基于遗传算法的图像阈值分割算法研究

图像分割是图像处理的一个重要研究方向,本文在介绍了基于阈值的图像分割算法的基础上,针对最大类间方差的寻优问题,利用遗传算法求解最佳阈值,大大提高了计算速度。     

基于自适应多尺度的血液细胞图像阈值分割方法研究

提出一个基于自适应多尺度滤波的阈值分割方法,对血液细胞图像进行了自动分割。首先,对图像原始直方图进行多尺度滤波,根据它的尺度空间图特性,确定合适的滤波尺度,然后完成对谷点由“粗”到“精”的定位,并作为阈值对原始图像进行分割;其次,利用松驰方法对分割图像作后处理;最后,将该方法与其他阈值分割方法做了分割性能的比较,证明了算法的有效性。     

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。     

基于神经网络的自适应图像分割

非均匀光照条件下的图像目标难以用阈值选取方法分割，本文使用神经网络建立自适应阈值曲面，以此作为图像分割的依据．自适应阈值曲面由图像中具有高Ｌａｐｌａｃｅ值的边缘拟合而成，拟合过程由神经网络实现．计算机摸拟证实了此设想的可行性以及相对阈值分割方法的优越性．     

一种自适应小目标图像分割方法

将遗传算法用于小目标图像分割,提出了目标在图像中所占比例的可能范围参数,并结合P-tile法和直方图熵法得到一种新的适应目标分割方法,该方法克服了传统P-tile法要求己知目标所占确切比例的缺陷,并利用遗传算法能自动在搜索空间内快速寻优的特点,可以推广到包含任意大小目标的图像分割问题上,用户可选择目标占整个图像面积的不同的“最小百分比”和“最大百分比”参数进行反复操作,得到多个不同结果,然后对这些结果做后续分析（如数据融合分析）,从而得到更加准确的判断,试验结果表明,该方法具有良好的分割质量,运算速度提高21.5%。     

图像阈值分割算法研究

图像阈值分割的方法很多,但目前很难找到适用于各种场合的分割方法。本文针对实际情况对几种分割方法进行了分析比较及实验研究。在此基础上引入了遗传算法,加快了算法的收敛速度。最后将一种改进的遗传算法用于优化图像分割,取得了较好的分割效能。     

血液细胞的图像阈值分割方法

阈值法是最基本的图像分割方法之一，被应用于很多领域，特别是在图像相对简单的生物图像处理方面得到了广泛地使用。介绍了运用计算机对生物细胞图像进行处理和分析，对血液细胞图像进行了自动分割，能在一定程度上协助医生对病症进行诊断。     

基于模糊最大类间方差的图像分割算法

阈值分割是一种被广泛使用的图像分割技术,其技术关键,确定合适的分割门限。为了体现图像中因模糊不确定性产生的信息量,本文在Ostu算法的基础上引入隶属度的概念,提出了模糊最大类间方差法。通过利用亚采样图像获取分割门限,提高了算法效率。实验仿真结果表明：该方法在分割质量上取得了很好的效果,时间复杂度也有所降低。     

阈值分割算法在图像处理中的应用

图像分割就是根据图像的某些特征或特征集合的相似性准则对图像进行分类,把图像空间分成若干个某些具有一致性属性的不重叠区域。本文在介绍了阈值分割三种算法的基础上,通过matlab仿真实验结果分析比较了三种算法的优劣性。     

基于模糊聚类与二维阈值的图像分割

针对图像的二维阈值分割,采用了一种快速二维阈值分割与模糊聚类相混合的方法,以进一步减少二维阈值分割中的噪声与错误分割,实验结果表明,利用这种方法分割信噪比较低的图象,能够在很短的时间内得到更为满意的分割结果。     

一种用于彩色图像处理的自适应阈值分割方法

提出的三维空间局部兴奋全局抑制振荡网络是一种自适应阈值分割方法 ,它首先将图像中不同颜色的目标有效地分割出来 ,然后标记目标中重要的细节部分 .在此基础上 ,还针对某些彩色图像中含有纹理性质目标的情况 ,对这种方法进行了改进 ,将此用于彩色岩芯切片图像的分割取得了较好的效果     

图像测量中条带图像的分割

在图像测量中，需对复杂光场下获取的图像进行分割，用常用的阈值分割方法对其进行分割时，不能很好地克服光照明暗不同对图像产生的影响，提出了一种基于零交叉检测器的动态阈值选取方法，经过在实际项目中运用，证明其效果良好，能有效克服非均匀光场对图像分割结果所带来的影响。     

图像测量中条带图像的分割

在图像测量中，需对复杂光场下获取的图像进行分割，用常用的阈值分割方法对其进行分割时，不 能很好地克服光照明暗不同对图像产生的影响。提出了一种基于零交叉检测器的动态阈值选取方法，经过 在实际项目中运用，证明其效果良好，能有效克服非均匀光场对图像分割结果所带来的影响。     

基于Chan-Vese算法的自适应分等级分割方法

针对多目标物体图像的分割问题,在Chan-Vese多相分割模型的基础上,结合分等级分割的概念,提出自适应分等级分割方法,在每一阶段分割之前能够先根据图像中的物体数量判断出所需要的Level Set函数的个数,再进行分割工作.实验结果表明,自适应分等级分割方法不仅消除了多相分割模型对初始化曲线位置敏感的不足,而且能够充分利用每一个Level Set函数,减少分割步骤,并且能提高弱边界的提取精度,是一种有效且稳定的方法,能够产生光滑、准确的分割结果.     

自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

图像分割技术研究

对传统的图像分割方法和近年来出现的一些新方法进行了综述,并分析了每类分割方法的特点,探讨了图像分割技术的未来发展方向。     

Adaptive segmentation based on local image attribute

The problem of automatic threshold selection is considered. After a brief discussion of several available techniques, an adaptive thresholding technique is proposed. It is based on the local edge information which can be computed without histogramming the gray level value of the image. This method is specifically designed to deal with gradual shading situation. The effectiveness of the method is shown on a practical example. Supported by National Defence Scientific Work Committee Foundation of China Sun Xiaoan: born in May, 1968, Ph. D     

基于耗散结构的改进遗传算法求取红外图像二维阈值

在二维阈值化分割算法的基础上,提出了一种新的改进分割算法运算效率的遗传算法,在对耗散系统理论研究的基础上,将简单遗传法与耗散结构相结合,构成一种新的算法,并对该算法求解红外图像二维阈值问题进行了仿真研究。仿真计算结果表明：用这种方法求解红外图像二维阈值分割问题,计算效率大大提高,而且求解性能较简单遗传算法有很大的改善。     

一种基于PCNN的参数自适应图像分割方法

针对在基于脉冲耦合神经网络（PCNN）模型的图像分割中,如何确定合适的网络参数的问题,提出一种基于PCNN的参数自适应图像分割方法。该方法通过设定神经元合适的捕获范围和连接值,综合利用图像像素邻域的灰度信息,结合PCNN网络参数间的相互联系,实现对模型参数自动确定。仿真实验表明,该方法可有效地对不同图像进行自适应分割。与传统的PCNN图像分割方法相比具有一定的优越性。