基于改进免疫遗传算法的图像阈值分割的研究

在图像阈值分割中,二维最大熵图像分割算法的计算复杂度高、计算时间长。针对这一问题,本文提出了一种改进的免疫遗传和模拟退火相结合的算法来快速求解二维最大熵,并对该算法中疫苗选取可能会导致收敛到局部最优解,给出了高效的自动疫苗选取与更新的方法。通过实验显示了该算法在收敛性和计算效率上较其它优化算法具有更好的优越性。     

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.     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

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。     

改进乌鸦算法的二维Tsallis熵多阈值图像分割算法

针对二维Tsallis熵在多阈值图像分割算法中计算量大、计算时间长等问题,提出一种基于改进乌鸦搜索的二维Tsallis熵多阈值图像分割算法。在乌鸦位置更新过程中引入Levy飞行机制,提高全局寻优能力;根据迭代次数自适应调整尺度系数,限制Levy飞行的搜索范围,加快算法收敛速度;将改进乌鸦搜索算法与二维Tsallis熵结合,减少计算时间、提高分割精度。以经典伯克利分割数据库中的图像为例进行分割实验,结果表明,与其他经典算法相比,改进乌鸦搜索算法分割图像收敛速度快、计算时间短、分割准确度更高。     

基于二维倒数灰度熵的河流遥感图像分割

为进一步提高河流检测与识别系统中河流遥感图像分割的准确性和处理速度,提出了分解的二维倒数灰度熵河流遥感图像阈值分割方法.首先引入了倒数灰度熵,避免了香农熵中的无定义点问题,给出了一维倒数灰度熵阈值选取方法,考虑了图像灰度级概率及类内像素灰度均匀性;然后经推广导出了二维倒数灰度熵最佳阈值选取公式,增强了抗噪性;最后提出了二维倒数灰度熵的分解算法,将求解二维最佳阈值转化成分别求解灰度级图像和邻域平均灰度级图像的一维最佳阈值,运算量从O(L4)大幅降低至O(L).经大量实验验证,与改进的Otsu法、基于粒子群优化(PSO)的二维最大香农熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分倒数熵法相比,该方法在对河流遥感图像的分割效果和处理速度方面有明显优势.     

二维信息熵的红外图像分割算法

为了准确实现目标分割,提出将信息熵应用于红外图像的分割算法。对一般二维直方图最大熵进行推广,给出了外接4邻域直方图最大熵、灰度级-邻域灰度级绝对差直方图最大熵,以上3种二维信息熵算法均能有效地实现红外图像分割。引入属性直方图的概念,构造合适的属性集,先缩小目标的搜索范围,在此基础上运用信息熵进行目标分割,与单纯信息熵分割算法相比,得到的分割结果图中,目标的形状比较完整且引入的干扰较少。仿真结果表明该算法是有效的。     

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.     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

融合二维条件熵和脉冲耦合神经网络的图像分割算法

为了在中强度背景噪声图像分割下提高分割精度和处理速度,提出了一种融合二维条件熵和脉冲耦合神经网络(PCNN)的图像分割算法。该算法在分析PCNN阈值衰减规律的基础上,将原指数形式替换成线性衰减机制,构成线性门限-脉冲耦合神经网络模型,以降低循环迭代的总耗时量。此外,借助能够很好反映图像边缘细节等局部结构信息的灰度-梯度共生矩阵,将抗噪性能强的条件熵扩展为二维测度,进而形成最大二维条件熵客观判决准则以获得PCNN的最佳阈值。实验表明,与基于交叉熵的PCNN算法相比,本文算法拥有更强的抗噪鲁棒性,同时处理效率也得到明显提升。     

二代小波变换的抗噪Otsu图像分割方法

针对一维、二维最大类间方差(Otsu)方法分割含噪声图像时分割效果不佳、抗噪性不足的问题,提出了一种二代小波变换的抗噪Otsu图像分割方法.算法通过二代小波变换,在小波域中对目标与背景的噪声进行抑制后再计算最大类间方差进行了研究.实验结果表明该算法是一种抗噪性强、分割效果好的图像分割算法.与现有的二维、三维Otsu法相比,算法不仅计算效率高,而且抗噪性能更稳健.     

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Arimoto灰度熵的图像阈值分割快速迭代算法

现有的Arimoto熵阈值法仅依赖于灰度直方图分布,且计算最佳阈值时需搜索整个解空间,效率不高.为此,文中提出了一种二维Arimoto灰度熵阈值分割的快速迭代算法.首先,提出了一维Arimoto灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,导出了基于灰度-平均灰度级直方图的Arimoto灰度熵阈值法,并给出了中间变量的快速递推公式;最后,提出了二维Arimoto灰度熵阈值选取的快速迭代算法,推导了相应的公式,大大减少了运算量.实验结果表明,文中所提算法运行速度快,分割性能优于现有的5种同类阈值分割算法,分割后图像中的目标完整,边缘纹理清晰,细节更为丰富.     

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.     

基于改进遗传算法的二维模糊熵图像分割算法

 图像分割是图像分析的基础。实际应用中,待分割图像的可变性较大,且时常混杂噪声,因此在很多情况下,基于一维直方图的经典图像分割算法常束手无策。近年来,基于二维直方图的二维图像分割算法已逐渐成为图像分割的热点。本文针对基本遗传算法在优化二维模糊熵图像分割算法中存在的易于早熟的不足,提出了一种改进的遗传算法。提出的改进遗传算法通过定义适应度极值距离,实现了进化过程中“代内”和“代间”的模糊评价。较之基本遗传算法,改进算法对个体的评价更加合理、客观和科学,而且算法整体收敛性能和全局搜索能力显著提升。实验结果表明,将其应用于二维模糊熵图像分割算法的优化,可显著提高算法的执行速度。由于引入模糊评价,本文提出的算法虽然较之基于基本遗传算法的二维模糊熵图像分割算法在时间开销方面虽略有增加,但获得的分割效果更佳。     

基于遗传算法的阈值图像分割研究

图像阈值分割技术在图像分析和图像识别中具有重要的意义，最大熵方法具有很多优点，但同时也存在弱点：需要大量的运算时间，因此需要引入优化算法，文中将遗传算法用于最大熵阈值的图像分割方法中，提出了一种基于遗传算法的最大熵阈值图像分割方法。仿真实验表明，该方法可以有效地提高最大熵图像分割的计算速度，提高图像处理的实时性。     

一种差分进化二维熵的KFCM图像分割算法

为改进传统模糊C均值(FCM)聚类算法在图像分割过程中存在线性不可分问题,使得样本与样本之间的差异小,出现处理能力弱的缺点,提出了一种将差分进化二维熵算法和核模糊C均值聚类相结合的图像分割算法,使用差分进化二维熵得到最优阈值,并用于FCM算法的初始聚类中心,解决了对初始值敏感和计算速度慢的问题,最后利用KFCM算法完成有效分割,实现了线性可分.经过实验验证,本方法运行时间短,得到了较好的分割结果.     

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.     

水下退化图像处理方法

针对水下图像退化现象严重、有效信息提取困难等问题,提出了水下退化图像处理方法.该方法通过分析水下图像退化过程,提出了基于大气湍流模型获取水下图像退化函数的方法,并利用频域滤波完成了退化图像的复原工作;进而将人工鱼群优化算法与图像二维Abutaleb熵信息相结合,利用一种二维最大熵阈值分割算法进行图像有意义区域分割.由于人工鱼群算法不需要了解问题的特殊信息,只进行问题优劣比较,使得该算法自适应性和收敛速度得到大幅提升.水池实验结果表明:该方法明显改善水下退化图像模糊度高、对比度低的问题,具有较优的分割效果,处理过程时间较短,具有一定的实用性.