分割的最佳阈值。实验表明,改进后的算法分割速度较快,易于收敛到最优解,并且得到的分割阈值更加稳定。     

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。     

一种快速鲁棒的红外图像分割方法

介绍了一种快速鲁棒的红外图像分割方法,算法是为了满足工程化应用。首先采用Canny边缘检测算子提取图像的边缘像素;然后统计边缘像素灰度值得到红外行人图像的分割阈值,并利用自适应双阈值算法对图像进行初始分割;最后通过边缘扫描对初始分割的图像区域进行边界修正,得到边界更加精确的目标区域。实验结果表明,该方法能够较好地保留行人的边缘信息,减少了区域像素错误分割,且具有较强的实时性。     

基于最大类间方差法的肝脏CT图像分割及实现

针对肝脏CT图像中,肝脏组织与周围组织之间密度差别不大而易造成漏分或过分的现象,实现了一种能得到最优分割阈值的方法,即最大类间方差法.实验结果表明,该算法计算简单,将图像二值化同时得到最优分割阈值,从而能较好地分割出肝脏组织.文中也对该算法存在的问题进行了分析讨论.     

基于形态学与二维Otsu相结合的红外图像分割方法

Otsu法是常用的基于阈值的图像分割方法之一,二维Otsu法利用图像的像素灰度值分布及邻域像素的平均灰度分布构成的二维直方图对图像进行阈值分割。由于红外图像具有低对比度、低信噪比、边缘模糊的特点,仅采用二维Otsu对其进行分割,由于噪声的影响,分割后的图像会有边缘信息不清晰以及误分割的问题。针对这个问题,本文提出的形态学与二维Otsu相结合的红外图像分割方法。实验证明,利用形态学可以保留图像基本形状,弥补分割图像细节,并使图像的轮廓更光滑的特点,达到较好的红外图像分割效果。     

基于Otsu法自适应阈值的图像分割研究

概述了基于一维Otsu 和二维Otsu 双门限的阈值分割法,提出了基于像素邻域平均灰度的改进的一维Otsu 多门限分割方法,兼有准确性和快速性的优点,并应用于MRI脑图像,实现了多个目标的自动分割,与普通的一维Otsu 法相比具有更好的分割效果.     

一种改进的单参数水平集快速分割方法

针对传统水平集分割方法的参数多且速度较慢的问题,提出了一种新的基于单参数的快速水平集图像分割方法,改进了基于Mumford-Shah模型的Chan-Vese(C-V)模型,引入惩罚函数项、用水平集函数梯度的模取代Dirac函数,并且只保留长度项参数,构造出无须重新初始化且具有全局优化的新模型。此外,在算法实现中引入停止迭代判定式,实现自动分割同时得到单参数的取值规律。人工合成图像和医学图像分割的实验结果表明,该方法具有更快的速度和更好的鲁棒性。由于零水平集函数可以任意设定且便于调整单参数取值,新方法具有更广泛的适应性。