基于一维熵的图像阈值自动选取

图像的直方图双峰不明显时,选择分割阈值就很困难。本文提出用图像的香农(Shannon)信息熵来克服这一困难,并进行了理论推导,提出了实现算法。实验结果表明,本算法对任何形状的直方图,均可自动选择分割阈值。     

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。     

基于分割图像最大信息量的阈值化算法

简述了目前利用熵的原理对图像进行阈值化分割的几种方法,把图像假设为L个符号的信息源,图像的分割类比于数据信号通过有扰信道过程,分割后的图像具有一定信息量,提出使分割后的图像具有最大信息量的阈值化方法。将图像背景与目标的条件概率假设为正态分布,利用贝叶斯公式估计出其后验概率,搜索使分割后的图像具有最大信息量的阈值,比较了新算法与其它基于香农熵算法的特点和分割性能。     

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。     

基于遗传算法的类间方差图像阈值分割

阈值分割是一种广泛使用的图像分割技术,分割效果的关键在于阈值的选取。本文采用最大类间方差准则来自动选取阈值,并将遗传算法应用到类间方差的寻优过程中,大大提高了运算速度,使阈值选取更加精确,通过实验表明,该方法能够有效地保留分割后图像的纹理信息,是一种有效的图像分割方法。     

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。     

二维熵阈值分割的快速算法

提出了一种快速二维熵阈值分割方法，将计算复杂性从一般二维熵方法的Ｏ（Ｌ）减少至Ｏ（Ｌ＾２）实验证明，对每一幅图象运算时间从２ｈ以上降至１０ｓ以内，同时计算所需存贮空间也大大减少，该算法提高了计算效率。     

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。     

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。     

基于目标、背景比例的灰度图像自动阈值选取法

最大类间方差法(Otsu法)因其计算简单、自适应性强而成为被广泛使用的图像阈值自动选取方法.在分析Otsu法原理的基础之上,提出了一种改进的最大类间方差法.为了提高分割效果,该方法同时考虑了背景和目标的类间距离和类内距离.与同类方法相比,提出的方法将目标和背景所占的比例作为权值修正了现有的方法,使得衡量类内距离的目标与背景的平均方差按照目标与背景的面积划分.Lena、Cameraman标准测试图像以及杂草图像的仿真结果验证了本方法的有效性.     

基于最小类内离散度的改进Otsu分割方法的研究

提出了一种改进的Otsu阈值分割方法,该算法结合了最小类内离散度与最大类间方差.类内方差越小,类的内聚性就越好,据此提出分类的类内离散测度,综合最大类间方差,定义了新的阈值识别函数.实验结果表明:该方法克服了传统Otsu阈值分割信息不完备的缺陷,具有更强的抗噪能力,分割效果明显.     

灰度图象的二维otsu自动阀值分割研究

研究了灰度图象的二维ｏｔｓｕ自动阀值分割法．根据灰度图象的象索点灰度，邻域均值二维直方图的分布特点，给出了一个新的分割阀值判决函数．理论分析与实验结果表明：该阀值判决函数比仅使用一个二维矢量阀值具有更强的抗噪声能力，分割性能更好．     

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     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

图像处理技术在评分记录识别中的应用

在评分记录的识别处理中,如何快速、准确地识别出记录结果并不容易.针对实际应用解释了采用分档次评分方式的原因,讨论了应用图像处理技术来识别评分记录时的难点,提出了基于分档的识别方法.试验结果表明,提出的方法能保证识别过程的准确性与灵敏度,且符合比赛评分的实时性要求.     

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.     

二维灰度直方图上的距离判别分割方法

在图像的二维灰度直方图上,通过距离判别的方法得出在其上进行聚类划分的依据,即一条二次曲线．用此曲线进行分割的优点在于能考虑到二维灰度直方图上的所有像素点．理论分析和实验结果都表明,此方法较二维灰度直方图上的其它阈值分割方法优越．     

An image denoising method based on multiscale wavelet thresholding and bilateral filtering

A novel image denoising method is proposed based on multiscale wavelet thresholding (WT) and bilateral filtering (BF). First, the image is decomposed into multiscale subbands by wavelet transform. Then, from the top scale to the bottom scale, we apply BF to the approximation subbands and WT to the detail subbands. The filtered subbands are reconstructed back to approximation subbands of the lower scale. Finally, subbands are reconstructed in all the scales, and in this way the denoised image is formed. Diff...