基于信息融合的高炉料面红外图像分割方法

针对高炉料面红外图像特征难以准确提取的问题,提出一种基于多源信息融合和免疫遗传算法的最大模糊熵分割方法.根据专家经验和多源过程检测信息,将高炉料面图像分为高温和低温子图像,采用免疫遗传算法和最大模糊熵分别对子图像进行分割,再将分割后的图像融合.采用国内某钢铁公司高炉炉项摄像机拍摄的图像进行图像分割比较实验.研究结果表明:该方法有效地利用多源信息和高低温图像特征,充分发挥最大熵法分割精度高和受目标大小影响小等优点,通过免疫疫苗接种提高遗传算法搜索最佳阈值的收敛速度;该方法能高效准确地提取高炉料面温度特征,及时发现高炉异常炉况,更符合工业实际应用要求.     

改良遗传算法在图像多阈值分割中的应用

最大熵原则是图像阈值分割的一个重要方法、但是用此方法进行多阈值分割时，存在着计算开销巨大的问题．笔者在M．Srinivas的自适应遗传算法基础上提出一种改良的遗传算法，用于基于模糊最大熵图像多阈值分割，克服了此分割方法计算量大的问题．通过实验，比较了改良遗传算法和M．Srinivas自适应遗传算法及模拟退火算法，显示了改良遗传算法的有效性．     

遗传算法在最大熵多阈值分割的应用研究

图像分割最大熵多阈值算法存在计算复杂度高的弊端,目前针对这个问题所提出的各类算法效果都不太理想.依据遗传算法种群多样性好、收敛速度快的特点,将遗传算法应用到图像分割中,提出了一种基于最大熵多阈值分割技术的图像分割算法.仿真实验表明,新算法不仅能够对图像进行准确的分割,而且运行时间明显少于传统的分割算法.     

遗传算法在最大熵多阈值分割的应用研究

图像分割最大熵多阈值算法存在计算复杂度高的弊端,目前针对这个问题所提出的各类算法效果都不太理想。依据遗传算法种群多样性好、收敛速度快的特点,本文将遗传算法应用到图像分割中,提出了一种基于最大熵多阈值分割技术的图像分割算法。仿真实验表明,新算法不仅能够对图像进行准确的分割,而且运行时间明显少于传统的分割算法。     

一种基于区域生长算法的脊椎椎体提取方法

脊椎椎体三维重建是脊椎应力应变研究的重要环节,对MRI图像中脊椎椎体区域的提取是三维重建的基础。为了准确提取脊椎椎体区域,提出了一种基于区域生长算法的脊椎椎体提取方法。通过最大类间方差法求得到自适应阈值代替传统区域生长算法中的手动阈值,再结合中值滤波算法对原始图像进行预处理,避免了传统区域生长算法手动阈值造成的过分割,或者欠分割等现象;并有效抑制MRI图像噪声,使椎体区域内像素变化更为缓和,弥补了传统区域生长在MRI图像椎体区域内部分割效果不佳的缺陷,准确提取出脊椎椎体并建立出三维模型。     

一种新的图像模糊散度阈值化分割算法

为提高灰度图像分割的效果,提出了一种新的基于图像间模糊散度的阈值化算法及它在多阈值选择中的推广算法。算法采用模糊集合分别表达分割前后的图像,通过最小模糊散度准则实现图像分割中最优阈值的自动提取。算法针对图像阈值化分割的要求构造了一种新的模糊隶属度函数,克服了传统Ｓ－函数带宽对分割效果的影响。将其与多种经典的阈值化分割算法一起,对不同类型的测试图像进行分割比较的结果表明,新算法有很好的通用性和有效性。     

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.     

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。     

基于相似度滤波算法的视网膜血管分割

在计算机辅助眼底图像视网膜血管分割中,基于匹配滤波算法的应用非常广泛.而传统匹配滤波器算法存在分割细小血管效果较差、噪声多以及视盘干扰等问题.本文提出一种相似度滤波算法的眼底图像视网膜血管分割方法.首先用多层阈值和水平集算法提取视盘干扰区域,利用高斯模糊去除视盘干扰区域.然后采用相似度滤波运算对去除视盘干扰的彩色眼底图像进行处理.最后,将余弦相似度图进行二值化后与余弦相似度加强图进行区域连通性判断,实现眼底图像视网膜血管分割.结果 表明,该算法能较好地分割细小血管以及去除视盘干扰,能更为准确地提取眼底图像视网膜血管.     

基于梯度直方图的产品表面缺陷图像自适应阈值分割方法研究

为了提高产品表面缺陷检测精度并降低检测成本,文章以E型磁环表面缺陷的自动检测为例,分析了产品表面图像的特征,提出了一种利用梯度直方图信息的图像自适应阈值分割算法.通过实例,与原自适应直方图阈值分割算法和固定阈值分割算法相比较,结果表明:该算法采用可动态调整的形态学梯度算子计算梯度直方图,抗噪能力强;充分利用了图像的边缘信息和缺陷内部灰度分布不均匀的特性,适应性广;算法简单,具有实时准确分割图像的特点.     

灰度文本图像自适应二值化滤波算法设计及应用

将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。采用改进的大津法计算局部阈值,对滤波结果进行二值化。依据二值化的结果估计滤波的误差,并调整滤波器参数。实验结果表明该算法克服了光照不均和噪声对灰度文本图像二值化的影响,得到了较理想的二值图像。     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．     

基于遗传算法的图像模糊增强的研究

为了实现图像的模糊增强,采用遗传算法得到的模糊参数,选择图像像素灰度的相对等级作为模糊特征,通过模糊映射建立图像的模糊特征平面,采用模糊对比度增强的方法实现图像的增强.实验结果表明采用基于遗传算法的图像模糊增强算法,可以根据不同的图像自动选择最佳的模糊参数,图像质量得到了改善,突出图像的细节,有效地实现了图像的增强效果.     

改进FCMS算法及其在颅内肿瘤图像分割的研究

为了提高脑部肿瘤的磁共振成像(MRI)在肿瘤分割方面的精度和分割效率,提出了自适应阈值蚁群模糊聚类算法(TSAG_PnFCMS)。针对传统的模糊c均值聚类(FCMS)算法对噪声敏感,以及MRI图像中存在属性不同的样本点,在聚类过程中,将不同属性样本点的相关系数作为权重融入到欧氏距离的计算,提高聚类精度;针对蚁群算法容易陷入局部最优,提出一种自适应阈值蚁群算法,提高算法的全局搜索能力,将自适应阈值蚁群算法与改进的模糊聚类算法相结合,提高系统的分割精度和抗噪声性能,使得最终的分割效果达到最优。通过轮廓系数、目标函数收敛结果以及迭代时间进行实验仿真对比,表明改进算法的有效性,可见算法为颅内肿瘤图像的分割提供了可靠的技术手段。     

基于模糊集与区域生长算法的胎儿下腔静脉血管超声分割

本方研究了胎儿下腔静脉血管在B型超声图像中的分割问题.B型超声使用方便,在临床中有广泛使用,但其图像有噪声多、对比度差的缺陷.为了有效地在B型超声图像中分割血管,提出了一种基于模糊集与区域生长算法的分割算法;该算法预先使用模糊集算法处理,以提高图像对比度;并使用基于梯度改进的自适应区域生长算法进行分割.实验以医生的手工分割结果作为金标准,并与阈值分割和水平集算法进行了对比.实验表明,该方法的准确度和稳定性高于阈值分割和水平集分割方法结果.     

一种基于模糊逻辑的图像自适应去噪算法

为克服单一使用中值滤波方法去除脉冲噪声会造成图像细节信息丢失,使图像变模糊的缺陷,提出一种新的基于模糊逻辑的图像自适应去噪算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为更好地保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其他改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

综合运用灰度变换方法改善超声医学图像质量

分析了超声医学图像及其噪声干扰(speckle噪声)，采用灰度变换的方法来改善超声医学图像的质量，介绍了灰度变换的基本原理，包括直接灰度变换和直方图变换2大类方法，对广泛应用且效果较好的直方图均衡和自适应直方图均衡方法作了较详细的阐述和算法介绍，针对超声医学图像应用灰度变换方法作了实验，实验证明，综合运用灰度变换方法能够很好地改善超声医学图像质量，增强超声诊断的实用性。     

改进的基于ASFCM婴幼儿脑部MRI分割算法

在诸多FCM的改进算法中,ASFCM算法表现较好,该算法改变空间惩罚项结构,使目标函数连续,并且具有自适应的参数,但会出现无法抑制婴幼儿脑部MR图像噪声较大的问题.为了解决这个问题,在ASFCM算法基础上融合非局部权重和核函数思想,提出一种改进的ASFCM算法(KNL-ASFCM).采用本文算法,FCM,RFCM和ASFCM算法对加入不同种类和强度噪声的临床婴幼儿脑部MR图像进行实验.分析结果表明:本文算法的分割准确性和噪声抑制能力比其他三种算法均有一定的提高,对婴幼儿脑部MR图像分割问题具有明显优势.