梳棉棉网中棉结的在线视觉识别

针对国内棉纺织企业采用目光检测法检测半成品中棉结含量存在检测精度低、速度慢等问题,应用计算机视觉技术,设计棉结在线识别系统.采样得到的棉网图像,经图像预处理消除光照不匀和噪声等因素后,采用一维最大熵法结合初始分割阈值和面积阈值的方法来识别棉结,并将识别结果与人工目测结果进行对比.研究表明,本文的识别方法具有识别精度高、速度快、误检率和漏检率低等特点,符合在线检测连续性要求.     

遗传算法在自动阈值图像分割中的应用研究

本文在分析最大类间方差法原理的基础上,提出一种简捷的自动阈值选取的图像分割算法,该方法把图像分割最佳阈值选取转换成优化问题,利用遗传算法的寻优高效性,将遗传算法引入求解最佳阈值,实现图像分割。实验证明,新算法不仅分割质量好,而且高效可靠,极大地缩短了寻优时间。     

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．     

基于灰度迭代阈值的高分辨率影像分割研究

图像分割技术为遥感图像解译和分类的一种重要方法,目前主要应用在中分辨率影像中,由于高分辨率影像的信噪比低,直接进行图像分割,效果不佳．对2010年3月湖北省襄阳市高分辨率的快鸟影像,进行降噪处理及改进阈值策略来改善灰度迭代阈值法的图像分割效果．首先运用数学形态学的闭运算对影像进行降噪处理,然后采用灰度迭代阈值法和最大类问方差法的图像分割对影像进行分割对比研究．结果表明,灰度迭代阈值法在时间效率及影像分割效果方面优于最大类间方差法．     

基于图像灰度变换的OTSU阈值优化算法

针对X射线图像裂纹缺陷的分割问题,研究了基于图像灰度变换的OTSU阈值优化算法.通过引入灰度变换函数,建立图像灰度变换与最大类间方差之间的关系,解决由灰度分布不均匀产生的图像分割问题.通过OTSU阈值优化问题的设计,在图像灰度变换与图像分割之间寻求一个最佳策略,找到使类间方差达到最大的阈值及对应的灰度变换函数,由此得到...     

一种改进的基于类间方差的阈值分割法

在图像的目标和背景像素灰度均服从正态分布时,提出了一种改进的基于最大类问方差法的图像分割算法．对新算法进行了测试并与最大类间方差法和最大熵法进行了比较,结果表明,新的改进算法在图像分割过程中具有速度快、效果好的特点．     

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。     

基于最大熵的灰度阈值选取方法

图像分割是图像处理中的一个重要问题。在最大类间方差法和一致性准则法的基础上,运用最大熵原理来选择灰度阈值对图像进行分割。实验结果表明,本算法确定的阈值具有更佳的分割效果。     

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。     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

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.     

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.     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题,提出一种基于大津算法和深度学习的阈值计算方法.首先,采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征;其次,通过Gauss混合模型计算特征的相似度值,对特征的相似度值使用大津算法计算阈值.实验结果表明,该方法识别效果较理想,与等错误率计算阈值...     

平移不变自适应块阈值图像去噪算法

为有效抑制图像阈值去噪产生的伪吉布斯现象,提出了平移不变自适应块阈值图像去噪算法(ABTTI).即,首先在小波域中将小波系数分成子块,然后利用块平移不变性、块阈值自适应性,并采用本文提出的基于子块能量的自适应阈值方法计算分块阈值.利用3种经典测试图像,与软阈值、块阈值等算法进行对比,结果证明ABTTI算法不仅具有好的去伪影性能,而且可以获得更高的峰值信噪比和计算效率.     

基于Fisher分类和自适应阈值的分形图像编码方法

根据分割的迭代函数系统(PIFS)理论,在Fisher分类方法的基础上,依据分类后图像块的特征使用自适应阈值搜索与range块属于同一类的相匹配的domain块来进行分形图像编码,并对典型测试图像进行实验,与传统的固定阈值方法的性能进行比较。结果,在相同比特率上,相对于传统固定阈值方法,自适应阈值方法极大地提高了压缩比,减少了编码的时间,自适应阈值方法得到的解码图像质量明显好于传统的固定阈值方法。     

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.     

应用局部自适应阈值方法检测圆形标志点

利用圆形标志点的几何和灰度特征,在图像中搜索具有符合该特征描述的区域,对圆形标志点进行粗定位.对粗定位区域的扩展区域使用最大类间方差阈值分割法分割出圆形标志点轮廓,并对像素轮廓进行最小二乘拟合,计算出圆形标志点的中心坐标及拟合轮廓各参数,根据该参数筛选保留所需标志点中心坐标.结果表明:该方法使用局部的大津阈值检测圆形标志点,能够避免全局阈值的缺陷,提高标志点检测的检出率;采用最小二乘椭圆拟合提取标志点中心,能够达到亚像素级精度.     

基于平稳小波变换的邻域依赖自适应软阈值图像降噪

传统正交小波变换降噪方法会引起图像边缘失真,针对其不足,研究了平稳小波变换图像降噪。平稳小波变换去除了下抽样处理,包含在小波系数中的信息是冗余的,同时结合贝叶斯估计的自适应软阈值,提出了一种新的图像降噪算法。通过仿真实验将该方法与Winner2,VisuShrink,BayesShrink方法进行比较,试验结果表明,该方法不仅有效地去除了噪声,而且提高了图像的峰值信噪比。