一种改进遗传退火算法的图像分割方法

图像分割是图像处理和分析的基础,本文通过分析遗传算法（Genetic Algorithm, GA）在图像分割中的应用优劣,提出利用模拟退火思想的改进遗传退火（Genetic Simulated Annealing Algorithm, GASA）的图像阈值分割算法,算法整个运行过程由冷却温度进度表控制,使用改进的最大类间方差公式作为遗传算法的适应度函数,从而求得灰度图像的一个最佳阈值用于图像分割。实验结果表明,基于改进遗传退火算法的最大类间方差图像分割方法能较好提高算法的全局搜索能力,避免遗传算法陷入局部最优,并且能更快速、更稳定收敛到最佳的分割阈值,得到更好的图像分割效果。     

分数阶微分的CIE L*a*b*颜色空间边缘检测

由于分数阶微积分在细节加强处理方面具有良好的性能,其在边缘检测中的应用正在逐渐增多.目前用分数阶微积分进行边缘检测的研究中大多在RGB空间中进行,但由于RGB颜色空间中亮度信息和色度信息不能相互分离,在其中进行边缘提取不能综合得到亮度边缘和色度边缘,所以分数阶微积分在其他亮度信息和色度信息分开的颜色空间中的应用研究具有一定的理论意义和实际价值.为了综合利用图像的颜色信息,在CIE L*a*b*颜色空间中利用分数阶微分进行边缘检测.相比于直接在RGB颜色空间中得到的边缘,本文方法提取到的图像边缘更符合人眼的视觉感知,边缘的连续性以及抗干扰性也更好.通过与其他经典算法的对比分析表明,本文方法存在明显的优势.     

基于颜色的二维Otsu运动检测算法

运动检测是视频监控关键部分之一。光照和阴影等因素影响着运动目标检测方法的效果。利用二维最大阈值方差法来进行运动目标检测。传统的阈值方差法不能有效地处理光照和阴影,引入颜色信息来辅助完成运动目标检测。实验表明,该方法在光照的变化的环境下能够很好检测到运动目标。     

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。     

融合非局部空间灰度信息的三维Otsu法

为了提高最大类间方差阈值分割法(Otsu)对于图像噪声的鲁棒性,提出融合非局部空间灰度信息的三维Otsu法。该方法利用图像像素的灰度信息、邻域中值灰度信息和非局部空间灰度信息进行直方图统计,构建新颖的三维直方图,采用最大类间方差作为阈值选取准则。实验结果表明新方法对于噪声的鲁棒性要优于原始三维Otsu法,能够获得更加令人满意的分割结果。     

2维Otsu自适应阈值的快速算法

Otsu自适应阈值法作为图像阈值分割的经典算法，在图像处理领域得到了广泛的应用，在其基础上发展起来的2维Otsu阈值法却因为计算时间长而制约了其应用。针对2维Otsu自适应阈值方法计算复杂度高的缺点，通过改变2维直方图上的区域划分，将2维阈值转换为1维阈值，从而提高了2维自适应阈值算法的计算速度。实验结果表明，该算法的计算时间远远小于原始2维Otsu算法，分割效果和原始算法基本一致。     

基于视觉的路口车辆排队长度检测方法

现有基于视觉的交叉路口车辆排队长度测量方法,不能给出实际排队长度,且摄像机标定复杂。为此,提出基于连通区域的车辆排队长度检测算法及以停车线为参照物的摄像机快速标定方法。在停车线后设定停车检测区域,并利用相邻帧差法判断是否存在车辆停车。在排队检测区域内用最大类间方差法自动设定阈值并分割图像,以检测车辆存在。利用连通区域各种参数确定车辆所在的连通域并检测出队尾。运用针孔成像模型论证以停车线为参照物的摄像机标定方法。实验结果证明,该方法可以准确检测出队首和队尾像素,计算出实际长度,可满足实时性要求。     

二维Otsu和改进区域生长法的荧光免疫层析试条浓度的定量检测

目前荧光免疫层析试条的定量检测方法绝大多数采用光电反射法,该方法需要对试条进行高精度的定位并且需要复杂的传动装置。利用CMOS图像传感器获取荧光免疫层析试条的图像信息,采用图像分割方法用于荧光免疫层析试条检测线和质控线进行自动识别,首先对采集到的原始图像进行增强预处理,并进行初步分割。然后选定处理后图像的种子点并通过改进的二维Otsu法选取生长阈值对图像进行区域生长,以实现对图像检测线和质控线的分割。结果表明该方法能够在目标和背景对比度很低的情况下,将图像检测线和质控线的轮廓清晰的分割出来,且区域一致性测度和对比度都比较理想。该方法检测不同浓度的试条,得到的特征值重复性小于5%,线性度大于0.99,准确度大于0.98。实验证明用该方法对荧光免疫层析试条进行定量检测是可行的,且较对比仪器具有更宽的检测范围。     

融合灰度和非局部空间灰度特征的二维Otsu法

为了克服图像噪声对二维Otsu阈值分割方法性能的影响,采用图像像素的灰度和非局部空间灰度特征构造新的二维直方图,其中像素的非局部空间灰度特征是通过对与当前像素具有相似邻域结构的像素灰度加权平均得到的。将此直方图引入到快速二维Otsu阈值分割方法中,可得融合灰度和非局部空间灰度特征的二维Otsu阈值分割法.实验结果表明改进算法对图像噪声具有一定的鲁棒性,在含噪图像上的分割结果比较理想。     

基于分形理论和Gabor变换的港口背景红外图像分割

为了对复杂港口背景的红外图像进行有效、快速和准确的分割,根据分形理论的思想,在对红 外图像进行分形处理的基础上,先运用最大类间方差法(Otsu)对红外原始背景图像进行粗分割,然后运用Gabor 变换和Gabor多通道滤波器提取港口背景轮廓,最后使用中值滤波滤除噪声,得到最终的港口背景轮廓图像。通过对实际港 口背景的红外图像进行分割实验,验证了所提方法的可行性和有效性。