一种基于边缘检测的局部阀值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法，该方法将整睛灰度图像分成小块，在每个小块中利用梯度算子对小块中的边界点进行检测，寻找出小块内的所有边界点，然后沿着这些边界点的梯度方向找出最临近的点，以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割，该算法计算复杂度较低，避开了灰度直方图阈值分割方法中“谷底”难以确定的问题，同时照顾到了图像的局部灰度特性。     

基于形态学重建的粘连物体分割

提出一种基于形态学重建（Morphological Reconstruction）的图像分割方法。该方法先对待分割图像进行预处理,使边界点具有局部极大的灰度值;然后利用灰度形态学重建提取穹顶（Dome）,并根据其特性利用阚值对穹顶进行二值化获得候选边界点集;再利用二值形态学重建确定候选边界点集中的边界点,得到分割边界。实验结果表明,本分割方法所得边界连续性好、假边界少;该方法受噪声和对象内部灰度变化的影响较小,适合用于分割含有粘连对象的图像。     

基于微粒群算法的二维最大熵图像分割方法

该文研究了基于二维最大熵的图像分割方法,针对二维最大熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于微粒群算法的二维最大熵图像分割方法.该方法运用微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值对作为阈值进行图像分割.实验结果表明,由于该方法考虑了点灰度和区域灰度均值,且采用了离散的全局搜索算法,所以不仅得到了令人满意的分割效果,而且大大的提高了计算速度,是一种实用有效的图像分割方法.     

工业检测图像灰度波动变换自适应阈值分割算法

工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.     

基于图像处理的不规则形体表面积测量方法

为解决不规则形状物体的表面积测量问题,提出了一种基于图像处理的测量方法。对采集到的灰度图像,利用图像分割技术,将目标区域从背景中分割出来,得到目标区域图像;利用边界跟踪得到目标区域的边界点以及各边界点的跟踪方向信息,根据其跟踪方向信息判断各边界点的状态,将边界点的一半以及所有的边界内点累加求和,得到目标区域的面积。经仿真实验证明,该方法可以实现对不规则形体表面积的有效测量。     

SUSAN算子在苹果图像缺陷分割中的应用研究

该文介绍一种新的分割算法——SUSAN算子。SUSAN算子是一种基于图像局部灰度特征的算法，利用一个圆形的模板对图像进行扫描，比较模板内部的点与模板中心点的灰度值，如果灰度差值小于一定的阈值，就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数，与一个阈值进行比较，判断该点是否属于某个区域的边缘点，从而实现对图像的分割。应用SUSAN算子对苹果图像的缺陷区域进行分割，可以快速准确地分割出苹果图像上轻微的损伤。经过对100幅图像的检验测试，得出分割准确率为96％。     

基于分散微粒群算法的二维模糊最大熵图像分割

该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。     

基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法

为了克服图像噪声对图像分割结果的影响,利用图像中与像素具有相似邻域结构的像素提取当前像素的非局部空间信息,构造了基于像素的灰度信息和非局部空间灰度信息的二维直方图,并将此二维直方图引入到Otsu曲线阈值分割法中,提出了基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法。实验结果表明,该方法能进一步提高原始二维Otsu曲线阈值分割法对于图像噪声的鲁棒性,获得了更加理想的分割结果。     

基于IGA与GMM的图像多阈值分割方法*

为了实现图像的有效分割,提出了一种自适应多阈值图像分割方法,能够自动获得最佳分割阈值数目和阈值。该方法对灰度直方图进行合适尺度的连续小波变换,将小波变换曲线中幅值为负的波谷点构成阈值候选集;再应用免疫遗传算法从阈值候选集中选取准阈值,准阈值的个数对应为最佳分割类数;根据准阈值构建灰度直方图的高斯混合模型,由最小误差准则求得分割阈值。仿真实验表明,该方法能够实现图像的自动多阈值分割,能够得到很好的分割结果且分割效率高,在多目标图像分割中能够得到很好的应用。     

C#快速分割阈值灰度图像

本文基于阂值法对灰度图像实现分割进行了论述.首先介绍图像分割基本概念,然后讲述灰度图像直方图阈值分割方法,最后通过C#可行的程序实现灰度图像阈值分割,稳定、准确地实现了灰度图像阈值分割.     

Multiresolution image dynamic thresholding

A pyramid-based method of dynamic thresholding where the Gaussian pyramid is used to support a coarse-to-fine search strategy is presented. At the top level of the pyramid the image is divided into four subimages, and in each subimage, the gray-level variance is analyzed to find whether there is an edge. The hierarchical search is continued until the bottom level of the pyramid, or the original image, is reached. At the bottom level the threshold values of those subimages where an edge is present are estimated, and the value of zero is assigned to those subimages where no edge is present. Finally, by using interpolations of subimage and pixel threshold values, the dynamic threshold values are found.     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑,然后根据图像灰度进行对象云化处理,构建对象云。通过云运算生成边界云并构建边缘模糊特征平面,在条件概率和模糊划分熵的基础上,通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法能保留大量低灰度信息,并有效地去除了次要边缘对主边缘的干扰。     

基于像素值排序与块再分的可逆数据隐藏算法

基于像素值排序的可逆数据隐藏算法通过修改图像块中的最大像素和最小像素嵌入数据,但并未充分利用图像块内的每一个像素,从而影响嵌入性能。结合块再分原理,提出基于像素值排序的可逆数据隐藏算法。将原始图像划分为3×3的图像块,计算每一个图像块的局部复杂度。设计12种分块模式将局部复杂度小于阈值的图像块细分为子块A和B。根据子块A和B的不同局部特征分别采用2种不同的扫描顺序读取像素。子块A的像素序列使用次小值预测最小值和次大值预测最大值的方法,获得2个预测误差值,子块B的像素序列利用中值像素连续预测其余4个像素的方法,得到4个预测误差值。在此基础上,利用图像块中预测误差值为0和1的像素嵌入隐藏数据。实验结果表明,该算法在一个图像块中最高可嵌入6 bit的数据,在较低计算复杂度的情况下能够有效提高像素的嵌入性能。     

一种抗干扰的图象分割新方法

为解决低信噪比灰度图象的二值化处理问题,该文根据灰度图象的象素点灰度,及其邻域灰度分布特点,提出了三级阈值分割方法,理论分析与实验结果表明,该二值化方法具有更强的抗噪声能力,更好的图象分割效果。     

利用提取边缘线的方法定位条形码

为解决基于图像处理方式识别条形码的问题,提出了利用图像边缘线来有效且快速定位条形码的方法。该方法首先用大津法对原始灰度图像获得一个阈值,并对图像中灰度小于此阈值的像素进行隔行隔列处理,提取边缘线。然后将图像分割成大小相等的水平条,依据质心的位置和水平条中边缘点的数量分布确定起始条。通过已知的离散直线中小阶梯最下端的边缘点来拟合直线,并得到直线倾斜角度。仿真实验比较了Sobel算子边缘检测方法和该方法提取边缘线,以及用检测直线的Hough变换方法和该方法进行直线拟合的处理效果和运行时间,结果表明了所提出算法的有效性、快速性和可靠性。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

基于断层图像的内部缺陷边缘检测

针对结构件内部缺陷形状复杂、随机性大及其计算机断层图像噪声严重等特点,提出了一种新的基于统计学和数学形态学原理的边缘检测算法。为了自动提取每一像素点的梯度阈值,选择以该点为中心的3×3区域为研究对象,并考虑到人的视觉对灰度的分辨能力限制,进而得到缺陷图像的预边缘。然后应用多个结构元素对预边缘进行形态学腐蚀操作,以滤除噪声并细化边缘。实验结果表明,所提出的算法不仅具有很好的边缘提取能力,而且抗噪性、稳定性强、鲁棒性好。     

采用多结构元素模板的形态学边缘检测新算法

边缘检测是图像处理和计算机视觉中的基本问题。为了能有效地捕获目标的主要特征,提出了一种基于Ostu阈值分割和数学形态学的灰度图像边缘检测新算法。利用Ostu算法找到一个最佳的阈值,根据这个阈值把灰度图像二值化,构造四个不同方向的3×3或5×5的结构元素模板,采用数学形态学中的腐蚀算法利用元素模板来腐蚀二值图像。自适应地均衡腐蚀结果,检测出图像边缘。仿真和分析表明同传统边缘检测算法相比新算法运算量小,检测的边缘轮廓清晰,连续性好,可以很好地提取图像中富含的边缘信息,且抗噪声性能较好,假边较少,适用性强。     

基于改进的JSEG算法的图像分割

针对JSEG算法在图像分割中出现的明显过分割现象,提出一种基于边缘信息的JSEG[1]改进方法。该方法首先将图像的颜色空间转换为LUV颜色空间,用PGF（Peer Group Filtering）[2]算法对图像进行平滑去噪,用分裂算法确定图像的类数,用GLA（Generalized Lloyd Algorithm）[3]算法完成量化,生成＂类图＂。然后计算每个像素的J值,并利用Canny算子检测的边缘信息,对J值进行修正,计算每个像素的局部相似程度,并在不同的尺寸下构建J图像,这样就能反映出最有可能的边界位置。最后在J图像上进行种子区域增长,直到获得最终的分割结果。实验结果表明该方法可以有效地改善JSEG算法在图像分割中存在的过分割现象。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。