基于视觉侧抑制机理的强鲁棒性图像分割方法

针对光照强度和图像退化的算法鲁棒性问题,提出一种基于视觉侧抑制机理的强鲁棒性图像分割新算法.该算法充分考虑到人眼视觉侧抑制机理“加强中心抑制周围”的特点,在范围一定的抑制野内,采用双高斯强度系数分布的减法非循环侧抑制网络模型描述神经元兴奋的变化量,与交叉视觉皮质模型相结合形成侧抑制-交叉视觉皮质模型.在此改进模型基础上,利用灰度级-邻域平均灰度级二维直方图将一维交叉熵推广至二维,进而构造出二维最小交叉熵分割判决准则以寻求最优阈值.研究结果表明:针对受噪图像,新算法的分割准则充分利用二维交叉熵增加了图像的局部空间信息,从而取得良好的抗噪结果;针对光照不均和模糊退化的图像,改进分割模型加入视觉侧抑制网络,使得新算法具有较强对比度和亮度适应性以及模糊补偿能力,能够获得精确的分割效果.     

基于最优家族遗传算法的改进二维熵图像分割

分析了最大二维熵图像分割算法的基本原理,提出了一种改进的二维熵图像分割算法.该算法同时考虑了孤立像素点的灰度信息和像素点的空间相关性,并对目标的边缘进行检测,因此保留了更多的图像边缘信息.引入搜索区域、群体规模可变的最优家族遗传算法对阈值进行搜索,不仅提高了算法的搜索速度,而且避免了早熟现象.实验结果表明,分割256×256的Lena图100次,平均时间为1 5937s,平均进化代数为2 5037,且边缘信息得到了很好保留.改进算法在分割速度和分割精度上比普通二维熵的分割算法有显著的提高,说明了算法的有效性.     

二维Tsallis熵阈值法中基于粒子群优化的参数选取

针对二维Tsallis熵阈值分割法中参数q的选取问题,提出一种粒子群优化算法自适应选取参数q的方法.该方法基于一种图像分割质量评价指标—均匀性测度,利用粒子群优化算法对参数q在参数空间进行优化搜索,从而实现了二维Tsallis熵阈值分割法的自动阈值选取.实验表明,所提出的方法可以根据具体的图像有效地选取参数q,获得理想的图像分割结果.     

基于混沌粒子群优化算法的二维熵图像分割方法

针对二维熵图像分割方法在求取最佳阈值时存在计算量大及微粒群算法容易陷入局部最优且速度较慢等等问题,提出了基于混沌粒子群优化算法的二维熵图像分割方法。该方法考虑了图像中像素点灰度——邻域灰度均值对作为阈值对图像进行分割;利用混沌运动随机性、遍历性和初值敏感性,将混沌粒子群优化算法与阈值法相结合在二维空间作全局搜索。实验结果表明了基于混沌粒子群优化算法的二维熵图像分割法用于阈值寻优减少了搜索时间,提高了收敛率。     

二维Arimoto熵阈值分割法中参数的智能选择方法

二维Arimoto熵阈值分割法中的参数α对图像分割精度有重要影响。提出了一种基于人工鱼群优化选择参数的方法。该方法以均匀性测度作为图像分割质量评价的准则,利用自然界中鱼群的觅食、聚群、追尾等行为对目标参数进行优化搜索,能够根据不同的图像得到与之适应的参数,从而得到最佳的阈值分割点。实验表明,该方法能够在设置的寻优范围内进行快速寻优,并且发现对于每一幅具体图像而言,参数α在一个小区间内都可以使得分割效果最佳,随后的重复性实验验证了方法的可靠性。     

基于极坐标系下二维直方图的图像分割算法

基于二维直方图的图像分割算法存在明显误分,且利用二维Renyi熵求解最佳阈值计算量过大.为解决这些问题,提出基于极坐标系下二维直方图的图像分割算法.首先,将图像各像素点表示在极坐标系中,根据各点的极角区分噪声点和非噪声点;然后对噪声点进行平滑处理,处理之后图像各像素点都集中在极坐标系中极角为45°的极径附近.由于滤噪后各像素点的极角差别很小,所以仅利用各点的极径信息即可进行分割阈值的选取,由此将二维问题转化为一维问题,以减少计算量.实验结果表明,该算法分割效果良好,尤其适用于受噪声污染较严重的图片,而且与传统二维算法及其改进算法相比,运行速度有很大提高.     

二维最大类间交叉熵阈值分割法

目的 研究了基于类间交叉熵的二维阈值分割算法及其抗噪性能.方法 通过采用交叉熵方法 来描述二维直方图中的目标区域和背景区域之间像素信息的差异程度,构造了一种基于最大类间分离性程度的图像分割新方法 .结果 结果 仿真证明该分割方法 的有效性和抑制噪声的能力.结论 在有噪声的图像中,新分割方法 相比传统一维最小交叉熵具有更强的抗噪性能,并且在分割性能和时间花费上都优于二雏最小类内交叉熵分割法.     

基于二维灰度熵及混沌粒子群的图像阈值选取

为了同时考虑直方图的概率信息和类内灰度级的均匀性,提出了基于灰度级-梯度二维直方图的Shannon灰度熵及Tsallis灰度熵阈值选取方法.给出了Shannon灰度熵和Tsallis灰度熵的定义及其一维阈值选取方法,导出了二维Shannon灰度熵及Tsallis灰度熵阈值选取公式及其快速递推算法,并利用混沌粒子群算法寻求两种阈值选取方法的最佳阈值.实验结果表明,与基于改进的二维最大熵及粒子群递推的阈值选取方法相比,所提出方法的分割图像能更准确地反映原始图像的边缘、纹理及细节信息.     

基于二维直方图的改进的PCM聚类分割方法

相对于模糊C均值算法,可能性C均值(PCM)聚类方法具有更好的抗干扰能力.提出一种基于二维直方图的改进的PCM聚类图像分割方法,该方法除了考虑图像的点灰度信息外,还考虑像素点的邻域相关信息,利用改进的PCM聚类算法得到各象素点的隶属度对图像进行分割.实验表明,该方法能够对噪声图像有效地进行分割,具有较高的鲁棒性.     

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。