基于边界特征的一维最大熵图像分割算法的研究与实现

本文提出了一种新的图象分割算法，该算法首先检测边缘，在边界图象的基础上进行图象二值化，保留了边界特征，而且能自适应地选择阈值，克服了一维最大熵阈值方法进行图象分割时丢失边界特征的缺点。大量实验表明该算法取得了很好的效果，而且可以处理低质量或边缘模糊的图象，具有一定的推广实用价值。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

用矩保持法分割烧结机尾断面图象

介绍了一种用于图象分割的多阈值自动选择算法──矩保持法。它是基于图象分割前后矩保持不变的原理，利用图象的灰度级直方图自动地确定多个分割阈值，该算法简单、计算量小。用该算法分割烧结机尾断面图象，得到了良好的分割效果。     

基于相对熵和边缘检测的图象分割算法

利用相对熵选择阈值和检测提出一种图象分割算法。其主要思想是通过相对熵来选择最佳阈值，然后用任何一种边缘检测对图象进行分割。将所提出的算法和基于局部熵的算法分别用于现场颗粒物料图象的分割，实验结果表明，该算法优于基于局部熵的图象分割算法。     

基于SUSAN边缘信息的阈值分割算法

基于边缘信息的阈值分割方法因为在保持目标轮廓和分割低对比度图像方面具有良好性能,特别适用于对工业生产图片的分割,但是传统方法普遍存在对噪声敏感和阈值难以选取的问题,针对这些问题,提出一种基于SUSAN边缘信息的自适应图像阈值分割算法,使用SUSAN特征响应描述像素的边缘信息,以有效抑制噪声和弱边界的影响。基于图谱理论的最小最大割阈值分割算法相比于其他分割算法时空复杂度大大降低,且获取的阈值全局最优。实验结果表明,该算法能够准确分割出目标,保留丰富的细节内容,对低对比度图像和噪声图像也有很好的分割效果,获取的阈值相比于传统算法更优。     

基于图像边缘信息的2维阈值分割方法

为了改善2维阈值分割性能,提高图像分割的效率,在传统2维Otsu阈值分割算法的基础上,提出了一种基于图像边缘信息的2维阈值分割方法。这种改进的方法保留了2维Otsu阈值分割算法分割结果准确的优点,并在此基础上充分利用图像的边缘信息,通过分析图像的边缘直方图和阈值的关系来得到最优分割阈值。仿真实验结果表明,该方法与传统2维分割算法相比,不仅计算简单,而且实时性好。     

基于模糊最大熵原则的地图图像分割

在分析地图图像特征的基础上，结合直方图和最大模糊熵原则，提出地图图像分割的自动阈值算法，通过多幅真实地图的实验表明，用该算法分割得到的黑版黑不但保持了线划的连续性，而且对边缘的定位准确，便于识别。     

基于特征距离的阈值法及其在眼科图象分割中的应用

医学图象的识别与分析能够为临床提供定量比的诊断依据,而图象分割是其中最关键的一步。为提高医学图象侵分割效果,提出了一种基于特征距离的阈值分割算法,并将其与颜色特征分类相结合,来对眼科裂隙灯生物显微镜图象上的角膜充血区进行分割,分割结果可用于角膜充血区的定量体分析,另外,该算法中的样本典型值是通过一种三维直方图分块算法来确定的,实验结果表明,该算法可以有效地分割出角膜充血,其分割效果优于欧氏距离阈值法,且分析数据的精度能够达到临床诊断的要求。     

图象分割阈值平面的进化优化方法

提出了一种基于进化计算的图象分割方法。它首先检测图象的边界,将已经检测得到的边界作为图象分割阈值平面的插值限制条件,将图象分割转化为对这种分割阈值平面的插值优化问题。采用浮点数编码的进化规划方法进行优化计算,进化规划的适应度函数由插值平滑性,分割区域的结构有效性和图象边界点阈值不变性3个限制条件决定,在进化规划收敛时得到图象分割阈值平面。对不同图象的分割实验显示了这种方法的有效性、合理性和较强的抗噪声干扰能力。     

半导体器件图象阈值选取方法的研究及算法实现

图像分割是数字图象处理中的一个重要问题;基于阈值选取方法的半导体器件的图象分割,具有较高的运算效率;文中针对常见阈值选取方法的具体使用情况进行了比较研究,并提出了具体算法实现,最后提出最佳的处理算法;实验结果表明该算法能够有效提高图象分割的质量,从而提高了半导体器件检测的正确率和自动化程度。     

一种新硬阈值算法在临场感系统中的应用

论文在分析了硬阈值算法的优点与不足之处的基础上,提出了一种新的硬阈值图像去噪算法,并将此算法成功运用到临场感系统中。该算法不仅继承了硬阈值算法处理误差较小、图像边缘保持良好和实现简单的优点,而且针对原始算法阈值划分粗糙、光滑度损失等缺点,引入了调整因子和相邻窗口等方法降低阈值估计风险和提高图像光滑度。理论证明及实验结果表明,新算法是一种高效的实时去噪算法,其不仅具有良好的视觉效果和较低计算复杂度,而且在相同噪声情况下,新算法的MSE、PSNR等指标均优于硬阈值算法。     

采用多结构元素模板的形态学边缘检测新算法

边缘检测是图像处理和计算机视觉中的基本问题。为了能有效地捕获目标的主要特征,提出了一种基于Ostu阈值分割和数学形态学的灰度图像边缘检测新算法。利用Ostu算法找到一个最佳的阈值,根据这个阈值把灰度图像二值化,构造四个不同方向的3×3或5×5的结构元素模板,采用数学形态学中的腐蚀算法利用元素模板来腐蚀二值图像。自适应地均衡腐蚀结果,检测出图像边缘。仿真和分析表明同传统边缘检测算法相比新算法运算量小,检测的边缘轮廓清晰,连续性好,可以很好地提取图像中富含的边缘信息,且抗噪声性能较好,假边较少,适用性强。     

基于视觉灵敏度分类的IFS自适应图象编码算法

为了提高IFS自适应图象压缩编码方法对不同图象的适应能力,在按人类视觉对比灵敏度分类的基础上,提出了一种进行分形图象IFS自适应压缩编码的新算法,同时定义了广义置信度的概念,并根据MSE误差曲线的广义置信度,确定了基于四叉树结构的分块分形编码过程中的匹配误差门奶。这种自适应门限编码算法不仅克服了传统固定门限IFS编码算法不能很地适应不同复杂程度输入图象的缺点,而且还提高了编码的效率。实验结果证明,此算法不仅可以自动地适应不同的输入图象,而且解码图象的视觉效果良好。     

公路视觉导航中道路图像的阈值分割

在公路视觉导航中,分割道路图像的分道线与路面是至关重要。在采用传统最优阈值分割算法时,因道路图像远处与近处的对比度存在差异,易导致不完全分割。为了解决上述问题,针对道路图像的特性提出了逐行最优阈值分割思想。该文通过对大量视频图像的道路与分道线特点进行统计,并结合公路视觉导航中图像的序列性,对逐行最优阈值分割进行了改进以提高实时性,提出了一种新的基于视频流的多阈值分割算法。通过对三种方法对比试验,表明该方法有很好的实时性、有效性和自适应性。     

基于Zernike矩亚像素边缘检测的快速算法

为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一种边缘检测的快速算法。利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,用Otsu法直接得到最优的阶跃灰度阈值进行边缘判别,并考虑了由于边缘模型带来的误差,在保证检测效果的同时缩短了检测时间。实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。     

图像二值化时图像特征的保留

讨论了在进行图像二值化时如何保留图像的边界特征,基于图像的边界信息和微分算子,提出了一个局部阈值和整体阈植相结合的新的自动选择阈值算法,实验表明,这个基于边界特征检测算子的算法能很好地保留原图的边界特征,并能处理低质量的图像。     

基于边缘信息的图像阈值化分割方法

针对现有几种利用边缘信息来进行图像闽值分割的方法存在的对噪声高度敏感，梯度阈值难以选取，且不具有自适应性的特点，提出一种抗噪声影响的形态学梯度算子和一种基于梯度直方图统计特征的梯度闽值自适应选取算法，得出了一套完整的基于边缘信息的图像闽值化分割算法。     

提高抑菌圈扫描图像边缘检测成功率的研究

提出一种灰度阔值自动计算方法,适合于自动计算不同扫描分辨率下的图像的最佳灰度阈值。通过考察抑菌圈与干扰区域的形态特征,提出一种模板滤波算法,对不同扫描分辨率下的图像能有效地滤除干扰像素和保护抑菌圈边缘像素。实验取得了较好的二值化处理效果和滤波处理效果,显著地提高了抑菌圈边缘检测的成功率。     

基于视觉感知的双层次阈值边缘连接方法

边缘是图像目标的重要特征,但通常边缘检测得到的边缘存在不连续现象,为此在分析传统边缘连接方法的基础上,利用人类视觉系统对边缘连接的多层次感知机理,提出了一种基于视觉感知的双层次边缘连接方法。该方法首先利用大、小阈值产生相应的大、小阈值图像计算其差值以确定模糊边缘点;然后利用人类视觉系统对边缘连接的感知特性系数判别模糊边缘点中真正的边缘点,并将真正的边缘点添加到大阈值图像,使大部分重要的区域边缘能够形成完整的封闭轮廓。仿真实验结果表明,该方法能够有效地改善边缘检测后的边缘不连续现象,相比一些传统的边缘连接方法,运算速度较快,连接效果较好,能满足边缘检测的轮廓封闭性要求。     

基于图象腐蚀和区域生长的矸石图象分割算法

在实际的矸石分选过程中,要求的目标主要是将大块的矸石分选出来。但是,在拍到的胶带运行过程图片中,往往夹杂着很多小的煤颗粒或是矸石颗粒,如果不滤除掉这些小的颗粒,会影响矸石分选的效果和效率。针对上述问题,提出了一种融合图象腐蚀和区域生长的矸石图象分割算法。该算法首先对采得的原始图象进行图象压缩,然后对压缩的图象进行直方图均衡化,通过设定合适的腐蚀半径对原图象采取图象腐蚀处理,并选择合适的种子和阈值对腐蚀后的图象进行区域生长,最后将处理后的图象和原图象做"与"运算,得到边缘清晰的大块矸石图象。仿真结果表明,该算法能有效分割出大块矸石,且经图象腐蚀后的区域生长阈值的取值范围明显变大,对其它边缘模糊图象具有一定的参考作用。