基于最大熵的迭代分割算法

对于一些对象与背景像素灰度值类似的图像以及充满噪声的图像,传统的图像分割算法分割精度较低。为解决这一问题,提出了基于最大熵的迭代分割算法,根据求出的最大熵阈值将图像分为背景和对象两类区域;分别对两类区域求取灰度平均值,以该平均值将图像分为对象、背景和待分割3个区域;再对待分割区域进行迭代求取最终阈值,并根据最终阈值对图像进行分割。实验表明,该算法具有较高的抗噪性能,能精确分割一些轮廓不明显的图像,其分割精度明显好于其他传统图像分割算法。     

基于快速模糊C均值聚类的图像粗集分割

传统的模糊C均值(FCM)聚类算法广泛用于图像的自动分割,但它有两个缺陷:一是收敛速度过慢;二是当图像的目标和背景像素拥有相近的灰度值,具有相似的隶属度,导致了图像边界区域的不连续和模糊.针对该问题,提出一种改进的算法,在快速FCM聚类的基础上,利用粗糙集理论中的上近似和下近似的概念来描述图像的目标和背景,引入粗糙熵的概念,选择合适的阈值,对图像进行精确分割.实验结果表明,这种算法可以达到满意的分割效果.     

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K-means算法分割遥感图像的阈值确定方法研究

当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下。为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值。实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰。     

面向对象的遥感图像水陆场景快速分类

针对传统方法对过分割未作处理以及边界语义上下文信息不强的缺点,对水陆场景图像进行区域分类,得到描述大尺度地物分布的分类结果.该方法分为3个过程:首先对图像进行纹理特征聚类,得到初始分割结果;然后对分割图像进行区域合并;最后利用边缘密度作为区域的特征,通过对大量样本的统计分析,确定一个经验值作为分类阈值,根据阈值将各个区...     

一种针对超声检测图像的自适应阈值设置方法

在对图像阈值分割进行分析和已有算法的基础上,提出了一种针对超声波无损检测C扫描图像的自适应阈值设置方法,以实现对超声波C扫描图像的准确定量评估。该方法根据C扫描图像的灰度分布自动地计算相应的阈值,并进一步对特征区域进行分离和评估,从而克服固定阈值方法受超声波能量偏差影响大、难以准确评估的缺点。将该方法获得的结果与最大类间方差、最小交叉熵等方法的处理结果以及通过腐蚀试验获取的实际检测界面结果进行了对比,结果表明:该自适应阈值设置方法与其他分割方法相比,评估的结果更加准确,运算时间更短,并且结果受超声波能量偏差的影响最小。     

基于卷积神经网络的细胞图像分割与类型判别

组织细胞图像形态各异、大小不一、纹理变化多样等特点,导致难以精准地分割细胞区域的问题,对此提出了一种基于卷积神经网络(CNN)和边缘聚类方法的新算法.对原始切片采用染色校正预处理,提高色彩对比度,利用CNN得到初步分割结果,结合边缘聚类方法提升初步分割结果的连续性和完整性.在此基础上,结合计算机视觉技术,获得分割图像中细胞颗粒的基本属性特征,并使用Softmax分类器判别细胞类型.实验结果表明:相较于经典的卷积神经网络、阈值分割、模糊聚类等细胞图像分割算法,该算法在分割结果的完整度方面提升了6.15个百分点.     

一种新的图像分割方法

许多传统的分割方法往往是根据图像单一的属性标准对图像进行分割，通常不能满足整幅图像的分割要求。本文针对这个问题，介绍了一种新的图像阈值分割方法（FES），该方法在模糊集的基础上，结合模糊熵和模糊相似性两种截然不同的属性刻画分割图像。最后针对算法进行仿真，证明该方法是切实可行的。     

基于HSI和LAB颜色空间的彩色图像分割

彩色图像分割一直是彩色图像处理与分析中最为困难的不可缺少的步骤,针对图像分割质量直接在很大程度上影响了图像后期分析的效果,提出了一种基于HSI和LAB颜色空间的彩色图像分割方法.该方法在HSI颜色空间用最优阈值方法进行阈值分割,在LAB颜色空间采用基于K均值聚类图像分割,然后将两次分割结果进行区域合并,最后进行加窗滤波...     

鲁棒性好的彩色图像分割方法

针对光照变化对机器视觉带来的不利影响,提出了一种具有较好鲁棒性的彩色图像混合分割方法.该方法首先用基于自动种子的区域生长法将图像划分为内部相似的一些区域,再用最小支撑树(MST)方法在这些区域之间进行分割,通过加权熵目标函数确定的最优阈值产生最终的分割图像.实验结果证明该混合分割方法克服了光照条件变化给彩色图像分割带来...     

基于分割图像最大信息量的阈值化算法

简述了目前利用熵的原理对图像进行阈值化分割的几种方法,把图像假设为L个符号的信息源,图像的分割类比于数据信号通过有扰信道过程,分割后的图像具有一定信息量,提出使分割后的图像具有最大信息量的阈值化方法。将图像背景与目标的条件概率假设为正态分布,利用贝叶斯公式估计出其后验概率,搜索使分割后的图像具有最大信息量的阈值,比较了新算法与其它基于香农熵算法的特点和分割性能。     

一种新信息熵及其若干性质

引入了一种在图像处理中使用的新信息熵HPal，并证明了该信息熵的若干性质，这些性质符合对有限集划分所包含不确定性程度的直观理解。该信息熵可用于刻画有限集划分所蕴涵的知识量，对HPal的研究将有助于设计基于HPal的启发式搜索准则，以构造新的知识处理算法。     

一种新信息熵及其若干性质

引入了一种在图像处理中使用的新信息熵Hpal, 并证明了该信息熵的若干性质， 这些性质符合对有限集划分所包含不确定性程度的直观理解,该信息熵可用于刻画有限集划分所蕴涵的知识量，对Hpal的研究将有助于设计基于Hpal的启发式搜索准则, 以构造新的知识处理算法。     

一种基于多熵阈值图像分割的边缘检测新方法

该文提出的熵阈值分割图像边缘检测新方法,在噪声严重的情况下,能够提取出准确连续的物体边缘,实验结果表明这种方法能获得比Ｓｏｂｅｌ算子及Ｋａｐｕｒ多阈值分割法更为满意的边缘检测结果,这一方法在出版系统中具有一定的实用价值。     

基于红-黑小波变换的图像去噪算法

在红-黑小波变换的基础上,提出了一种新的阈值方法对小波系数进行萎缩以实现图像的去噪. 该阈值方法结合了仿射阈值和非负Garrote阈值的优点,能在保留图像细节的基础上实现更好的去噪效果. 通过仿真试验,对不同尺度下的阈值提出了一组最多适用到8级红-黑小波变换的阈值权重. 结果证明,结合所提出的阈值方法和这一组阈值权重能实现较为理想的去噪效果.     

基于蚁群算法的最佳熵图像分割阈值方法

最佳熵阈值是最常用的图像分割算法之一,但是需要大量的运算时间,限制了其实际的应用范围.蚁群算法是一种新兴的仿生进化算法,已成功的应用于大批组合优化问题的处理.将最大熵算法视为组合优化问题并引用蚁群算法加以处理,实验结果表明蚁群算法不仅可以实现最优阈值的确定,而且可以提高图像分割效率.     

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.     

基于灰度-梯度共生矩阵的视网膜血管分割方法

提出了一种新的、有效的视网膜血管分割方法．它包括二维匹配滤波预处理以增强血管的灰度，以及用灰度-梯度共生矩阵的最大熵阈值化方法．该方法同时利用了图像的灰度和梯度信息．在计算梯度时选用了三次B样条小波．实验结果表明，该方法能较好地提取视网膜血管网络．     

一种快速的三维图象显示方法

本文提出了在物体空间和图象空间中的三维图象有效显示技术。图象数据来源于(CT)层面X线照相术数据或医学处理切片数据,采用简单的表面提取技术提取物体表面,利用修改的线性八叉树数据结构对数据进行编、译码存贮。采用BTF(Back-To-Front)方法转换三维数据到二维屏幕,避免了花费大量时间的隐面消除过程,同时直接利用灰度值表进行浓淡计算及图象显示,节约了计算时间,提高了计算的有效性。     

小波阈值法在图像去噪领域的应用研究

小波阈值法在图像去噪领域已经成为热门的研究方向,为了使人们能对小波阈值法有概括性的了解.在对小波阈值法现有技术的优缺点进行分析的前提下,总结出小波阈值法在图像去噪领域的三个主要研究方向,即阈值选择的自适应性,小波系数的分布模型,以及防止Gibbs振荡,并探讨了小波阈值法在图像去噪领域的发展方向.