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。     

基于灰度最优阈值的图像分割方法及应用

讨论了在对图像进行分割时的一维、二维灰度直方图分割方法，对最优阈值灰度分割方法原理进行了描述，得出了最优阈值灰度分割算法。实验结果表明：利用此算法对图像进行分割能够得到较好的分割效果。     

一种二维直方图阈值化图像分割的后处理方法

在灰度图像的二维阈值化分割方法中，存在部分可能的噪声或边缘点，而没有对其进行处理或处理很草率，针对这个不足，提出了一种进一步将这种点归类，提高分割质量的后处理方法，该方法通过考察这种点的8-邻域或16-邻域内的其他点的分布情况，比较这些点到相应的邻域中分属于目标和背景的两类点中心之间的距离，将这些点分割到距离较小的一类中，以达到将图像中的所有点进行归类的目的，实验分析表明，这种后处理方法提高了分割的准确性，减少了分割错误。     

一种基于自适应阈值的图像分割算法

为提高目标检测概率，针对复杂的地面目标红外亚图像，提出了一种以最大类间方差法为基础的自适应阈值图像分割方法。用分割出的目标和背景区域的灰度统计量，设计了一个判断是否得到正确分割的准则．理论分析和实验结果表明，对于复杂背景下低对比度、低信噪比的地面目标，不论目标在图像中所占面积大小，利用该方法均可得到正确的分割结果．通过设置阈值运算的灰度取值范围，可大大减少计算量，节省处理时间．     

阈值化图像分割算法研究

本文将阈值化分割算法划分为几类,以时间顺序分别介绍了每种方法的研究背景,并讨论其优缺点。     

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。     

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。     

图像分割的阈值法研究

阐述了阈值分割法的基本原理,介绍了常用的阈值选取方法,并实现了全局阈值和动态阈值对图像的分割,给出了实验结果,分析了阐值法的特点,讨论了阈值法在图像分割中的应用。     

图像分割技术探究

本文分析了图像分割的含义,总结了图像分割的途径,详细介绍了灰度阈值法分割图像的方法。     

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。     

基于阈值的图像分割方法的研究

介绍了图像分割的定义和基于阈值选取的图像分割方法,分析了直方图阈值和最佳阈值法。     

基于模糊阈值的图象分割方法

叙述了采用模糊阈值进行图象分割的基本原理，提出了简化资格函数形式和采用直方图中值滤波处理方法，算法简单直观，计算机仿真表明图象分割结果比较理想．     

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...     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

基于阈值分割法和卷积神经网络的图像识别算法

针对传统卷积神经网络严重依赖数据量的问题, 提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法, 通过均值迭代阈值分割法过滤图像背景, 并基于AlexNet构造新的卷积神经网络. 与其他常用的卷积神经网络进行对比实验结果表明, 在样本数量不足的图像识别任务中, 该算法识别效果较理想, 与其他卷积神经网络相比, 具有更高的识别准确度、 更低的识别误差和更快的收敛速度.     

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。     

基于遗传算法最佳阈值分割的矿石图像分割

为了实现选矿的自动化,通过利用工业摄像机对传送带上的矿石颗粒图像进行采集,Matlab对采集的图像依次进行双边滤波降噪处理、遗传算法最佳阈值分割、分水岭分割、矿石颗粒像素标定以及像素面积检测的方法研究了矿石的粒度分布,结果表明：与人工筛分的数据进行对比,显示图像处理的结果在误差允许范围内。可见运用图像处理的方法进行矿石粒度的检测是可行的,能够为矿石的破碎提供数据指导,促进矿业生产的自动化和智能化。     

基于清晰度评价的自适应阈值图像分割法

阈值法是一种被广泛使用的图像分割方法.本文从图像中信息的变化情况出发,提出一种基于图像清晰度评价的新颖的自适应阈值分割方法.该方法采用清晰度评价函数作为阈值化后图像内灰度相似性变化的度量方法,通过反复迭代并结合皮尔逊相关性直至找到最佳的分割阈值.通过多组图像数据尤其低对比度图像,包括钢板表面轻微缺陷等图像进行了测试对比.结果表明:相比传统阈值分割方法及其改进算法,在低对比度图像的处理上,本文方法能够自适应地准确找到合理阈值,具有优异的图像分割性能.     

改进免疫遗传算法用于图像阈值分割

在图像阈值分割中,基于遗传算法的分割方法存在着运行速度慢、易形成未成熟收敛等缺点.针对这一问题对其进行了改进.改进的免疫遗传算法在免疫算子中引入疫苗接种机制,极大地提高了收敛效率,对交叉概率和变异概率进行了改进,避免了局部收敛,以保证改进算法能收敛到全局最优值.实验结果表明,改进的免疫遗传算法比传统的算法提高了运行效率,解决了全局搜索不收敛和局部搜索不到最小值的问题,并具有更好的收敛稳定性.     

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。