基于OTSU分割的云层背景下弱目标检测算法研究

在各种背景的弱目标检测算法研究中,采用了最大类间方差(OTSU)分割的检测算法,对于不同大小的目标提出了两种不同的处理方法.在背景简单的小目标的预处理中利用中值滤波和OTSU相结合的方法;对于背景相对复杂的大目标的检测采用自适应门限、拉普拉斯(Log)滤波和OTSU分割的检测算法,把目标提取出来.自适应门限用于增强图像,使图像的背景灰度变得均匀;Log高通滤波器可以有效地去除背景;OTSU是经典的非参数,无监督自适应阈值选取方法,对图像经过阈值分割后,图像将变成包含少量可能目标点的二值图像.仿真实验表明:该算法能够有效地去除背景天空的强浮云,具有计算量小等优点,能够很好地检测出目标.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

基于优化水平集的细胞图像阈值分割算法

为实现对粘连细胞图像的分割,将Bayes分类器和KNN分类器引入到水平集外部速度函数的设计中,两种分类器轮流作用,无需设定阈值便能产生水平集驱动力.算法将Shi模型的双链表和C-V模型的全局分割相结合,以加快曲线演化.将目标与背景的类内平均距离引入到OTSU阈值法的阈值选择函数中,对OTSU法进行了改进.试验结果表明,相较于水平集法和阈值法,该算法对复杂粘连细胞的分割效果更好,在细胞图像分割中具备一定的有效性和可行性.     

基于梯度直方图的产品表面缺陷图像自适应阈值分割方法研究

为了提高产品表面缺陷检测精度并降低检测成本,文章以E型磁环表面缺陷的自动检测为例,分析了产品表面图像的特征,提出了一种利用梯度直方图信息的图像自适应阈值分割算法.通过实例,与原自适应直方图阈值分割算法和固定阈值分割算法相比较,结果表明:该算法采用可动态调整的形态学梯度算子计算梯度直方图,抗噪能力强;充分利用了图像的边缘信息和缺陷内部灰度分布不均匀的特性,适应性广;算法简单,具有实时准确分割图像的特点.     

基于模糊理论的焊缝缺陷图像识别算法研究

为提高无损检测中焊缝缺陷射线检测效率、降低人工操作强度,针对射线胶片焊缝缺陷自动检测技术普遍存在难以自动准确识别缺陷问题,充分利用焊缝图像中各种信息,提出了一种焊缝缺陷智能检测识别方法。基于自动选择阈值,使用模糊集合进行灰度变换以增强图像对比度;利用最大类间方差算法(OTSU)求解自适应阈值,检测并提取焊缝边缘;依据缺陷几何特征识别不同缺陷。结果表明,该系统可以较为准确地检测各种焊缝图像的边界和缺陷,具有较好地适应性和实用性。     

混合高斯模型下的自适应阈值阴影检测

针对现有阴影检测算法参数众多,需要训练参数或者手动设置阈值的缺点.文章提出一种基于HSV颜色信息的自适应阈值阴影检测方法,并利用最大熵阈值分割实现自适应阈值阴影检测.实验表明,该方法能够准确地检测出阴影,鲁棒性强.     

基于改进边缘检测的钢箱梁疲劳裂纹识别及量化方法研究

钢箱梁内部场景复杂,疲劳裂纹图像识别容易受到背景干扰.针对传统图像处理方法的识别局限性,提出了一种基于改进边缘检测算法的疲劳裂纹识别与量化方法.首先,通过边缘检测算法识别出裂纹特征点,并通过形态学处理提取出裂纹骨架线.其次,采用单目视觉方法进行裂纹的特征量化.通过张氏标定法,建立了相机成像模型,从而将裂纹特征点由像素坐标映射至空间坐标.最终,开展了疲劳裂纹识别与量化试验,将改进边缘检测算法与传统图像处理方法进行比较,并评估裂纹特征量化精度.研究结果表明：改进边缘检测算法通过引入双边滤波函数,可以在抑制焊缝噪声干扰的同时保留裂纹边缘特征,相比于传统边缘检测和自适应阈值分割算法,更适用于钢箱梁识别场景.在试验条件下,疲劳裂纹长度测量误差控制在5%以内.     

基于直方图修正的小波自适应阈值大米垩白分割

在大米垩白分割过程中,由于噪声等影响,图像原始直方图呈明显的锯齿状变化.在阅值选择定位过程中,会产生大量虚假阈值点,影响阈值点的自适应准确选取.通过直方图修正,实现直方图的平滑处理,消除大量虚假阈值点,保证意义阈值点的位置与值不变,达到阈值选取过程中抗噪声的目的.并利用小波变换实现阈值点的自适应多分辨率定位.实验表明通过直方图修正和小波自适应定位多阈值可实现大米垩白区域的有效分割.     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

基于黄色诱捕板的黄曲条跳甲识别与计数方法

为了及时掌握严重危害蔬菜生长的害虫—黄曲条跳甲的发生状况及其危害程度,提出了基于黄色诱捕板的黄曲条跳甲识别与计数方法.首先,采用最大类间方差法(OTSU)获得图像的黄色诱捕板区域.在黄色诱捕板上以连通区域面积阈值获得候选区域,并对候选区采用OTSU算法、颜色平滑算法和主动轮廓模型进行目标图像分割.在此基础上,对候选区域提取颜色特征、纹理特征和几何特征,并采用支持向量机的方法,对黄曲条跳甲进行识别和计数.所提出的基于黄色诱捕板的黄曲条跳甲识别与计数方法的准确率、精确率和召回率分别为88.16%,92.00%和81.56%,达到了及时获得黄曲条跳甲灾情的目标.     

面向视频测量机器人高噪声小视场星图的星点提取

星图识别提取是自动天文测量数据处理的关键环节．针对视频测量机器人拍摄的小视场星图具有高噪声的特性,提出了利用基于合理阈值分割的连通算法来处理此类星图;分析了4种不同星图的图形特征,对比了常见的星点提取算法对真实星图的识别效果;在定性定量分析的基础上,通过验证,得到了阈值分割下的连通算法要优于边缘检测和聚类算法的结论,并获得理想的星点提取效果．真实星空半仿真星图的室内试验表明:利用该算法可以准确可靠地计算恒星质心坐标,其水平和垂直方向均方根误差（RMSE）分别为0.025和0.021像素,可满足高精度的天文测量需求．      

基于重叠边缘的夜间重叠番茄识别

为更准确地识别出夜间重叠番茄,提出一种基于重叠边缘检测的夜间重叠番茄识别算法.该算法采用基于OTSU法进行图像分割,利用Canny算子进行边缘检测,并从中识别出重叠边缘,进一步基于重叠边缘应用一种距离就近法判断重叠番茄前后位置关系,最后基于圆拟合对重叠番茄中前未被遮挡番茄进行识别.试验结果表明:无枝叶遮挡时,前后位置关系判断正确率为96%,前未被遮挡番茄识别正确率为91.7%;当有枝叶遮挡时,前后位置关系判断正确率为90%;当被遮挡率低于50%时,前未被遮挡番茄识别正确率为83.3%;该算法可实现夜间双果重叠番茄前后位置关系判断及前未被遮挡番茄识别.     

一种基于CT图像的肺实质分割方法

在肺部疾病的计算机辅助诊断(CAD)时,肺实质的正确分割尤为重要.为了减少检测区域,节省运算时间,提高准确率,需要预先提取肺组织.提出了一种改进的最大类间方差法(OTSU)结合形态学运算的肺实质分割方法.首先对原始CT图像做滤波去噪、图像增强的预处理,自适应阈值二值化图像;然后连通区域标记获取轮廓,利用基于OTSU的改进算法去除气管、肺液等干扰,分离肺实质与背景,对左右肺叶粘连的情况采用行列扫描、区域彩色标记并将其有效分离;最后采用一系列的形态学运算对提取出来的肺实质弥合修补.从公开数据库LIDC中选取830张CT图像,用该方法可完整分割肺实质,平均准确率为97.56%,平均召回率可达99.29%,Dice相似系数为98.42%.     

一种新的自适应二维Otsu图像分割算法研究

现有二维Otsu图像分割算法的阈值识别函数是通过计算类间离散度矩阵的迹来实现的,没有考虑目标和背景这两类像素自身的内聚性且计算复杂度高,为此提出一种新的阈值识别函数设计算法.该算法先统计待分割图像目标类和背景类各自类内的绝对差,相加得到总体类内绝对差之和;再统计目标类和背景类两类之间的总体平均离差;然后把总体类内绝对差和类间总体离差的商式作为阈值识别函数.实验结果表明,与现有的识别函数相比,利用新构造的阈值识别函数来自适应寻优阈值,从主观上和客观上都取得了较好的分割效果,而且计算量较小.     

基于等周图割的细胞图像自适应多阈值分割算法

针对粘连细胞图像,提出一种自适应多阈值分割算法.该算法采用等周图割的等周率来确定最佳阈值,基于最佳组距迭代策略用多级阈值来分割粘连细胞,此外,引入动态确定节点聚类数的方法来自动确定阈值个数,采用灰度级权值矩阵来加快等周率的计算.实验结果表明,与几种经典阈值分割算法和等周率算法相比,该算法对严重粘连的多细胞图像的分割效果更好,在复杂的细胞图像分割中具备一定的有效性和可行性.     

基于航拍图像的输电线路异物识别

为提高无人机电网巡线故障点排查的效率,针对输电线路走廊悬挂异物的潜在故障,提出一种可从大量航拍输电线路图像中筛选出挂有异物的图像的方法.基于形态学算法改进Otsu(最大类间方差)自适应阈值分割算法分割图像背景,提出一种新的基于输电线路特征的滤波方法进一步滤除背景;通过梯度法获取电力线的边缘,选取Hough变换累加器中局部极大值个数与最终检测到的线路数量作为异物特征向量来识别异物.最后,开发出批处理系统识别验证.结果表明,该算法能将挂有异物的电力线图像准确识别,为输电线路可靠性提供保障.     

基于显著性的OTSU局部递归分割算法

针对OTSU方法的局限性，提出了一种基于显著性的OTSU局部递归分割算法。该算法的思路是把一次OTSU分割得到的目标区域作为新的图像进行下一次OTSU分割，依次递归下去，直到满足一定条件为止，然后把每次分割得到的目标区域按照一定加权原则累加起来，得到分割结果图像。实验结果表明，在不同的冷背景下，基于显著性的OTSU局部递归分割算法能够稳定地实现目标分割提取，具有较好的鲁棒性。     

基于自适应双阈值和主色率的足球视频镜头的分割

为了有效地实现对足球视频镜头边界检测,该文提出了一种基于自适应双阈值并结合主色率的镜头分割算法.该算法首先采用滑动窗口,基于颜色直方图的分布得到局部自适应的双闽值,然后在HSV颜色空间中提取当前帧图像的主色,并基于圆柱距离求出主色像素点,接着在此基础上获取该帧的主色率,最后用双阈值结合主色率对足球视频镜头分割.实验结果证明:该方法对足球视频能较好地实现突变和渐变检测,为基于语义的足球视频的检索奠定了很好的结构化基础.     

基于统计学的老电影斑点自适应检测方法

传统基于ROD的斑点检测算法在对不同帧或当前帧的不同区域进行检测时,所采取的阈值是固定不变的,缺乏自适应性,同时也在很大程度上影响了检测效果.为了解决上述问题,提出了一种基于统计学的自适应阈值检测方法.传统检测方法仅计算各孤立点之间的灰度级差异,而该算法则是计算各点邻域块内的灰度级差异,同时利用阈值迭代及帧间的统计特性的方法来确定每一帧图像的最优阈值,提高了算法的自适应性.仿真实验结果表明,该算法的斑点检测效果比传统方法更加准确,自适应性也更高.     

基于QPSO的图像分割算法

文章将具有量子行为粒子群优化(QPSO)算法应用到图像分割中,提出了一种新的图像分割算法.新方法基于最佳熵阈值分割技术,用QPSO算法自适应选取分割阈值;仿真实验针对Lena图像分割问题,将标准粒子群优化(PSO)算法与QPSO算法分别独立运行,仿真结果表明,基于QPSO优化的图像分割算法不仅克服了PSO容易过早陷入局部最优值的缺点,而且分割速度更快,是一种更有效的分割方法.