复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

自适应控制下图像分割及并行挖掘算法

针对海量图像数据中目标的分割及识别问题,提出了一种自适应控制下图像分割及并行挖掘算法.采用隶属度函数窗口宽度在图像直方图控制下自适应调整模糊阈值图像分割方法对图像进行分割,提取出感兴趣的潜在目标区域,基于共轭梯度法改进的BP神经网络算法对潜在的目标区域进行训练和识别,识别算法基于OpenMP并行处理模型开发来提高执行效率.结果表明:本文算法相对于基于偏移场的模糊C均值、灰度波动变换自适应阈值和自适应最小误差阈值具有更高的分割准确率,与传统神经网络算法的识别结果相比,平均识别率提高了8%,运行时间减少了2. 5 s.     

基于最小卡方统计的刑侦图像目标提取算法

针对刑侦图像的自动目标提取问题,提出一种基于最小卡方统计的图像阈值化分割算法。该算法在图像一维直方图的基础上,利用卡方统计计算原图像与二值化后图像之间的相似性程度,从而获取最佳的分割阈值,提取图像中的目标区域。在实际刑侦图像库上的测试结果表明,该算法可以有效提取不同类型刑侦图像中的目标区域。     

基于模糊逻辑的图像阈值分割算法

为确定图像分割的最佳阈值,提出了一种新的有效的图像阈值分割方法.该方法首先给出一个新模糊熵的定义,这个模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时也考虑到图像在空域中划分区域时随隶属函数变化而变化的情况,这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息.然后,采用改进粒子群优化算法寻求隶属函数的最优参数,得到分割的最佳阈值,并用该阈值对图像进行分割.将新算法应用于图像分割中,效果优于现有大多数阈值分割算法.     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值，基于粒子群优化算法提出了一种多闽值图像分割方法．由最大熵或最大类间方差法得到优化的目标函数，用粒子群算法对其进行优化，得到分割的最佳阈值，并用该阈值对图像进行分割．将分割结果与遗传算法的多阈值分割结果相比较可以看出，该算法不仅可实现正确的图像分割，并可使分割速度大大提高．     

基于多尺度的区域生长的图像分割算法

针对医学图像的特点,提出了一种多尺度区域生长分割算法。该算法首先利用高斯滤波器对原图像进行滤波处理,之后利用区域生长算法分别对原图像与平滑图像进行分割操作,最后将两个分割图谱进行比对,获得最终的分割结果。进行区域生长算法时,从背景区域选择一个像素作为初始种子点进行区域生长。该方法的优势为噪音具有较好鲁棒性,初始种子点选取规则简单。该方法同样适合于其他背景简单、目标区域复杂的图像分割情形。为了选取合适分割阈值,提出了最大梯度概念。利用图像的最大梯度矩阵的统计特性,将阈值选取问题转化为求最小值问题。实验表明,该方法能够准确地获得医学图像的分割结果。     

基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

组合均值平移和区域合并的图像分割算法

医学图像类的多细胞图像分割过程中,经常因为细胞边界模糊而影响分割质量.针对复杂情况下的细胞图像分割问题,提出了一种组合分割方法,新方法将一种非参数聚类算法(均值平移)和区域合并相结合,先利用均值平移算法获得图像的过分割结果,再根据区域合并准则,合并过分割区域得到准确的分割结果.将此方法应用于活细胞的显微灰度图像,并与几何活动轮廓模型算法、阈值分割算法、均值平移算法及水线分割算法相比较,实验结果证明了此算法的有效性.此算法不仅可以将粘连的细胞分开,还可以获得接近细胞原始形状的边界,为进一步图像研究提供了良好的基础.     

基于直觉模糊相似度的刑侦血迹图像分割算法

针对刑侦血迹图像的目标提取问题,提出一种基于直觉模糊集相似度的阈值分割算法。该算法在图像双边滤波的基础上,借助"投票模型"构造图像的直觉模糊模型,并以直觉模糊集上含权重参数的相似度为目标函数确定最佳阈值。对刑侦血迹图像的实验结果表明,该算法可有效提取不同背景中的目标。     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值,基于粒子群优化算法提出了一种多阈值图像分割方法.由最大熵或最大类间方差法得到优化的目标函数,用粒子群算法对其进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割.将分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法不仅可实现正确的图像分割,并可使分割速度大大提高.     

基于模糊理论的图像分割方法

利用边缘提取方法将边缘和噪声象素点从一维直方图中剔除,再对剩余象素点聚类,求出最优分割阈值,然后再求出各象素点隶属于目标和背景的模糊隶属度。根据背景和目标灰度的分布特征,分别选择适当的置信区间,对不在置信区间的象素点再利用其邻域象素点隶属度进行分类最终得到分割结果。实验结果表明效果良好。     

模糊C-均值聚类图像分割算法的一种改进

针对传统模糊C-均值聚类算法对含噪图像分割时未充分考虑空间信息的问题,提出一种改进的模糊C-均值聚类算法,将图像的局部和非局部两种空间信息引入到模糊C-均值聚类算法的目标函数中,以使两种空间信息在含噪图像分割中发挥互补作用。将改进算法应用于不同含噪图像的分割实验,结果表明图像像素的均方误差均比改进前有所降低。     

Neutrosophic fuzzy clustering segmentation algorithm based on HMRF

Considering neutrosophic C-means clustering algorithm with weak ability of suppressing noise, a neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is proposed. First, the hidden Markov random field is used to describe the prior information of the arbitrary pixels classification. Second, information divergence between the prior information and sample classification membership is taken as a regular term and embedded into the existing neutrosophic C-means clustering objective function. Third, the samples in the European Space is mapped into the high-dimensional space through the kernel function, and the iterative expression for the neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is obtained by the optimization method. Many standard, actual, and synthetic images corrupted by noise are used to validate the segmentation performance of the improved clustering segmentation algorithm. Experimental results show that the anti-noise performance of the proposed segmentation algorithm is improved significantly than the fuzzy C-means clustering algorithm based on the hidden Markov random field, and other fuzzy clustering segmentation algorithms.     

改进的模糊C-均值算法在图像分割中的应用

针对传统的模糊C-均值算法在图像分割中存在的缺陷,提出了一种基于点密度函数加权的模糊C-均值聚类算法。将图像像素的点密度函数作为权值,并依据类间相关度定义了一个聚类有效性函数用以确定最佳聚类数,结合聚类有效性完成对图像的分割。理论分析和对比试验表明,该算法在一定程度上克服了模糊均值算法的缺陷,在图像分割中具有良好的分类精度。     

一种基于光照补偿和模糊聚类的图像分割方法

针对受到光照不均匀影响的图片在直接进行阈值分割造成的错分割问题,提出在分割前对图像进行光照补偿的预处理,从原图中分离出光照不均匀平面矩阵,从而降低光照不均匀对阈值分割造成的不利影响.在分割过程中采用模糊聚类算法,提高了图像分割的有效性.     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。 更多还原     

结合空间信息的模糊C均值聚类的图像分割算法

针对传统的模糊C均值聚类算法未考虑图像的空间信息,对噪声图像分割不理想,提出了一种结合空间信息的模糊C均值聚类的图像分割算法。此算法充分考虑像素的邻域特性,对隶属度函数做一定的修改,并将局部信息和非局部信息引入到数据和聚类中心的相异性测度中。实验结果表明,该算法能有效地分割图像,并具有较好的抗噪能力。     

New two-dimensional fuzzy C-means clustering algorithm for image segmentation

To solve the problem of poor anti-noise performance of the traditional fuzzy C-means （FCM） algorithm in image segmentation, a novel two-dimensional FCM clustering algorithm for image segmentation was proposed. In this method, the image segmentation was converted into an optimization problem. The fitness function containing neighbor information was set up based on the gray information and the neighbor relations between the pixels described by the improved two-dimensional histogram. By making use of the global searching ability of the predator-prey particle swarm optimization, the optimal cluster center could be obtained by iterative optimization, and the image segmentation could be accomplished. The simulation results show that the segmentation accuracy ratio of the proposed method is above 99%. The proposed algorithm has strong anti-noise capability, high clustering accuracy and good segment effect, indicating that it is an effective algorithm for image segmentation.