基于阈值的图像分割方法

通过分析图像阈值分割方法的基本原理。得出直方图闽值分割方法以及迭代阈值图像分割，并通过VC＋＋6．0加以实现。分析图像分割结果，并对两种阈值分割方法进行利弊分析。     

2维对称交叉熵图像阈值分割

现有阈值分割方法中所用的交叉熵不满足距离度量对称性,且算法运行速度尚有提升空间,为此提出基于分解的2维对称交叉熵图像阈值分割方法。首先通过运用对称交叉熵描述分割前后图像之间的差异程度,分别导出1维和2维对称交叉熵阈值选取公式,给出相应的2维快速递推算法,计算复杂性由穷举搜索的O(L4)降到O(L2);然后将2维对称交叉熵法的运算转换到两个1维空间上,计算复杂性进一步降低到O(L)。实验结果表明,与现有的2维非对称交叉熵法相比,该方法具有更强的抗噪性,运行时间大幅减少,是一种更有效的2维交叉熵阈值分割方法。     

基于二维Arimoto熵的阈值分割方法

提出基于二维Arimoto熵的阈值分割方法.首先由图像的像素值及其邻域像素均值得到图像的二维直方图,然后从二维直方图中计算出二维Arimoto熵.当二维Arimoto熵达到最大时,对应的灰度级对即为分割阈值.通过引入二维联合幂概率分布建立快速算法,使算法速度大大提高,易于硬件实现.大量的对比实验表明,本文算法表现稳定,总体的分割效果优于基于二维Renyi熵和二维Shannon熵的阈值分割算法.     

二维Otsu自适应阈值分割算法的改进

在二维OTSU自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法，这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其领域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法，通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善，同时还大大降低了算法的复杂性。     

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。     

图像阈值分割方法的比较与分析

本文在介绍了三种具有代表性的图像阈值分割法的基础上,通过对它们的性能进行分析比较,给出了这种瓶值分割法的适用范围。最后,针对三种分割法的不足,提出了一种基于边缘检测与局部直方图的图像分割算法。     

基于2维灰度熵阈值选取快速迭代的图像分割

目的 为了使图像阈值分割的精度和速度进一步提高,提出了一种基于2维灰度熵阈值选取快速迭代的图像分割方法。方法 首先,提出了1维灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,给出了基于灰度—邻域平均灰度级直方图的灰度熵阈值选取准则;最后,提出了2维灰度熵阈值选取的快速迭代算法,并采用递推方式计算准则函数中的中间变量,避免其重复运算,加快了运算速度,大大减少了运算量。结果 大量实验结果表明,与近年来提出的3种阈值分割法相比,所提出的方法分割性能更优,分割后的图像中目标区域完整,边缘清晰,细节丰富且运行时间短,仅为基于混沌小生境粒子群优化的二维斜分倒数熵分割法运行时间的3%左右。结论 本文方法对不同类型灰度级图像的分割效果及运行速度均有明显优势,是实际系统中可选择的一种快速有效的图像分割方法。     

基于模糊阈值的自适应图像分割方法

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割;该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果;实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

基于二维熵阈值的图像分割及其快速算法

阈值分割是图像分割技术中的一种重要方法,在图像处理和模式识别中广为应用.本文提出了一种基于二维熵阈值的图像分割快速算法.该算法能够有效地区分图像中边界、背景和物体三种区域,并使得传统二维阈值方法的复杂度从O(W2S2)降至O(W2/3S2/3).     

多阈值优化的交互式医学图像分割方法

交互式图像分割方法对边界模糊的医学图像进行分割时通常需要用户标记较多的初始种子或进行二次交互,这给用户带来不便.针对此问题,提出一种简化标记的多阈值优化交互式分割算法,该算法在GrowCut交互式算法基础上通过引入图像灰度直方图的多个阈值自动生成初始种子模板,并利用改进的细胞自动机迭代算法实现图像分割.算法简化了用户操作,提高了分割精度.算法应用于临床肝脏图像和牙茵斑图像分割,显示了良好的分割效果.     

对二维Renyi熵阈值法的错误纠正

熵阈值法因其实现简单、性能稳定、具有良好的信息论背景而成为图像分割中最基本、最有效的分割方法,并在实际中得到了大量的应用。论文首先指出了有关“二维Renyi熵阈值法”一文推导过程中存在的错误;其次,给出了有关二维直方图熵阈值法的正确结论。最后,用实验结果表明结论是正确的。     

基于万有信息定律的图像阈值分割方法

提出基于万有信息定律的图像阈值分割方法。针对熵阈值法仅利用图像灰度概率信息，导致它对有些图像的分割无效，该文从万有引力定律中得到启发，提出信息场中万有信息定律，将其用于图像分割的最佳阈值选取。实验结果表明，该方法是可行的，且对有些图像的分割效果要好于传统的Kapur熵方法。     

二维最大相关准则图像阈值分割递推算法

提出了基于二维直方图的最大相关准则自动阈值图像分割算法。该算法根据图像中目标和背景分布的相关量最大来选择阈值。基于二维最大相关准则的阈值分割算法具有较强的抗噪声能力,能够实现准确分割。在实际应用中,为了加快二维最大相关准则阈值分割的计算速度,减少重复计算,推导了该算法的快速递推公式。递推算法节省了计算时间,使算法具有更强的实用价值。通过对低对比度、低信噪比的遥感红外图像进行试验,结果表明二维最大相关准则图像阈值分割算法具有良好的分割效果,其递推算法使其计算速度提高了近30倍。     

改进的2维Otsu法及混沌粒子群递推的阈值分割

鉴于现常用的灰度级-平均灰度级2维直方图区域划分将部分目标和背景点错分成边缘和噪声点这一不足,为此提出了一种基于灰度级-梯度2维直方图的Otsu阈值选取新方法,利用混沌粒子群优化算法来寻找分割阈值,并提出在迭代过程中,采用递推方法来大大减少适应度函数的重复计算。实验结果表明,与最近提出的基于灰度级-平均灰度级2维直方图Otsu法及粒子群的快速图像分割方法相比,该新方法由于尽可能地考虑了所有目标点和背景点,从而使分割后的图像区域内部均匀、边界形状准确、特征细节清晰,同时运行时间几乎不到现有算法的1/3,而且粒子群处理的收敛精度得到了进一步提高。     

基于二维灰度直方图最佳一维投影的图像分割方法

分析了图像二维灰度直方图上聚类集的形状特征,证明了其存在最佳一维投影.利用此最佳一维投影代替一维灰度直方图进行阈值分割,将会大大降低误判的概率.理论分析和实验表明,新方法比现有直接利用一维灰度直方图和直接利用二维灰度直方图进行阈值分割的方法均优越.     

一种改进的二维最小误差闭值分割方法

二维最小误差(TME)阈值法是一种有效的图像分割方法,但该方法计算复杂度高,难以实时处理,且该算法受噪声影响较大.针对此问题,提出了一种改进的TME阈值分割方法.首先,将传统的3×3模板分成互补的两个模板:十字模板和4-角域模板,并用这两个模板分别对原图像进行中值滤波得到两幅图像;然后,用两幅图像创建二维直方图并对其进行分割,以获得更好的分割性能;最后,对TME阈值选取公式进行简化得到最简公式,并利用此最简公式和其在二维直方图上的计算特性构建新型的快速算法,以便降低计算复杂度.仿真实验结果表明,与当前TME 阈值分割方法相比,所提方法不仅分割效果更好、稳定性更强,而且运行速度更快,占用的存储空间更少.     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

基于非线性软阈值化的小波图像压缩方法

针对传统硬阈值和软阈值化过程中因信号锐变导致图像质量变差的问题,本文对小波压缩中的软阈值算法进行了改进,提出了非线性软阈值压缩算法,使得图像压缩质量有了较大提高。     

鲁棒的二维Renyi嫡图像闭值分割快速算法

二维Renyi熵阈值分割算法是经典的图像阈值分割方法,但其性能对椒盐噪声较敏感。针对此不足,引入图像滤波中对椒盐噪声有较好鲁棒性的中值滤波技术,提出了新的二维直方图构造方法。为了进一步提高算法效率,分析了阈值分割目标函数的特点,使用惯性权重递增的粒子群算法对其进行优化。通过实验与原方法比较说明了此方法的优越性。