遗传算法在小目标图像分割中的应用

将遗传算法用于小目标图像分割 ,提出了目标在图像中所占比例的可能范围参数 ,结合P tile法和直方图熵法 ,得到了一种新的自适应目标分割方法。该方法克服了传统P tile法要求已知目标所占确切比例的缺陷 ,并利用了遗传算法能自动在搜索空间内快速寻优的特点 ,而且可以推广到任意大小目标的图像分割问题上。试验结果表明 ,该方法具有良好的分割质量 ,运算速度提高了 2 1 5 %。     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

一种利用快速2D熵阈值算法的目标图像分割方法研究

目标图像分割是自动目标识别(ATR)的重要环节,其性能对ATR系统具有显著影响。本文利用二维(2D)熵阈值进行目标图像分割,提出一种快速2D熵阈值算法,大大缩短了处理时间,减少了所需存储空间。另外,为了进一步改善分割效果,采用中值—平滑滤波进行图像预处理。实验结果表明,本方法具有很好的分割效果。     

灰度图像的模糊Renyi熵多级阈值分割方法

为克服Renyi熵阈值化方法在处理图像固有模糊特性上的不足,基于模糊集理论,提出一种有效的图像多级阈值化方法。把图像转换到模糊域,定义分割区域的模糊Renyi熵,然后应用最大熵原理对图像实施阈值分割。另外,在方法实现中采用差分演化算法搜索最佳阈值,以提高计算效率。在合成及真实图像上的实验结果表明了提出方法的有效性,同时,运用差分演化算法使方法满足图像分割时间性能需求。     

基于二维直方图和粒子群优化的边缘检测

针对基于二维直方图的分割方法存在计算耗时的缺点,将群体智能中的粒子群优化算法应用到图像分割中,提出了一种新的边缘检测算法。新方法在定义的二维灰度空间中,利用粒子群优化算法自适应搜索最优解,并以此作为边缘检测算子的门限,阈值变换后便可得到表示原图像主要特征的分割结果。通过对水下图像处理的实验证明,该算法对简单背景的图像分割是有效的,和传统检测方法相比,具有更好的抗噪性能。     

基于优化熵函数二维最大熵阈值算法改进

根据熵函数在等概率场下取到最大值性质，对二维最大熵阈值法中的熵函数进行优化，将熵函数中对数和乘积运算简化为减法运算，得到目标函数具有意义明确、形式简洁、计算速度快的二维阈值自动选取方法。该法在保持二维最大熵阈值法对图像分割效果同时，又大大提高阈值选取速度，增强算法实时处理能力。这些结论正确性，既从理论推导过程中得到证明，也从对足迹图像分割的大量实验中得到验证。这种方法是保持二维最大熵阈值法分割效果不变、具有更快计算速度和实时处理能力、并在足迹图像分割中得到较好应用的一种自动阈值选取方法。     

广义模糊熵的构造及其在图像分割中的应用

针对现有的模糊熵阈值法对噪声干扰、光照不均匀图片的分割不能获得满意分割效果的不足,提出了模糊熵公式的参数化修改并用于图像分割,获得了选取最佳分割阈值的模糊熵新算法。首先将Sugeno广义否定算子替代二次型模糊熵公式的Zadeh标准否定算子,得到了参数型的广义模糊熵表达式;其次,将其应用于构造图像阈值化分割的准则函数;最后,给出了图像阈值化分割新算法中的广义模糊熵参数自动选取方法。实验结果表明,给出的广义模糊熵图像分割方法对光照不均匀图像相比传统模糊熵分割方法更有效。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

基于文化算法的C-V水平集图像分割

针对基于梯度变化的水平集图像分割对噪声敏感、不能很好地保持图像中的边缘信息、分割结果依赖初始参数、取得最优解时不能及时结束等问题,提出了一种基于文化算法的水平集图像分割算法,将文化算法应用到C-V(Chan-Vese)水平集模型之中,实现了水平集模型图像分割参数的自动选取,通过信度空间的形势知识和规范知识不断优化指导种群进化,并通过判定图像熵适应度值的变化适时终止分割过程。实验结果表明,本文方法能够准确分割出医学图像的病变区域,在抗噪声性能和分割效率方面明显优于常规方法。     

基于分形特征的图像分割

本文主要研究分数维理论在图像特征提取上的应用,在分析了盒子维数的基本思想和算法的基础上,提取能够较好反映灰度图像纹理细节和结构信息的新的分形特征参量用于图像的分割。在图像分割中,采用基于图像模块的分形特征提取方法,利用特征点在特征空间中的分布对图像进行分割,通过上机实验得出的图像分割的结果表明该种方法是让人满意的。     

适用于机器人视觉的图像分割方法

针对复杂图像分割问题开展研究,并以机器人视觉中目标搜索和识别问题为支撑目标,结合该背景明确提出了图像分割算法性能评价标准和侧重点,基于此约束,以Mean Shift分割方法为基础,并重点考虑了分割尺度的有效控制、分割过程兼顾场景深度信息等问题,对算法进行了针对性改进。针对分割尺度控制问题,提出了边缘敏感度的概念,提高了算法尺度分块的控制能力。针对深度信息融合问题,采用了双目视觉立体匹配和基于Kinect传感器的两种深度信息获取方法,均成功实现融合并提高了分割效果。实验结果表明，本文算法与传统Mean Shift算法相比具有明显优势,不仅能更有效地控制分割尺度,还能成功分割原算法难以分割的特殊情况。     

基于改进麻雀搜索算法的多阈值图像分割

针对传统多阈值图像分割方法中存在的分割精度低、计算量大、分割速度慢等问题,提出了一种基于改进麻雀搜索算法(improved sparrow search algorithm, ISSA)的多阈值图像分割方法。首先,结合鸟群算法(bird swarm algorithm, BSA)中飞行行为的思想优化麻雀搜索算法(sparrow search algorithm, SSA),并采用4种类型的基准函数评估ISSA的寻优性能。然后,进行基于类间方差和Kapur熵的多阈值图像分割,并对比两种方法的分割结果。最后,采用PSNR、目标函数值和标准差作为评估标准,将ISSA与现有分割算法进行对比分析。结果表明, ISSA具有更优的搜索能力和开拓能力,且分割速度和分割精度均得到提升。     

基于图切割的快速运动分割方法

基于图切割的图像分割是近几年发展的一项新技术,但随着图像大小及空间维数的增加,图切割的运算量成为负担。针对运动分割提出了一种快速图切割方法,利用运动分割的特点将差分图像中不变的背景映射为一点或几点,然后参与网络图的构造和图切割的求解,以减少图切割运算量。通过实验将这种快速方法应用于2D图切割和3D图切割,对图像序列的运动目标分别进行了自动分割。实验结果表明,这种快速图切割方法不仅大大地降低了存储消耗,提高了运算速度,而且也获得了良好的分割结果。结果证明这种方法在运动目标的分割中是行之有效的。     

基于空间连贯性的快速图像逆映射算法

作为基于图像绘制技术(IBR)的基础算法,图像逆映射算法克服了正向映射的诸多问题,但存在的效率瓶颈极大地妨碍了其广泛运用。提出一种用于图像逆映射的快速算法―极线模板法。该算法利用场景的空间连贯性,采用相邻参考像素的可变半径模板对极线进行裁剪,从而将单次搜索从极线复杂度降低到模板半径复杂度。而对于无法采用模板进行裁剪的像素,则根据极线几何的保序性,利用已建立映射的匹配关系,找到最近的搜索起点优化搜索。该算法简单易实现,大大降低现有算法的计算复杂度,显著提高计算效率。     

改进的分形算法在弱小目标检测中的应用

针对单帧图像中的弱小目标检测问题,提出了一种改进的基于分形的快速检测方法。该方法首先利用图像的局部熵信息对目标进行粗定位,以得到一个包含目标的感兴趣区域,然后利用分形理论构造该区域的分维像,最后对分维像采用自适应阈值分割即可将弱小目标精确检测出来。与传统分形算法相比,提出的改进算法包含粗定位和细定位两部分,它将分形算法要处理的区域缩减到局部熵所估计的小范围内,从而克服了传统分形方法计算量大、抗噪性差的缺点。仿真实验结果表明,该方法能够稳健、快速、有效地检测弱小目标。     

基于二维能量检测的舰船SAR图像阈值分割

鉴于传统阈值分割算法过于依赖背景杂波分布模型,以及在抗噪性、鲁棒性等方面的不足,文章通过改进传统能量检测算法的局部信杂比模型,提出了基于 λ检测的算法,解决了阈值不能自适应选择的问题。并针对图像存在大量相干斑及拖影时,算法处理能力不足的问题,考虑邻域像素均值 μ 将其拓展到二维,提出了基于二维能量检测的阈值分割法。最后,通过引入域内一致性、域间差异性和形状复杂度3个指标,与目前流行的最大熵阈值法以及改进的二维最大类间差法做对比实验,结果证明了本文算法简单有效。     

基于Unit-Linking PCNN和图像熵的图像分割新方法

基于单位链接脉冲耦合神经网络(Unit-Linking PCNN)模型,在图像方差准则基础上将最大香农熵准则,最小交叉熵准则相结合,再组合图像分块策略与图像加权预处理策略,提出了不同准则和策略组合的8种图像分割方案。分析了各种准则和策略的优势和不足,比较了各种分割方案条件下的图像分割效果,部分方案的分割结果体现了图像的更多的细节。与已有文献结果比较,具有使用神经元模型参数少的特点,与PCNN模型相比,该模型参数对图像分割结果的影响较不敏感。计算机仿真结果表明,该方法具有较好的图像分割效果和实验仿真速度性能,具有较强适用性。     

基于CT图像的鼻咽组织重建

基于CT图像的鼻咽部组织三维重建是建立鼻咽癌虚拟治疗系统的基础.鼻咽部组织多达六十多种,在组织分割过程中建立了鼻咽部组织解剖图谱,设定组织颜色查找表.在重建过程中,单纯利用一种重建算法不能满足重建模型效果好、显示速度快的要求.所以利用不同算法重建不同组织:改进的移动立方体算法用于重建重要鼻咽部组织,轮廓拼接算法用于重建次要的鼻咽部组织,表示空间位置的外轮廓使用光线投射算法进行绘制.通过组织分割,重建和模型简化实现了鼻咽部多组织模型重建.所建模型满足鼻咽癌虚拟治疗的需要.