基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割.     

改进的Snake算法在颅脑CT图像分割中的应用

尝试用一种改进的Snake算法创建模型,自动分割CT头颅断层图像的脑组织和脑脊液,用于后期辅助医生对患病部位的诊断和治疗,为临床提供更方便的工具。考虑到脑部CT图像和相邻的骨组织灰度差异较大,利用改进Snake算法对CT头颅图像进行自动分割,将分割的脑组织图像与专业医学影像医生手工分割的CT脑组织图像做对比,发现这种改进的Snake算法分割的CT颅脑图像从轮廓外形、灰度均值和方差值都和专业医生手工分割的CT颅脑图像非常接近,表明这种改进的Snake算法分割CT颅脑图像是可行的。     

应用Krawtchouk矩和支持向量机的图像纹理分割

提出一种基于Krawtchouk矩和支持向量机的图像纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Krawtchouk矩,然后通过非线性变换将得到的矩值转换成纹理特征,对特征空间进行优化后,使用支持向量机进行纹理分割.和基于Zernike矩的纹理分割结果相比,本文的方法能得到更好的纹理分割结果.     

基于遗传算子改进阈值的遥感图像分割算法研究

针对复杂背景遥感图像分割准确率不高的问题,提出了一种基于遗传算子改进阈值的遥感图像分割算法。通过对遗传算法中选择、交叉、变异等算子的优化设计,增强变异的多样性,加快搜索的收敛速度,以获取遥感图像分割的最佳阈值。实验仿真结果表明:该算法降低了阈值搜索时间,同时取得了良好的图像分割结果。     

基于深度残差网络和双向GRU的图像语义分割

在图像语义分割领域中,大多数方法是基于CNN网络构建的,由于CNN很难对全局上下依赖关系进行建模,从而影响语义分割的结果。为此,本研究提出基于深度残差网络和双向GRU的图像语义分割模型ResNet-BiGRU,该模型充分利用CNN局部特征学习的能力和双向GRU全局建模的优势,在Weizmann Horse数据集上进行试验,得到分辨率高、边界清晰的语义分割结果。     

基于改进流域算法的粘连细胞图像分割技术研究

<正>在细胞显微图像处理过程中,经常会发生目标粘连的现象,如何将这些粘连的目标正确分割是后续分析成功与否的关键。流域算法(Watershed Algorithm)是最近兴起的一种基于区域和数学形态学的图像分割方法,它对灰度变化十分敏感,能够克服传统分割方法中易丢失微弱边缘的缺点,可以有效地检测出边缘。但由于普     

结合模糊熵和遗传算法的双阈值图像分割

在火炮身管弯曲度测量系统中,为了能从光靶图像中同时提取标定图案和激光光斑,提出了一种双阈值图像分割方法. 基于模糊数学理论和最大模糊熵判据,把光靶图像中的像素灰度级分为黑、灰和亮3 个模糊子集,用于畸变校正的标定图案的像素灰度级隶属于黑模糊子集,用于测量的激光光斑的像素灰度级隶属于亮模糊子集.使用改进的模糊指数熵作为分类判据,提高了分类准确性. 通过遗传算法确定模糊熵参数的最优组合,降低了计算复杂度,并且最大模糊熵判据仅含有4 个模糊熵参数,减小了搜索空间. 针对光靶图像进行了双阈值分割实验,并与最大类间方差双阈值法、模拟退火模糊熵法和使用未改进的模糊指数熵的遗传模糊熵法进行了比较. 实验结果表明,所提方法能自动而有效地选取双阈值,且分割效果优于其他3 种双阈值分割方法.     

一种改进的二维Otsu图像分割算法研究

对当前的二维Otsu阈值分割算法进行了改进,降低了计算的复杂度使用两个一维的Otsu算法来求出二维Otsu算法所需要的阈值,并在算法中引入了最小类内离散度的概念,利用遗传算法寻找出最优的阈值,以消除二维算法需要在整个图像内搜索的弊端,促进了算法的整体性能的提升与其他文献中算法相比,证明了该文算法的可行性,在时间上要大大优于其他算法,并且分割效果也相对理想     

基于Shearlet变换和Krawtchouk矩不变量的河流SAR图像分割

合成孔径雷达(synthetic aperture radar,SAR)图像分割是河流检测与识别的关键步骤,为了进一步提高河流SAR图像分割的准确性,提出一种基于Shearlet变换、Krawtchouk矩不变量及模糊局部信息C均值聚类的河流SAR图像分割方法.首先,对河流SAR图像进行Shearlet分解,提取其纹理特征,构成特征向量的前半部分;然后,计算河流SAR图像的Krawtchouk矩不变量,作为其形状特征,构成特征向量的后半部分;最后,利用模糊局部信息C均值算法依照上述特征向量进行聚类,由此得到河流SAR图像分割结果.大量实验结果表明,与近年来提出的脉冲耦合神经网络结合最大方差比准则分割法、Gabor小波变换结合模糊C均值聚类分割法、FLICM聚类分割法相比,所提出的方法在主观视觉效果以及客观定量评价指标误分割率上均有明显优势,且分割河流SAR图像更加准确.     

基于几何特征的哈夫就换图像分割研究

哈夫变换(Hough tranform)是由P.V Hough在1959年提出,最早用于高能物理云室图像中高能粒子轨迹的分析计算.哈夫变换是将图像空间中复杂边缘特征信息映射成参数空间中的聚类检测问题,具有优秀的鲁棒性和极佳的抑制噪声能力,在图像分析、计算机视觉领域已得到广泛的应用,已经成为模式识别的一种标准工具.然而,哈夫变换基于模型、依赖参数的一种变换,如果给定参考模型参数较多,就会造成巨大的计算量,使得具体的图像检测过程难以实现.因此,对于具体的目标模型应该具体分析.