自动阈值选取的两种算法

介绍了阈值分割法的特点,阈值选取在阈值分割中的重要性,最佳阈值选取的原则,最频值法,以及基于最频值法提出的两种阈值选取算法。该算法用于医学细胞图像的自动分割,获得快速而良好的分割效果。     

基于改进遗传算法的Otsu图像分割方法

在对图像进行分割时,为了能够快速有效地求出最优分割阈值,对遗传算法进行了改进,并将其应用于Otsu图像分割。改进后的遗传算法随着适应度不同可自动调整遗传控制参数,并且收敛性好,不易早熟,最后能够得到图像分割的最佳阈值。通过实验可以看出,该方法得出的阈值更加稳定,阈值计算的时间也有极大提高,更能满足图像分割的要求。     

基于改进遗传算法的Otsu图像分割方法

在对图像进行分割时,为了能够快速有效地求出最优分割阈值,对遗传算法进行了改进,并将其应用于Otsu图像分割.改进后的遗传算法随着适应度不同可自动调整遗传控制参数,并且收敛性好,不易早熟,最后能够得到图像分割的最佳阈值.通过实验可以看出,该方法得出的阈值更加稳定,阈值计算的时间也有极大提高,更能满足图像分割的要求.     

基于自适应多尺度的血液细胞图像阈值分割方法研究

提出一个基于自适应多尺度滤波的阈值分割方法,对血液细胞图像进行了自动分割。首先,对图像原始直方图进行多尺度滤波,根据它的尺度空间图特性,确定合适的滤波尺度,然后完成对谷点由“粗”到“精”的定位,并作为阈值对原始图像进行分割;其次,利用松驰方法对分割图像作后处理;最后,将该方法与其他阈值分割方法做了分割性能的比较,证明了算法的有效性。     

图像分割技术探究

本文分析了图像分割的含义,总结了图像分割的途径,详细介绍了灰度阈值法分割图像的方法。     

基于阈值的图像分割方法的研究

介绍了图像分割的定义和基于阈值选取的图像分割方法,分析了直方图阈值和最佳阈值法。     

图像分割方法及其应用研究

本文主要介绍了图像分割的一种常用方法——基于阈值的图像分割方法及其存在的问题和最新进展,同时介绍了以肺CT图为例应用迭代法分割出肺实质,最后指出了图像分割技术的应用现状及发展趋势。     

图像二值化算法研究及其实现

基于阈值选取对图像分割的基础性，对当前流行的阈值选取算法进行了探讨．并对其算法实现和分割效果进行了比较。     

基于自组织特征映射网络SOM的图像分割方法

阈值法是图像分割中常用的有效分割技术之一,但是阈值的选取对分割结果影响很大,特别是对于生物医学图像,分割结果往往不能满足要求.本文将SOM神经网络应用到图像分割中,利用其自组织学习的能力自动获取阈值,其结果不仅优于传统阈值法,而且也优于竞争型神经网络.     

基于蛙跳算法与Otsu法的图像多阈值分割技术

 为了快速准确地确定多阈值图像分割中的最佳阈值,提出了一种基于蛙跳算法与Otsu法相结合的多阈值图像分割方法.该方法将多阈值求解看作一种多变量的组合求解优化问题,利用多阈值Otsu法设计分割目标函数,将新兴的仿生学优化求解算法——蛙跳算法引入到图像分割技术中,通过蛙跳算法中全局搜索和局部搜索相结合的搜索机制并行求解多个阈值.实验结果表明,该方法与基于人工鱼群算法的图像多阈值分割方法相比,明显提高了图像分割速度和分割质量.     

二维Otsu拟合线阈值图像分割方法

针对已有二维Otsu线阈值法分割方法存在的因误分类而导致的分割质量下降、抗噪性能不足的问题.结合二维Ot-su折线阈值算法和曲线拟合方法,提出了二维Otsu拟合线阈值图像分割方法.本文方法是在二维Otsu折线阈值法基础上进行改进.先对二维直方图中边界信息或噪声所属区域的像素点迭代分割,并设定迭代停止条件,以获得多个阈值点,然后引入曲线拟合的方法,将多个阈值点拟合成线阈值,最后以此线阈值作为分割标准实现分割.实验结果表明:利用本文方法对边缘丰富的图像分割具有较好的分割效果,抗噪能力和自适应能力更强,普适性更高.     

基于K-means算法分割遥感图像的阈值确定方法研究

当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下。为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值。实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰。     

图像分割研究综述

图像分割是图像处理到图像分析的关键步骤,也是进一步图像理解的基础。随着计算机技术的发展和普及,医学图像分割技术也经历了一个从人工分割到半自动分割和自动分割的逐步发展过程。人工分割、半自动分割都有着各自的缺点,而目前图像分割最常用、最经典的方法就是区域增长法和阈值分割法。     

棒材端面图像的阈值分割算法

采用几种常用的阈值分割算法以及一种最大类间方差法的推广方法对棒材端面图像进行分割,将其分为目标区域和背景区域两部分,通过比较得出对棒材端面图像最有效的阈值分割算法。实验结果表明,迭代法和最大类间方差法的推广方法对图像的分割效果较好。     

基于遗传算法的类间方差图像阈值分割

阈值分割是一种广泛使用的图像分割技术,分割效果的关键在于阈值的选取。本文采用最大类间方差准则来自动选取阈值,并将遗传算法应用到类间方差的寻优过程中,大大提高了运算速度,使阈值选取更加精确,通过实验表明,该方法能够有效地保留分割后图像的纹理信息,是一种有效的图像分割方法。     

基于细菌群体趋药性的双阈值图像分割

文章提出了一种基于细菌群体趋药性的双阈值图像分割算法。由最大类间方差双阈值法得到优化的目标函数,然后用细菌群体趋药性算法(Bacterial Colony Chemotaxis,BCC)对目标函数进行优化,得到图像分割的最佳阈值,最后用该阈值对图像进行分割。实验结果表明,该算法不仅可以实现正确的图像分割,并有效提高了图像的分割速度。     

基于过渡区提取的多阈值图像分割

对基于过渡区提取的多阈值图像分割算法进行了研究．首先使用局部熵方法提取过渡区,然后构造对称非最大抑制滤波器检测过渡区直方图的多个峰值,最后使用考虑差异度与位面数的代价函数决定最优类别个数及多分割阈值．实验研究表明,算法得到的阈值准确、稳定,较好地解决了基于过渡区提取的图像分割方法中的多阈值分割问题,同时也为多阈值图像分割提供了一种新的思路．     

基于HSI色彩的血细胞图像的分割算法实现

图像分割是图像处理和计算机视觉中基本而关键的技术之一,分割质量高低直接影响图像的后续分析处理.利用染色后的血细胞图像的HSI色彩信息对其进行阈值分割,并对分割后的二值图像中的孔洞进行填充优化,基本解决了此类图像目标分割困难的问题,取得了较好的分割效果,有利于细胞识别.     

基于PCNN模型的生物细胞图像分割

在基于脉冲耦合神经网络（PCNN）模型中,讨论了模型中阈值θ、链接权ω和迭代次数量N等参数的求解方法;采用最大熵值及PCNN模型对生物细胞图像进行了分割,并分析了各参数对图像分割质量的影响.实验结果表明,分割图像熵值越大,分割图像总体效果越好.     

基于神经网络的自适应图像分割

非均匀光照条件下的图像目标难以用阈值选取方法分割，本文使用神经网络建立自适应阈值曲面，以此作为图像分割的依据．自适应阈值曲面由图像中具有高Ｌａｐｌａｃｅ值的边缘拟合而成，拟合过程由神经网络实现．计算机摸拟证实了此设想的可行性以及相对阈值分割方法的优越性．