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Otsu理论的灰度图像分割算法研究和改进

Otsu算法是利用最大类间方差准则对图像像素进行阈值分割.二维Otsu算法是在一维Otsu算法的基础上提出的,但是其计算量大,且只有当图像每个类的像素数目接近彼此时才能得到满意的结果.对二维直方图重新划分,改变阈值的求解范围,提高分割准确率和减少阈值计算时间.实验结果表明该方法提高分割效率,对含噪声的图像分割效果较好.     

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.     

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.     

图像二维阈值分割的数据场方法

针对图像分割中最优阈值选择这一难题,提出了一种新的图像二维阈值分割方法.该方法引入数据场的思想,将图像从灰度值空间映射到数据场的势空间;将二维灰度直方图的频率作为数据场对象的质量,计算二维直方图元素之间的相互作用和影响,生成二维直方图的三维数据场;再通过势心削除、势心合并等环节获得最优分割阈值,在不明显增加时间复杂度的前提下得到较好的分割结果.对标准图像数据集以及部分加噪声图像的分割实验表明,该方法是合理、有效的,能够适应大多数图像的分割,具有一定的抗噪性能,是经典一维最大类间方差法的有效补充.     

采用二维Otsu直方图斜分快速算法实现方式的改进

在二维Otsu自适应阈值快速算法的斜方窄带判决域特性基础上,依据斜分线穿越窄带区的同一特性,设立算法辅助轴,对原快速算法实现方式进行改进.简化算法实现过程,在原算法降维基础上,进一步降低算法复杂度.结果表明:改进后的二维Otsu自适应阈值快速算法更加适应图像分割的实际工况,在实验验证中取得良好的图像分割效果.     

白腐真菌的培养及其在染料污水脱色中的应用

阈值法是图像分割最为常用的方法之一,然而基于一维直方图的阈值方法分割结果容易受噪声的影响.基于二维直方图的二维Fisher准则能够克服一维阈值法缺陷,具有较好的分割性能.但是二维Fisher准则阈值法在求取最优阈值时需要大量的计算,运算速度非常慢.常用的二维Fisher准则阈值优化计算方法如粒子群算法和遗传算法容易陷入局部最优.杜鹃搜索算法是新近提出的一种元启发优化算法,一些经典的函数优化问题测试结果表明杜鹃搜索算法全局寻优能力优于粒子群算法和遗传算法.在介绍杜鹃搜索算法的基础上,提出一种基于杜鹃搜索算法改进的二维Fisher准则阈值分割方法.实验结果证明,提出的方法降低了基本二维Fisher准则阈值法最优阈值的寻找时间,提高了图像分割的实时性,是一种性能良好的图像分割方法.     

Otsu算法的研究及改进

本文首先介绍了传统的一维及二维Otsu分割算法,然后对传统二维Otsu分割算法进行了改进,改进了阈值判定区域及求解阈值的办法．实验结果证明,改进方法提高了运算速度并增强了图像分割效果．     

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。     

应用局部自适应阈值方法检测圆形标志点

利用圆形标志点的几何和灰度特征,在图像中搜索具有符合该特征描述的区域,对圆形标志点进行粗定位.对粗定位区域的扩展区域使用最大类间方差阈值分割法分割出圆形标志点轮廓,并对像素轮廓进行最小二乘拟合,计算出圆形标志点的中心坐标及拟合轮廓各参数,根据该参数筛选保留所需标志点中心坐标.结果表明:该方法使用局部的大津阈值检测圆形标志点,能够避免全局阈值的缺陷,提高标志点检测的检出率;采用最小二乘椭圆拟合提取标志点中心,能够达到亚像素级精度.     

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。     

基于自适应阈值的棉网图像中结杂的识别

在棉网图像中,棉结和杂质(简称结杂)大多都混杂在聚集的纤维网中难以检出和识别.针对这一问题,提出了一种将最大类间方差法(Otsu法)与线性回归相结合的棉网图像结杂分割方法.首先对棉网图像进行预处理,然后根据Otsu法获取棉网图像与背景分开的阈值,再根据线性回归找出该阈值与结杂灰度的关系,获得结杂分割的最佳阈值,从而实现结杂的识别.     

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．     

二维Otsu自适应阈值快速算法的改进

分析二维Otsu自适应阈值快速算法的斜方窄带判决域特性,在不增加算法复杂度的前提下,通过建立窄带斜方轴截距与图像像素二维概率密度信息关联分布数据,提出动态窄带斜方轴截距自适应选择方法.实验结果表明:改进后的二维Otsu自适应阈值快速算法更加适应图像分割的实际工况,并取得良好的图像分割效果.     

室外多变光照条件下农田绿色作物的图像分割方法

针对室外农田绿色作物图像分割中存在的问题, 提出一种基于绿色作物G\|R颜色特征, 结合最大类间方差Otsu法和面积阈值分割的农田绿色作物图像分割方法, 解决了室外光照不均及复杂土壤背景环境下农田图像中绿色作物与背景不易分割的难题. 实验结果表明, 该方法不仅对作物、 土壤和光照变化不敏感, 且可以消除图像阴影部分的影响, 与颜色索引方法EXG-Otsu和RGB算法（G>R, G>B）相比, 该方法分割效果更理想.     

基于自适应阈值的循环增长地面点云分割算法

在坡度、路面起伏不平的场景中,针对单一阈值敏感性不足,多阈值简单组合存在冗余计算,且影响分割精度和鲁棒性的问题,本文提出了一种基于阈值自适应选取的点云分割方法。该方法在栅格分割中引入循环增长判断,以兼顾局部特征与全局特征,设计了一种触发式双特征判断机制,并通过拟合地面波动幅度自适应确定分割的高度阈值提高算法的分割效率和分割精度。最后基于开源数据集进行了仿真测试,验证了本文所提算法在地面点云分割中的精确性和时效性。     

基于三阶样条曲线拟合的改进Snake模型在医学超声图像分割中的应用

鉴于医学超声图像所具有的复杂性,采用基于样条曲线拟合的改进Snake模型来实现对心脏超声图像的分割.为了克服传统Snake模型对初始轮廓的依赖性,采用扇形法获得靠近目标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用三阶样条拟合的方法来获得连续的图像边缘.实验结果表明,采用本方法可以获得连续、封闭的边缘曲线,能够较好地将目标从图像中提取出来.