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。     

具有抗噪能力的图像阈值分割法

图像阈值分割在图像分析和图像识别中具有重要意义,本文将Brink所提出利用一维相关系数对图像进行分割的方法推广到二维。该方法除了考虑系数的灰度信息外,还考虑了像素点与其领域的空间相关信息,理论与实践表明,该文方法在进行图像分割时有很强的抑制噪声性能,比一维相关系数法好。     

基于神经网络的自适应图像分割

非均匀光照条件下的图像目标难以用阈值选取方法分割，本文使用神经网络建立自适应阈值曲面，以此作为图像分割的依据．自适应阈值曲面由图像中具有高Ｌａｐｌａｃｅ值的边缘拟合而成，拟合过程由神经网络实现．计算机摸拟证实了此设想的可行性以及相对阈值分割方法的优越性．     

基于遗传算法的图像阈值分割算法研究

图像分割是图像处理的一个重要研究方向,本文在介绍了基于阈值的图像分割算法的基础上,针对最大类间方差的寻优问题,利用遗传算法求解最佳阈值,大大提高了计算速度。     

基于自适应布谷鸟搜索算法的Tsallis熵阈值图像分割

针对现有图像分割算法中计算复杂度大的问题,提出一种基于自适应布谷鸟(adaptive cuckoo search,ACS)算法的Tsallis熵阈值图像分割方法,能够改善学习过程和收敛速度,减少分割时间.该方法使用Tsallis熵作为ACS的适应度函数值,实现无参数搜索过程,在搜索空间中使用当前位置的知识来自适应步长,最后使用ACS最大化Tsallis熵来获得最优阈值,得到分割图像.实验结果表明,该文方法能够有效实现图像分割,且分割时间低于粒子群优化算法、布谷鸟搜索算法和改进布谷鸟搜索算法,结构相似性(Structural Similarity, SSIM)和收敛成功率高于其他算法.     

一种基于直方图的双阈值茄子图像分割方法

论文提出了一种基于直方图的双阈值茄子图像分割方法,考虑到茄子图像的实际特点,找到了R、G、B分量的一个合适的线性组合,并将其直方图化,根据直方图图像确定分割的阈值,试验证明,该方法简单实用,作为机器人视觉系统的一部分其实时性显得尤其有意义.     

图像阈值分割算法研究

图像阈值分割的方法很多,但目前很难找到适用于各种场合的分割方法。本文针对实际情况对几种分割方法进行了分析比较及实验研究。在此基础上引入了遗传算法,加快了算法的收敛速度。最后将一种改进的遗传算法用于优化图像分割,取得了较好的分割效能。     

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.     

基于模糊阈值的图象分割方法

叙述了采用模糊阈值进行图象分割的基本原理，提出了简化资格函数形式和采用直方图中值滤波处理方法，算法简单直观，计算机仿真表明图象分割结果比较理想．     

基于遗传算法最佳阈值分割的矿石图像分割

为了实现选矿的自动化,通过利用工业摄像机对传送带上的矿石颗粒图像进行采集,Matlab对采集的图像依次进行双边滤波降噪处理、遗传算法最佳阈值分割、分水岭分割、矿石颗粒像素标定以及像素面积检测的方法研究了矿石的粒度分布,结果表明：与人工筛分的数据进行对比,显示图像处理的结果在误差允许范围内。可见运用图像处理的方法进行矿石粒度的检测是可行的,能够为矿石的破碎提供数据指导,促进矿业生产的自动化和智能化。     

基于自适应阈值的棉网图像中结杂的识别

在棉网图像中,棉结和杂质(简称结杂)大多都混杂在聚集的纤维网中难以检出和识别.针对这一问题,提出了一种将最大类间方差法(Otsu法)与线性回归相结合的棉网图像结杂分割方法.首先对棉网图像进行预处理,然后根据Otsu法获取棉网图像与背景分开的阈值,再根据线性回归找出该阈值与结杂灰度的关系,获得结杂分割的最佳阈值,从而实现结杂的识别.     

基于遗传算法的阈值图像分割研究

图像阈值分割技术在图像分析和图像识别中具有重要的意义，最大熵方法具有很多优点，但同时也存在弱点：需要大量的运算时间，因此需要引入优化算法，文中将遗传算法用于最大熵阈值的图像分割方法中，提出了一种基于遗传算法的最大熵阈值图像分割方法。仿真实验表明，该方法可以有效地提高最大熵图像分割的计算速度，提高图像处理的实时性。     

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。     

基于小波变换的分开-合并图像分割

小波变换具有良好的“时间—频率”局部化特性及多尺度变焦距特性对于二维图象的小波变换,其梯度模值提供了图像的边缘信息在大尺度时,图像边缘稳定,但存在有位移小尺度时,边缘定位精确,但易受噪声影响噪声和边缘都具有较高的空间频率噪声的能量小,在大尺度下,其小波变换系数值小边缘的能量大,在大尺度变换下,其小波变换系数值大由多尺度小波变换系数的变化情况,估计边缘的类型采用多尺度小波变换系数作为四分树结构的分开—合并法图像分割的一致性度量从而在大的图像块中,去除噪声的影响,在小的图像块中,以小波变换的局部极大值精确定位边缘,根据边缘信息进行分开—合并法图像分割实验表明,算法得到满意的结果     

基于Chan-Vese算法的自适应分等级分割方法

针对多目标物体图像的分割问题,在Chan-Vese多相分割模型的基础上,结合分等级分割的概念,提出自适应分等级分割方法,在每一阶段分割之前能够先根据图像中的物体数量判断出所需要的Level Set函数的个数,再进行分割工作.实验结果表明,自适应分等级分割方法不仅消除了多相分割模型对初始化曲线位置敏感的不足,而且能够充分利用每一个Level Set函数,减少分割步骤,并且能提高弱边界的提取精度,是一种有效且稳定的方法,能够产生光滑、准确的分割结果.     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．