一种改进的模糊核聚类图像分割算法

模糊核聚类算法已广泛应用于图像分割领域,然而该算法对初始值的选取、噪声以及图像灰度不均匀比较敏感.针对该问题,提出了一种改进的模糊核聚类图像分割算法.将改进的最大类间方差法(Otsu)引入模糊核聚类算法中,结合图像的概率信息和空间信息,得到了一种高效、实用的图像分割方法.实验结果表明,改进算法具有较强的抗噪能力,较高的分割精度,可以用于工程实际.     

基于目标、背景比例的灰度图像自动阈值选取法

最大类间方差法(Otsu法)因其计算简单、自适应性强而成为被广泛使用的图像阈值自动选取方法.在分析Otsu法原理的基础之上,提出了一种改进的最大类间方差法.为了提高分割效果,该方法同时考虑了背景和目标的类间距离和类内距离.与同类方法相比,提出的方法将目标和背景所占的比例作为权值修正了现有的方法,使得衡量类内距离的目标与背景的平均方差按照目标与背景的面积划分.Lena、Cameraman标准测试图像以及杂草图像的仿真结果验证了本方法的有效性.     

基于图像二值化的柔性机构振动非接触测量方法

 针对目前机器视觉方法对柔性机构振动进行非接触测量时其结果易受环境干扰等问题，提出一种基于图像二值化的最大类间方差算法的非接触视觉测量方法。首先分析传统二维最大类间方差算法的错分与计算复杂等缺陷，采用二维直方图分块法和可变步长迭代法对传统二维最大类间方差算法进行改进，然后以Lena图像和柔性机械臂为例分别进行了仿真分析和振动位移测量实验验证。结果显示，基于改进二维最大类间方差算法的非接触视觉测量方法显著提高了图像分割效果，分割时间仅为传统二维最大类间方差算法的约10%；以仿真分析得到的柔性机械臂末端振动位移为评判标准进行测量准确性比较，基于改进二维最大类间方差算法的测量结果明显优于传统二维最大类间方差法和压电法，证明了基于图像二值化的最大类间方差算法的柔性机构振动非接触视觉测量方法的可行性和可靠性。     

基于最小类内离散度的改进Otsu分割方法的研究

提出了一种改进的Otsu阈值分割方法,该算法结合了最小类内离散度与最大类间方差.类内方差越小,类的内聚性就越好,据此提出分类的类内离散测度,综合最大类间方差,定义了新的阈值识别函数.实验结果表明:该方法克服了传统Otsu阈值分割信息不完备的缺陷,具有更强的抗噪能力,分割效果明显.     

数字人图像的自动分割方法

为克服现有方法对数字人切片图像分割中人工参与的依赖,提出了一种基于连通域标记和K-均值聚类的数字人脑彩色切片图像分割方法.该方法首先通过连通域标记分割出脑组织的初始区域,再通过腐蚀操作精确提取脑组织,然后在RGB(红绿蓝)空间内借助直方图确定聚类中心,以欧几里得距离为判断标准实现对白质的K-均值聚类分割.采用首例中国女...     

一种结合遗传算法和最大类间方差法的图像分割新方法

传统的一维图像Otsu方法,只能对图像的灰度信息进行处理,对空间信息、像素等部分不能得到处理,因此在图像受到噪声或其他干扰时灰度直方图中的波峰、波谷会呈现不明显的分布,造成分割失误.本文结合遗传算法和最大类间方差法的图像分割新方法,是以遗传算法确定阀值空间中的最优阀值,最大类间方差法确定图像背景和目标图像之间的灰度方差面的最大值,避免受到噪声等因素的干扰.通过仿真实验发现该图像分割方法可降低分割时间,分割质量较好,发展前景广阔.     

一种改进的模糊核聚类图像分割算法(修改重投)

模糊核聚类算法已广泛应用于图像分割领域,然而该算法对初始值的选取、噪声以及图像灰度不均匀比较敏感。针对该问题,提出了一种改进的模糊核聚类图像分割算法。将改进的最大类间方差法（Otsu）引入模糊核聚类算法中,结合图像的概率信息和空间信息,得到了一种高效、实用的图像分割方法。实验结果表明,改进算法具有较强的抗噪能力,较高的分割精度,可以用于工程实际。     

运用启发式阈值搜索和形态学重建分割细胞图像

提出了一种基于启发式阈值搜索和形态学重建的细胞图像分割方法.该方法首先将彩色骨髓切片细胞图像分解为色度和饱和度分量图,然后在上述分量图中分别运用启发式的最大类间方差法进行阈值搜索,并用得到的阈值进行分割,提取出有核细胞的大体轮廓及其细胞核;然后运用快速形态学重建,将不同颜色分量的分割结果结合起来,成功地从复杂背景中提取出有核细胞.实验结果表明:该方法不仅可以提取出待分离细胞.还可以分解出细胞核和细胞浆.     

一种改进的基于类间方差的阈值分割法

在图像的目标和背景像素灰度均服从正态分布时,提出了一种改进的基于最大类问方差法的图像分割算法．对新算法进行了测试并与最大类间方差法和最大熵法进行了比较,结果表明,新的改进算法在图像分割过程中具有速度快、效果好的特点．     

基于二维直方图的otsu图像分割算法改进

分析了灰度图像传统的二维最大类间方差otsu法,在此基础上改进了传统的阈值分割方法,提出了新的阈值分割输出函数,并通过压缩二维直方图预搜索的方法,使运算量大大降低.理论分析和实验结果表明,该方法不仅增强了识别能力,而且大大提高了分割效率.