基于度信息的图像过渡区提取与分割

提出一种基于度信息的图像过渡区提取与分割算法．将一幅图像映射为带权无向图,权函数定义为节点之间的相似度,由于目标内部与背景内部的像素同质性好,相似度大,因此度值较大,而边缘像素的度值就小,由此提取过渡区并进行图像分割．实验结果表明,本方法能够稳定地提取过渡区,且处理速度明显优于原有的过渡区提取方法。     

图像过渡区直接提取与分割快速算法

以往的过渡区直接提取与分割算法速度较慢,抗噪性差.提出将一种局部复杂度参数用于图像过渡区提取与分割算法,实验结果表明,算法运算速度快,抗噪性好,且不存在小样本问题,易于硬件实现.     

基于韦伯定律的过渡区提取及阈值分割

近年来,基于过渡区的图像阈值分割方法成为图像分割中的一种新方法。针对有效平均梯度法和局部熵法没有同时考虑图像灰度变化的幅度和频率,通过分析过渡区域的属性,提出一种基于韦伯定律的过渡区阈值分割算法。韦伯定律可以有效地表示过渡区的本质。因此,提出算法能够准确地提取图像的过渡区,并得到理想的分割结果。根据一些图像分割的定量评价标准,做了一系列实验,与两种典型的过渡区阈值分割算法相比,提出算法的计算复杂度较低的同时还具有很好的提取图像的过渡区域和分割性能。     

基于递归式形态学算子过渡区提取的图像分割方法

本文提出了一种新的图像过渡区提取及图像分割方法。首先根据形态学的开、闭运算的几何意义,以某一尺度的结构元,以二者之间的差集构造一个粗糙的过渡区,然后采取递归的思想进一步构造精细的过渡区,最后利用过渡区得到图像分割的阈值,从而实现图像的分割。实验结果表明本文方法具有较强的抗噪性,并能取得良好的分割效果。     

基于最大相关法的图像阈值分割

提出了一种基于最大相关准则的图像阈值分割法．该算法比基于最大熵原理的图像分割法更简便．另外，本文采用遗传算法搜索最佳闽值，并对算法中的交叉算子和有关运行参数进行了改进．实验结果证明了该算法的快速性、有效性和稳定性．     

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．     

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.     

简单的图像分割多阈值法

图像分割是对图像进行视觉分析和模式识别的基本前提。大津法是公认的具有良好性能的阈值分割法。然而,利用大津法计算多个阈值时,消耗大量的计算时间,因此降低了实用性。本文介绍了重复利用大津二分法的简单多阈值方法,实验效果良好。     

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。     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

基于分水岭算法的彩色图像分割

在图像特征提取、识别以及基于特征的图像压缩等领域内,作为关键技术的图像分割方法具有重要的地位。文中针对静态彩色图像,利用形态学分水岭算法对图像进行初始分割,并以结合了边缘和区域信息的合并法则进行图像融合,达到与人视觉系统比较符合的分割结果。     

在遗传算法基础上的自动阈值选取方法

将遗传算法用于图像分割.利用遗传算法自动在搜索空间内快速寻优的特点确定阈值,对图像进行分割.实验结果表明该方法具有较高的收敛速度和良好的分割质量.     

基于PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.     

基于区域生长法的医学图像分割研究

医学图像存在感兴趣区和背景区，感兴趣区是分割的重点。针对基于区域的分水岭分割算法中通常存在的严重过分割现象，而采用2点措施来改进：一是以梯度图像的浮点活动图像取代梯度图像进行分水岭变换，使边缘定位更准确；其二是以基于面积和对比度控制的合并小区域准则，有效抑制过分割现象，同时满足感兴趣区的分割要求。实验表明该算法简单有效，能够得到符合人类视觉系统特性的分割结果，边缘定位精确度较高。     

A novel fast algorithm of mono transition region determination with gray image

There is a transition region between objects and background in any gray image. Many valuable applications of image segmentation and edge detection based on transition region determination have been developed in recent years. But,the complexity of calculation for determining transition region is too high. It results in the very limitation of applications based on transition region. A new novel fast method for transition region determination is presented in this paper, which will reduce the complexity of calculation dramatically. Many experiments have showed that this algorithm is effective and correct and will lay a good foundation for applications based on transition region.     

基于最大区域互信息量的生物细胞图像分割

针对基于互信息量的阈值分割算法没有考虑像素的空间结构信息以及分割后图像与原图像之间关系的问题,提出了一种基于最大区域互信息量的图像分割算法.以区域互信息量作为目标函数,综合考虑图像各像素的邻域数据以及图像内在空间信息,利用粒子群算法找出图像分割的最佳阈值,克服了基于最大互信息量分割方法的不足.     

基于云理论的图像分割新方法

针对区域生长算法的种子点初始化和生长准则问题,提出了一种基于云模型和区域生长的图像分割方法.该方法首先利用云变换对图像进行变换生成云模型,然后利用云模型的Ex作为区域生长的种子点,以云的极大判定法则作为区域生长准则进行区域生长,获得最终的分割结果.这种分割方法不但克服了区域生长法种子点和生长准则选取不当而产生过分割和欠分割的不足,而且很大地提高了云模型分割图片的速度,实验结果证明,该方法可以准确地分割出目标,是一种有效的图像分割方法.