灰度熵和混沌粒子群的图像多阈值选取

最大Shannon熵阈值选取方法仅仅依赖于图像灰度直方图的概率信息,而没有直接考虑类内灰度级的均匀性.为此提出了最大灰度熵的阈值选取方法.首先给出了灰度熵的定义及其单阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度级的均匀性;其次导出了量化图像直方图的灰度熵单阈值选取公式;最后将灰度熵单阈值选取推广到多阈值选取,提出了相应的快速递推算法,并进一步采用混沌小生境粒子群优化算法寻找最佳多阈值.实验结果表明,与最大Shannon熵单阈值选取和基于粒子群的最大Shannon熵多阈值选取方法相比,所提出方法的分割图像边缘、纹理更为准确,视觉效果明显改善.     

基于颜色对特征点主成分分析的车牌校正方法

为了在车牌的倾斜校正过程中减少车牌边框和噪声干扰的影响,并简化计算过程,提出了一种基于颜色对特征点主成分分析(PCA)的车牌水平校正方法。该方法根据车牌背景与字符交界处的颜色具有固定搭配这一特点,首先在原始车牌图像中提取颜色对特征点,并将所有颜色对特征点视为待分析的样本;然后构建这些样本特征点的2维散布矩阵,并通过主成分分析求出其主成分方向,该主成分方向就是车牌的水平倾斜方向;最后再进行相应的旋转,即可获得校正后图像。由于这种方法将车牌的颜色信息和边缘信息融合后共同使用于车牌的校正过程,同时将搜索图像倾斜角度转换为2维实对称矩阵进行计算,从而简化了计算。通过编程对实际车牌图像进行的实验结果证明,该方法对于边框不清或含有噪声干扰的图像仍然能取得较好的校正结果。     

图像处理中阈值选取方法30年(1962—1992)的进展(二)

7 最大熵方法80年代初人们开始考虑用信息论中熵的概念进行阈值选取。1980年Pun首先提出了最大后验熵上限法。两个后验熵定义为H_B~(?)=-P_tlog_2P_t和H_w~(?)=-(1-P_t)log_2(1-P_t),这里P_t=     

基于投影坐标p次方差及粒子群的车牌倾斜检测

针对常用的旋转投影车牌倾斜检测算法检测精度不高和计算量大的问题,提出一种基于投影坐标p次方差及粒子群的车牌倾斜检测方法.根据边缘点水平投影纵坐标值的最小p次方差准则确定车牌的倾斜角,以提高车牌倾斜检测精度;然后利用改进的带极值扰动简化粒子群算法寻找或直接计算最优倾斜角,以降低检测时间.通过实验研究了p取不同值时对车牌倾斜检测误差和运行时间的影响,并与Hough变换法、旋转投影法及主成分分析法进行了性能比较.结果表明:当p→∞时,文中方法检测精确度最高,而p=2时运算速度最快.该方法已成功地应用于的"智能停车场"系统中.     

液晶显示温度场的数字图象处理

本文提出了一种运用数字图象处理技术对胆甾型液晶显示温度场图象进行自动处理和分析的方法,包括噪声平滑、二值化、细化、定位与叠加等步骤。整个过程已用软件实现,实验结果是令人满意的。     

指纹图象识别中的纹线细化处理方法

本文针对指纹图象自动识别对纹线中心骨架抽取的准确性、快速性和保护指纹细节特征的要求提出了三种指纹图象纹线细化处理方法。实验结果表明所提出的方法是非常有效的。这些方法也适用于字符识别以及其它有关条纹图象的细化处理。     

基于Shearlet变换和TV模型的医学图像融合

为了综合多模态医学图像的互补信息,为临床诊断和辅助治疗提供更为充分有效的依据,提出了一种基于Shearlet变换和全变差(Total variation,TV)模型的含噪医学图像融合方法.首先对源图像(CT/MRI图像或CT/PET图像)进行Shearlet变换,产生一个低频子带和若干高频子带.然后对低频子带采用基于区域方差的融合策略,以完整地保留源图像的解剖信息或功能信息;对于高频子带,则利用TV模型进行去噪预处理,避免噪声对融合结果的干扰,再采用改进拉普拉斯能量和(Sum-modified-Laplacian,SML)的融合策略,最大程度地融合边缘、细节信息.大量实验结果表明,与近年来提出的3种融合方法相比,本文提出的方法对无噪声和有噪声的医学图像都能取得更好的融合效果,融合图像完整地保留了源图像的信息,目标的边缘、细节清晰,计算效率也有所提高.     

基于2维灰度熵阈值选取快速迭代的图像分割

目的 为了使图像阈值分割的精度和速度进一步提高,提出了一种基于2维灰度熵阈值选取快速迭代的图像分割方法。方法 首先,提出了1维灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,给出了基于灰度—邻域平均灰度级直方图的灰度熵阈值选取准则;最后,提出了2维灰度熵阈值选取的快速迭代算法,并采用递推方式计算准则函数中的中间变量,避免其重复运算,加快了运算速度,大大减少了运算量。结果 大量实验结果表明,与近年来提出的3种阈值分割法相比,所提出的方法分割性能更优,分割后的图像中目标区域完整,边缘清晰,细节丰富且运行时间短,仅为基于混沌小生境粒子群优化的二维斜分倒数熵分割法运行时间的3%左右。结论 本文方法对不同类型灰度级图像的分割效果及运行速度均有明显优势,是实际系统中可选择的一种快速有效的图像分割方法。     

二维直方图区域斜分的最大熵阈值分割算法

指出现有二维直方图区域直分法中存在明显的错分,提出一种二维直方图区域斜分方法.导出基于二维直方图区域斜分的最大熵阈值选取公式及其快速递推算法,给出图像分割结果和运行时间.并与基于二维直方图直分的最大熵原始算法及其快速算法进行比较.结果表明二维直方图区域斜分可使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.本文算法的运行时间约为二维直方图斜分最大熵法原始算法的2%,不到二维直方图直分最大熵法的两种快速递推算法的1/3.