基于改进的最大类间方差法的水果图像识别研究

针对水果自动识别过程中特征信息提取不完整的问题,本文提出一种基于改进的最大类间方差法OTSU对水果图像进行分割。通过对图像中值滤波处理降低随机噪声的干扰,增大目标图像和背景之间像素值与最佳分割阈值之间的差值,使目标图像与背景图像与各自类间中心的距离尽可能相近,达到相对方差取代绝对方差实现图像分割,然后对目标图像提取颜色特征和形状特征实现不同种类的水果图像识别。实验结果表明,改进后的OTSU所得阈值能分割到更加清晰的图像,图像分割的运行时间明显缩短,水果图像识别的平均正确识别率提高了15%左右。该研究提高了水果识别的效率,具有一定的实际应用价值。     

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.     

彩色图像的矢量阈值自适应分割算法

针对彩色图像,提出了一种矢量阈值的自适应分割算法,该算法中的阈值是一个矢量．在图像分割时,通过先求取图像像素矢量与阚值矢量之间的差矢量,再根据差矢量与阈值矢量之间的夹角确定像素所属的区域(背景区域或目标区域)．同时基于类间方差法(Ostu法)给出了最佳阈值矢量选择原则——扩展类间矢量方差法,从而实现彩色图像矢量阈值的自适应分割．实验结果表明,采用此图像分割算法分割效果要优于采用灰度图像的阈值分割算法．     

基于区域生长算法的车牌图像分割

准确分割车牌图像,可为分割目标的提取奠定良好的基础。试验中采用基于OTSU和区域生长的算法,实现了车牌图像的精准分割,通过最大类间方差法得到自适应阈值,代替了传统手动选择阈值的方法,再结合中值滤波对图像进行预处理,避免了传统阈值造成的过分割或者欠分割现象,且预防图像噪声,使得图像像素值变得缓和,从而有效地分割出车牌图像。     

基于鸽群优化算法的图像分割方法研究

图像分割是一类需要在非线性参数空间中寻求最优解的有约束非线性优化问题.为提高此类优化问题的寻优精度,提出了一种基于鸽群优化算法的图像分割方法.首先以分割阈值为优化变量,将图像分割建模为以最大间类方差为优化目标,以像素概率分布有限为约束条件的非线性优化问题;随后,以随机的分割阈值作为迭代初值,采用鸽群优化算法(PIO)求解最优参数;最后,利用所得最优解作为最佳阈值实现图像分割.为验证方法的有效性,分别对具有两类不同特征的图片进行分割实验,并采用重叠度及时间效率对算法进行评估,进一步与PSO、KSW智能优化算法对比.结果表明,该算法重叠度最高,运算时间最短.并且对算法中的参数进行修改,将图像分割结果进一步优化.     

一种灰度直方图与方差修正的图像阈值化算法

针对图像的目标与背景分布方差较大时,Otsu算法分割效果不佳的问题,提出一种改进的阈值化算法。基于像素点的灰度概率构造修正函数,作为类间方差的加权因子,建立新的类间方差准则;将修正的类间方差与类内方差构造复合函数,作为新的阈值化准则函数,根据图像直方图信息进行阈值范围优化;通过准则函数在优化阈值范围内选择最优阈值。实验结果表明,对于目标与背景的方差差异较大的图像,改进算法能够获得准确的阈值化结果,并且在正确提取出目标的同时,能够保持良好的目标轮廓完整性。另外,阈值范围优化使得算法执行效率有所提高。     

二维最大类间方差和遗传算法在红外图像分割中的应用

为了改善红外图像的分割效果,将二维最大类间方差算法应用于红外图像分割,通过二维最大类间方差算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维最大类间方差算法寻找阈值的速度,提高分割效率.     

基于分区OTSU法的沥青混合料图像分割技术

针对CT扫描沥青混合料试件图像存在亮度差异及其灰度图无明显双峰的特点,提出了一种环状分区和最大类间方差法(OTSU法)相结合的自适应阈值选取方法,来解决CT图像处理过程中目标集料颗粒与沥青胶浆背景分割的技术难题,并从提高分割精度和运算速度两方面对最大类间方差法进行了改进性研究。不同分割方法的对比效果分析表明,采用环状分区和OTSU法相结合的新算法,可大大提高图像的分割效果,为处理扫描效果不理想以及复杂CT图像的目标对象分割提供了一个可行的解决手段。     

基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

一种快速、准确的图像阈值分割新方法

图像分割是数字图像处理系统中基本而关键的技术。通过阈值分割是其最简单的技术,它假设目标和背景是可以分离的．本文将自适应遗传算法与OTSU算法相结合应用于最佳阈值的确定中,提出了相应的算法并用于图像分割,仿真结果表明,该方法不仅可以实现准确的图像分割,并且使得分割速度大大提高。     

快速递归多阈值分割算法

针对强调波谷邻域算法在目标区域相对于背景区域较小且其之间的波谷特征并不十分明显的情况下,无法获得正确阈值的问题,提出了一种基于波谷邻域信息和波谷波峰相对特征的全局阈值分割算法。本算法在最大类间方差(OTSU)算法的基础上以直方图中波谷邻域灰度值和波谷波峰灰度值的相对关系为权值,改善最大类间方差算法定位阈值的准确性,使算法所确定的阈值在直方图中具有较小的波谷波峰比值,即使最优阈值定位到与临近波峰具有较大高度差的波谷灰度值。为提高分割效率,本文以前述算法为基础,采用递归单阈值方式进行图像的多阈值分割。实验证明,对强调波谷邻域算法存在的问题本算法有明显的改善,且在多阈值分割的效果及运行时间方面本文算法均具有十分良好的表现。     

基于自适应遗传算法的激光图像处理

针对激光图像分割处理的问题,提出了一种基于自适应遗传算法的激光图像分割处理算法.该算法将自适应遗传算法与最大类间方差分割方法相结合,将图像类间方差作为适应度函数,利用交叉概率和变异概率动态调整自适应遗传算法求解最大类间方差的最优阈值.为了衡量该算法的处理效果,分别采用本文算法和最大类间方差图像分割算法对图像进行处理.结果表明,该算法的CI值为0. 417,能够对图像进行有效分割,且分割的准确性和运算速率均优于传统的最大类间方差分割方法,具有较高的实践价值.     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值,基于粒子群优化算法提出了一种多阈值图像分割方法.由最大熵或最大类间方差法得到优化的目标函数,用粒子群算法对其进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割.将分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法不仅可实现正确的图像分割,并可使分割速度大大提高.     

Otsu阈值分割法特点及其应用分析

Otsu方法是应用最广泛的阈值分割法之一,对直方图呈双模或者多模分布的图像分割效果好,直方图呈单模分布的分割效果差。针对这个结果,从Otsu分割法理论出发,分析其分割阈值的特点,证明得出:Otsu单阈值分割时最佳阈值为该阈值分割出的两类灰度均值的平均,Otsu多阈值分割时的多个最佳阈值是这些阈值分割出的多类中相邻两类灰度均值的平均。单阈值Otsu法用于表面缺陷检测图像分割时将大部分背景错分为目标,对此,提出了一种改进的Otsu阈值分割。实验结果表明,改进的算法分割效果优于传统算法,在比较准确分割目标的同时有效减少背景的误分割。     

一种基于矢量阈值的自适应图像分割方法

针对灰度图像,提出一种基于空间特征矢量的图像分割方法,分割前首先对边缘进行增强处理,并构建以像素的灰度、梯度、像素邻域均值为特征的三维特征空间.将图像像素点引入对应于空间特征点.通过计算像素特征矢量与特征矢量阈值的差矢量,求出矢量差与特征矢量阈值的夹角,比较夹角与动态分割参数的关系,以判定像素所在区域(目标或背景).实验表明,该方法能较快的实现图像分割,分割的效果也较好.     

结合马氏距离的区域化模糊聚类遥感图像分割

传统模糊聚类算法通常将像素光谱测度间的欧式距离作为相似性准则,其仅适用于同质区域内像素光谱测度呈对称分布的图像.同时,基于像素的图像分割算法极易受噪声干扰,导致该类算法难以适用于高分辨率遥感图像分割.因此,提出结合马氏距离的区域化模糊聚类遥感图像分割算法,该算法以Voronoi多边形为基本单元,令多边形内所有像素与该多边形具有同一类属性,并采用马氏距离定义非相似性测度.此外,在目标函数中引入马氏距离规则化项以控制聚类尺度,进而构建区域化高分辨率遥感图像分割模型.通过对合成及真实遥感图像分割结果的定性及定量分析,证明了提出算法具有较强的鲁棒性.     

基于OTSU处理不均匀光照图像改进算法研究

为解决不均匀光照下图像二值化问题,提出一种基于最大类间方差法(OTSU算法)的改进二值化算法,将图片分为明亮区域和阴暗区域两部分,分别计算两部分最大类间方差对应的阈值,通过分析阴暗区域特征,判断每一像素点位于明亮区域还是阴暗区域,从而确定每一点的阈值。实验结果表明,该算法可以解决OTSU算法处理光照不均匀图像丢失信息问题,可广泛应用于光照不均匀条件下的文本图像二值化处理,针对特殊情况较好,相对于其他算法适用性更强,本算法可通过提高OTSU算法的运算速度,缩减算法的运行时间。该研究提取信息较为完整,可以作为字符识别及缺陷检测等工作的预处理方法,提高识别精度。     

基于Itakura-Saito散度的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且两者像素量和方差要求基本相当的不足,提出了基于Itakura-SaitoS散度的图像阈值化分割新算法。实验结果表明,对有些图像采用Itakura-Saito散度的阈值法比传统Otsu阈值法能够获得较好的分割效果。     

基于背景差分法的交通事件智能检测系统

为快速、准确地检测出交通事故的出事地点,设计了基于前后背景差分的智能检测系统。通过研究一段时间内静态位置上的像素变化,并选取合适的阈值衡量变化程度,从而检测是否存在交通事件。在选取阈值方面,结合了运动目标分割中的背景减法和OTSU算法,并根据相邻帧间的相关性对原算法加以改进,获取了自适应效果较好的分割阈值,从而实现事故的智能检测。截取浙江省杭甬高速公路的交通视频图像进行仿真,结果显示,该系统达到了运行数据量少,检测速度快,准确性高的效果。     

模糊逻辑和谱聚类的字符图像分割

为了从复杂背景中有效分离出字符图像,提出了一种基于模糊逻辑的谱聚类字符图像分割方法.利用最大信息熵准则获得模糊函数的参数,将原始图像模糊化;在模糊后的图像上建立像素间的相似矩阵,文本图像的纹理、灰度及像素间的距离是定义相似函数的依据,计算相似矩阵最小特征值对应的特征向量,并对其聚类划分;利用分类后的特征向量对相似矩阵进行划分,进而实现原图像的分割.实验结果表明:本文方法优于一般的阈值化分割方法,能够有效处理背景复杂的自然场景文本图像.