基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他三种改进算法进行了比较.结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维Otsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分Otsu快速递推算法的1/4,不到文献[11]中快速算法的4%.     

阈值分解下的冷轧极薄带钢表面缺陷分割

为分割具有低对比度和噪声复杂的冷轧极薄带钢缺陷,在二维Otsu分割算法的基础上进行了改进。为了避免在一个很大的二维空间上搜索阈值,分解二维Otsu分割算法的二维直方图,分别在图像像素灰度直方图和像素邻域灰度直方图上进行阈值求解,并将获得的阈值作为最佳分割阈值。为改善分解过程中忽略的边缘和噪声影响,将平衡因子加入到像素邻域灰度分割阈值求解中。最后通过大量实验对二维Otsu分割算法、量子粒子群双阈值分割算法和改进分割算法的分割结果进行对比分析。实验表明,该算法能够快速高效地分割出冷轧极薄带钢表面的各种缺陷。     

基于积分图像的快速二维Otsu算法

Otsu自适应阈值算法是图像分割的经典方法之一,在其基础上发展起来的二维Otsu阈值算法却因为计算复杂而制约了其应用.本文针对二维Otsu的耗时瓶颈问题,引入积分图像简化了二维直方图最佳阈值搜索过程的计算复杂度,从而大大缩短了算法处理时间.实验结果表明,本文提出的算法在分割效果上与原始算法完全相同,但计算时间远远小于后者,具有很好的实时性.     

基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则,解决了Shannon熵定义中存在的无意义值问题。同时,以二维直方图斜分方式更加准确地划分目标和背景,提高了算法抗噪性能,且使需要选取的阈值个数由两个变为一个,减少了算法运行时间。此外,采用蜂群优化算法加速对最佳阈值的搜索,使速度提升了约80%~140%,进一步提高了算法的实时性。最后,针对火焰图像进行了大量实验,并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明,提出的方法在分割效果上优势明显,且抗噪性能更好,是一种实时有效的火焰图像分割方法。     

二维直方图准分的Tsallis熵阈值分割及其快速实现

传统二维Tsallis熵阈值法主要由于对二维直方图采用近似假设等原因,导致分割结果不够准确,由此提出了基于二维直方图准分的Tsallis熵快速图像分割方法.首先,准确选择邻域模板构建二维直方图并将Tsallis熵法用于此直方图上以便提高分割性能;然后,舍弃二维直方图中关于主对角区域的概率和近似为1的假设而准确计算使阈值选取更准确;最后,结合Tsallis熵公式对二维直方图进行分析得到其特性和2个定理,利用此特性和2个定理导出新型、快速的递推算法来降低计算复杂度.实验结果表明,与传统二维Tsallis熵法相比,所提出的方法不仅分割更准确和抗噪性更强,而且占用的存储空间和运行时间都更少.     

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

基于粒子群算法的二维Otsu阈值分割法

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用粒子群算法来求解最优二维阈值向量。通过分别用快速递推算法和改进粒子群算法对显微细胞图像的实验表明,后者不仅能得到理想的分割效果,且相较于前者,计算量大大减少,达到了快速分割的目的,有利于提高图像处理的实时性。     

结合形态学属性断面与支持向量机的合成孔径雷达图像变化检测

针对传统合成孔径雷达(SAR)图像变化检测方法存在误差大、检测率低等问题,提出了一种基于形态学属性断面(MAP)的SAR图像变化检测方法。该方法利用MAP算法提取差异图像的几何结构特征,构造深入描述图像结构化信息的特征向量空间;在利用阈值法对图像进行分割的基础上,引入偏移因子,实现训练样本的自动选取;最后,用支持向量机(SVM)在多维特征空间中对图像进行变化类与非变化类的分类。实验结果显示:本文算法的检测结果优于基于高斯模型的KI阈值法(GM_KI)、基于广义高斯模型的KI阈值法(GGM_KI)和大津法(Otsu)等3种阈值法的检测结果,Kappa系数保持在0.87以上;当峰值信噪比(PSNR)介于[29,44]dB时,抗噪性能指标保持在0.97以上。这些结果证明了文中方法的有效性和优越性。     

一种Otsu阈值法的推广--Otsu双阈值法

Otsu阈值法一直被用来求取单阈值。对Otsu阈值法进行了推广，利用Otsu阈值法来求取双阈值．推导了计公式的两种表达形式，最后给出了图像测试结果。采用Otsu双阈值法对灰度直方图呈现三峰特性的图像进行分割，以获得良好的二值化效果。     

差分算子和改进Otsu算法结合的灰度图像阈值分割研究与实现

在对二值化方法 Otsu算法分析的基础上,提出一种差分算子与改进Otsu算法相结合的新算法。该算法通过差分算子保留原图的边界特征,然后再搜寻出与两类类内均值的平均值,并找出该平均值整数部分相等的阈值,确定一个符合Otsu准则的阈值,,然后将一个大的图像分割成若干小的块进行二值化。实验结果表明,该算法能够较好地保留原图的边界信息,有效地提高了低质量图像识别准确率。     

基于RGB的干枣图像区域阈值分割算法的应用研究

针对目前基于RGB模型的干枣彩色图像研究中的一系列问题,提取干枣图像大小与实际大小相差较大,算法复杂、速度慢,很难达到在线检测的要求,提出一种利用机器视觉技术以提取干枣图像目标的新方法,分别统计R、G、B各分量的灰度值,绘制相应直方图;通过分析比较,选取R-B分量灰度直方分布图作为确定阈值分割的依据,利用大津法自适应求出阈值,然后提出区域阈值分割方法,并对干枣图像进行阈值分割。多次实验证明,利用该算法提取干枣大小与实际大小非常接近,稳定性高,检测速度快,可以满足进行干枣的形状、表面缺陷等检测要求,能够满足机器视觉技术在线检测要求。     

基于差商的油液监测铁谱图像自适应分割

针对油液监测中铁谱磨粒图像分割阈值难以选取的问题,本文提出一种基于差商的自适应铁谱图像分割算法。首先,将铁谱磨粒灰度图像转换成三维灰度直方图,并对其进行切片分析;然后,引入Newton插值多项式,将不同切片所得的频数作为切片灰度-频数曲线的插值点,基于差商构造第一类可接受函数和第二类可接受函数,结合实验数据确定两类误差,选取同时满足两类误差的最小灰度值作为分割阈值;最后,用本文方法对不同类型的磨粒图像以及添加高斯噪声和椒盐噪声后图像分别进行分割实验,并与经典的迭代阈值法、Otsu算法、最大熵法进行了比较。实验结果表明,本文方法受噪声干扰较小,误检率和漏检率整体优于其他3种算法。对分割所得的磨粒图像进行特征提取,并利用支持向量机进行识别,本文方法对3种故障磨粒识别准确率最高,达到82.86%,虽在运行时间上无明显优势,但综合性能最优,能满足油液监测过程中铁谱图像自适应分割的需求。     

图像的阈值分割法设计

图像分割阈值法具有实现容易、计算量小、性能稳定等优点,因此这种方法成为图像分割领域中应用最普遍的方法。主要讨论了关于图像的单阈值分割算法的设计与实现,比较了基于迭代法和基于最大类间方差法的单阈值分割算法,设计了阈值最大类间方差的分割算法及实现程序。仿真结果表明所提出的算法有效,分割效果好。     

气泡高干扰在线铁谱视频图像的磨粒快速分割算法研究

针对在线铁谱视频图像气泡高干扰所面临的磨粒分割困难问题,提出一种气泡高干扰在线铁谱视频图像的磨粒快速分割算法。首先运用运动检测的方法确定视频中气泡的位置,并用相邻帧相同位置的图像信息对气泡区域进行处理,再使用双边滤波对处理后的图像进行平滑去噪,实现气泡干扰的初步抑制;最后基于抑制气泡图像的灰度直方图,对每一帧图像选取其自适应的阈值,实现在线铁谱视频图像中磨粒的快速分割。该研究为在线铁谱的磨粒分割与后续对磨粒特征的智能提取和分析奠定了基础。     

基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。     

Automatic setae segmentation from Chaetoceros microscopic images

A novel image processing model Grayscale Surface Direction Angle Model (GSDAM) is presented and the algorithm based on GSDAM is developed to segment setae from Chaetoceros microscopic images. The proposed model combines the setae characteristics of the microscopic images with the spatial analysis of image grayscale surface to detect and segment the direction thin and long setae from the low contrast background as well as noise which may make the commonly used segmentation methods invalid. The experimental results show that our algorithm based on GSDAM outperforms the boundary‐based and region‐based segmentation methods Canny edge detector, iterative threshold selection, Otsu's thresholding, minimum error thresholding, K‐means clustering, and marker‐controlled watershed on the setae segmentation more accurately and completely. Microsc. Res. Tech. 77:684–690, 2014. © 2014 Wiley Periodicals, Inc.     

图像阈值分割的Fisher准则函数法

针对图像分割中的阈值选取问题，通过引入模式识别理论中的Fisher评价函数作为图像分割的准则函数，提出了基于Fisher评价函数法的图像分割新技术。该方法利用图像直方图计算各灰度级下的Fisher评价函数值，其最大值即对应于最佳分割闲值。对该方法进行了详尽的图像分割实验，并与著名的Otsu法、最大熵法、最小误差准则法进行了详细比较，结果表明该方法具有分割性能稳定、计算速度快以及受目标大小影响小等优点，是一种实用有效的图像阈值分割新方法。