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.     

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2维鲸鱼优化加权的WGG-Otsu算法的钢板表面缺陷图像分割

相对于1维Otsu算法,2维灰度级-梯度Otsu算法的抗噪声能力有所增强,但对受噪声影响较大的钢板表面缺陷图像的分割精度仍不高,且分割效率较低.为提高钢板表面缺陷图像分割的精度和效率,提出2维鲸鱼优化加权的灰度级-梯度Otsu算法. 2维鲸鱼优化加权的灰度级-梯度Otsu算法能增大分布概率较低的阈值类间方差,减少背景与目标间差异对分割的影响.仿真实验结果表明,4种算法中,2维鲸鱼优化加权的灰度级-梯度Otsu算法的分割精度及效率均最高.     

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.     

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。     

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.     

基于顶帽变换和最大类间方差法的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法。然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,提出的方法可以实现快速、准确地分割。     

基于顶帽变换和Otsu的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法;然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,本文提出的方法可以实现快速、准确地分割。     

二维Otsu拟合线阈值图像分割方法

针对已有二维Otsu线阈值法分割方法存在的因误分类而导致的分割质量下降、抗噪性能不足的问题.结合二维Ot-su折线阈值算法和曲线拟合方法,提出了二维Otsu拟合线阈值图像分割方法.本文方法是在二维Otsu折线阈值法基础上进行改进.先对二维直方图中边界信息或噪声所属区域的像素点迭代分割,并设定迭代停止条件,以获得多个阈值点,然后引入曲线拟合的方法,将多个阈值点拟合成线阈值,最后以此线阈值作为分割标准实现分割.实验结果表明:利用本文方法对边缘丰富的图像分割具有较好的分割效果,抗噪能力和自适应能力更强,普适性更高.     

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。     

基于差分计盒法和数学形态学的路面裂缝分割和提取方法

路面裂缝检测是道路维护工作的重要内容之一。分维数可以很好地表现裂缝的特征。在差分计盒方法计算图像分维数的基础上,提出了一种改进算法;并将其应用到路面裂缝图像的阈值化。再结合数学形态学中的膨胀、腐蚀、开和闭运算以及底帽变换,采用多个合适的结构元素,在阈值化的裂缝图像基础上进行裂缝骨架提取,并去除噪声和毛刺,将利用该方法得到的检测结果与利用最大类间方差法和Canny算子得到的结果比较,表明该方法能够很好的实现路面裂缝的分割和提取。分割提取的裂缝位置准确,抗噪性能改善,更具实用性。     

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.     

改进的三维Otsu阈值分割法及其快速实现

常用的三维直方图一般由灰度级-平均灰度级-中值灰度级构成,其区域划分方式存在明显的不足。对此,本文提出了一种改进的三维Otsu法。该方法基于灰度级-平均梯度-中值梯度建立三维直方图,采用新的区域划分方式提高划分精度;为提高算法效率,推导了该方法的快速迭代公式。测试实验表明:与传统三维Otsu法相比,该方法的计算效率高,分割精度好、抗噪性强,表现出较好的应用价值。     

分形维的自适应阈值选取与图像增强

对于低对比度纹理图像的感兴趣区域,如果直接采用最大类间方差法是很难将图像分割的.于是,在分形理论的基础上,提出了用加权分数维进行灰度增强的方法,找到了作为判断准则的基本系数,并以肺部CT图像中的肺结节为例进行分割与识别,得到了比较好的效果.     

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.     

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.     

结合空间信息的FCM脑图像分割

针对传统模糊C均值聚类算法(FCM)在图像分割时没有利用图像的空间信息而对噪声敏感、分割结果不够准确的问题,提出一种结合空间信息的FCM改进算法.该算法利用邻域像素间的灰度差异计算出邻域加权系数,并利用该系数对中心像素的隶属度进行更新,控制邻域像素对中心像素的不同影响;该算法还利用了快速FCM算法对图像进行初始分割.对MRI脑图像分割的实验结果表明FCM改进算法简单有效,具有较强的抗噪能力,能取得较好的图像分割结果.