基于蛙跳算法与Otsu法的图像多阈值分割技术

 为了快速准确地确定多阈值图像分割中的最佳阈值,提出了一种基于蛙跳算法与Otsu法相结合的多阈值图像分割方法.该方法将多阈值求解看作一种多变量的组合求解优化问题,利用多阈值Otsu法设计分割目标函数,将新兴的仿生学优化求解算法——蛙跳算法引入到图像分割技术中,通过蛙跳算法中全局搜索和局部搜索相结合的搜索机制并行求解多个阈值.实验结果表明,该方法与基于人工鱼群算法的图像多阈值分割方法相比,明显提高了图像分割速度和分割质量.     

基于图像连续表示的角点检测

为研究基于数字图像连续表示的角点检测方法,利用弦理论给出了离散数字图像的连续表示形式,利用快速付里叶变换实现了离散数字图像的连续表示和重建.通过计算小矩形区域的积分对直线段进行了检测.将角点的响应函数定义为平行四边形面积的大小,利用检测出的有向直线段,实现了对角点的检测.运用不同于传统的离散图像角点检测方法进行了角点检测实验,结果表明:它对图像的噪声有较强的适应性.     

基于全局优化方法的SAR图像快速分割算法

为解决变分水平集分割模型能量泛函的非凸性及其易陷入局部极小值解的问题,研究变分水平集分割模型的全局优化问题.基于Aubert-Aujol (AA)去噪模型和变分水平集方法,提出一个局部统计活动轮廓模型;然后通过凸松弛技术将提出的模型转换成全局优化模型;再利用分裂Bregman技术将全局优化模型转化为两个易于计算的Shrinkage算子和Laplace算子.通过对合成图像和Envisat SAR图像的分割实验,提出的全局分割模型不仅能够快速地得到全局最小值,而且比经典模型更准确地得到图像分割边缘.      

利用变精度粗糙集和粒子群的图像多阈值分割算法

图像分割是由图像处理到图像分析的关键步骤,也是计算机视觉领域中的热点和难点问题.为了寻找图像分割的有效方法,将变精度粗糙集和粒子群相结合,提出了利用变精度粗糙集和粒子群的图像多阈值分割算法.该算法用变精度粗糙集表示图像,求解背景子图和目标子图的分类误差,确定子图的上下近似集,再用最小粗糙熵求解最佳多阈值分割点.引入粒子群优化算法提高求解该值的效率.实验表明,该算法显著增强了图像分割的效果,并具有一定的实用性和灵活性.     

基于区域划分和改进C-V法的医学图像分割方法

提出了基于图像区域划分和改进C-V法的活动轮廓图像分割方法.通过区域划分的方法将整幅图像的分割问题转化为在不同的子区域上分别进行的图像分割问题,并在各子区域中采用改进C-V法进行图像分割.改进的C-V方法在简化Mum ford-Shah泛函的能量函数中增加距离函数惩罚项,从而将距离函数重新初始化的过程并入整个水平集框架模型中;并在分片常数优化逼近中,添加了图像梯度信息,改变了C-V法中均值取值定义,提高了对灰度层次丰富的图像分割能力.实验表明,该方法对灰度值接近、边界模糊的医学图像有很好的分割效果.     

基于极坐标系下二维直方图的图像分割算法

基于二维直方图的图像分割算法存在明显误分,且利用二维Renyi熵求解最佳阈值计算量过大.为解决这些问题,提出基于极坐标系下二维直方图的图像分割算法.首先,将图像各像素点表示在极坐标系中,根据各点的极角区分噪声点和非噪声点;然后对噪声点进行平滑处理,处理之后图像各像素点都集中在极坐标系中极角为45°的极径附近.由于滤噪后各像素点的极角差别很小,所以仅利用各点的极径信息即可进行分割阈值的选取,由此将二维问题转化为一维问题,以减少计算量.实验结果表明,该算法分割效果良好,尤其适用于受噪声污染较严重的图片,而且与传统二维算法及其改进算法相比,运行速度有很大提高.     

细菌觅食算法优化归一化准则的彩色图像分割

为了求解彩色图像分割问题,采用一种基于离散细菌觅食算法优化归一化准则的彩色图像分割方法。引入模糊C均值聚类算法对图像预处理,降低算法维度;同时用细菌觅食优化算法求解Ncut的最小值,提高了算法的稳定性和收敛速度;通过最优个体菌得到分割结果。实验表明,该方法能够较好地分割图像,优于SM算法和遗传算法处理问题的分割效果,且耗时少。     

利用超图图割的图像共分割算法

针对基于传统图割的图像共分割算法存在计算复杂度高而导致分割效率低的问题,提出了一种基于超图的图像共分割算法,利用超图能更简洁有效地代表图像中特征关系的特性来提高图像共分割的效率。该算法首先对具有相似前景的2幅图像分别进行Mean-shift过分割,并将得到的过分割区域分块作为超图的节点;然后利用分块的颜色直方图计算所有分块间的相似性,并将相似的分块对应的相似节点集合和单幅图像中相邻节点集合作为超边并计算其权值,构造超图;最后利用基于谱分析的近似算法求解超图归一化分割问题,获得图像对的共分割结果。实验结果表明,所提算法相比于单幅图像的归一化分割算法以及基于传统图割的图像共分割算法具有更好的分割效果,同时分割时间缩短至少45%。     

基于区域的活动轮廓图像分割模型的变步长优化算法

基于偏微分方程图像分割的活动轮廓模型,基本思想是将图像分割归结为最小化一个封闭曲线的能量泛函,图像分割问题实质上是一个无约束最优化问题.传统最小化算法的数值实现过程中采用固定时间步长的方法,时间步长选取较大,迭代过程容易出现震荡现象影响分割结果,而时间步长选取较小,又会减慢收敛速度.利用Wolfe-Powell线搜索方法,提出了一种变时间步长的优化算法,在迭代过程中根据搜索方向自动调整时间步长大小,有效克服了固定时间步长出现的震荡现象和收敛速度慢的问题.     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

局部区域的水平集变分法在图像分割中的应用

图像分割是数字图像处理和计算机视觉的重要研究领域,其目的是将图像分割成互不相交的几个子区域.文章引入分片常数水平集思想,每个区域用一个单独的常数表示.无论图像被分割成几个不同的子区域,只需要求解出一个水平集函数.本文提出的分割法避免了水平集初始化位置引起的分割效果不同的问题.由于没有使用不可微的Delta函数和Heaviside函数,本文的能量泛函是局部凸且可微的.大量的实验数据对比显示本文分割更高效.除此之外,新模型对强破坏性噪声具有鲁棒性.     

基于学习和全变分最小化的超分辨图像复原

由于全变分在图像处理中可以保留图像边缘信息,提出了一个基于学习的超分辨率图像复原方法,将全变分最小化(TV)正则项引入到基于稀疏表示的图像复原模型中.通过引入新的变量,将本模型转化为两个易于求解的优化问题,然后采用交替迭代法对模型进行求解.同时考虑了图像的特征信息,利用图像的非局部相似性和迭代反向投影算法对复原图像进行处理.实验结果表明,提出的方法在视觉效果和峰值信噪比上优于传统的插值算法和基于稀疏表示的方法.     

基于局部直方图信息的相似图像组分割模型

针对ACGS模型不能有效分割具有纹理变化的相似图像组问题,提出一种基于图像局部直方图信息的协同分割模型.该模型能量泛函分为两项,一项为基于图像直方图信息的数据项,反映了图像组中每张图像的纹理信息;另一项为用形状矩阵的秩表示的相似性约束项,用来控制待分割图像之间目标形状的相似性,其中形状矩阵中每个列向量代表图像组中一幅图像的目标轮廓.同时,在SUN显著图上演化CV模型实现轮廓的初始化,提高了ACGS模型对初始轮廓位置的鲁棒性.实验表明,该模型对具有纹理变化的形状相似图像组分割效果优于ACGS模型.     

利用改进CV模型连续水平集算法的核磁共振乳腺图像分割

针对核磁共振乳腺图像边界弱、信息量大、信噪比低的问题,提出一种基于改进Chan-Vese(CV)模型的连续水平集分割算法。该算法利用B样条基函数将传统离散水平集函数表示成连续形式,用解决B样条空间的变分问题代替水平集函数更新的计算问题;通过引入转移Heaviside函数,构造α-CV模型作为能量函数模型。实验结果表明,与传统CV模型离散水平集方法相比,该算法可以避免局部极小值的现象,提高分割精度,有效抑制噪声,分割迭代次数降低了101数量级,并且可以准确、稳定地实现低信噪比、弱边界的核磁共振乳腺图像分割。     

基于并联结构的精准火焰图像分割方法研究

为解决复杂环境下火焰图像分割中产生的误分割及漏分割问题,提出一种火焰图像分割方法．首先将该方法分成初分割和抑制干扰两部分,然后采用并联结构进行粗分割,最后利用区域生长算法进行精准分割．在初分割部分,利用火焰最显著的红色分量对图像进行分割,基于二维最大熵法使用截断技巧,合理求解红色分量阈值;在抑制干扰部分,根据火焰反光区域蓝色分量值存在大幅度衰减现象,采用蓝色分量阈值分割,较好抑制了火焰反光．实验结果表明：所提出的方法有较高的精度和较强的抗干扰性,能解决复杂环境下火焰图像分割问题．     

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。     

基于特征点和轮廓特征的粘连数字分割

提出一种粘连数字分割的新方法．利用粘连数字图像细化后得到的特征点给出图像的图表示,然后结合粘连数字的轮廓特征给出分割候选点,最后利用本文定义的分割效果评价标准,从分割候选中给出最佳分割．实验证明本文给出的新方法具有分割结果良好并且速度快的特点．     

基于QPSO的图像分割算法

文章将具有量子行为粒子群优化(QPSO)算法应用到图像分割中,提出了一种新的图像分割算法.新方法基于最佳熵阈值分割技术,用QPSO算法自适应选取分割阈值;仿真实验针对Lena图像分割问题,将标准粒子群优化(PSO)算法与QPSO算法分别独立运行,仿真结果表明,基于QPSO优化的图像分割算法不仅克服了PSO容易过早陷入局部最优值的缺点,而且分割速度更快,是一种更有效的分割方法.     

基于能量泛函的快速去雾算法

为了快速复原雾霾退化图像场景辐照图,提出一种基于能量泛函的模型求解算法。利用大气退化模型,首先估计降质图像的大气光;针对图像是否包含天空区域分开进行求解,较传统固定模式的求解算法更为准确有效;通过白平衡运算简化求解模型,建立新的环境光项表达式;尔后利用暗通道先验估计暗通道图像;根据假设和先验信息,构建暗通道图像与环境光项的能量泛函模型,引入L1和L2范数变换模型,通过切分Bregman迭代算法求解图像的环境光;最后将环境光项代入简化模型中反解出复原图像。通过实验验证,算法对于雾霾退化图像恢复效果较好,且较传统复原算法具有更高的运算效率。     

基于概率图谱和Random Walker的肝脏三维分割算法

针对腹部CT图像内部结构复杂和相邻脏器灰度相近而导致分割精度较低的问题,提出了一种新的基于概率图谱和Random Walker的三维肝脏分割算法.首先利用大量的由医生分割的肝脏区域图像建立肝脏存在位置的概率图谱,表示肝脏解剖位置信息;然后提出了改进的全自动的Random Walker算法,并建立由Random Walker优化的灰度概率图谱;最后基于该灰度概率图谱从腹部CT图像进行肝脏三维分割.实验结果表明,提出的算法能够有效地进行肝脏区域的分割并具有较好的鲁棒性,与传统算法相比,分割精度得到了明显的提高.