基于Otsu法自适应阈值的图像分割研究

概述了基于一维Otsu 和二维Otsu 双门限的阈值分割法,提出了基于像素邻域平均灰度的改进的一维Otsu 多门限分割方法,兼有准确性和快速性的优点,并应用于MRI脑图像,实现了多个目标的自动分割,与普通的一维Otsu 法相比具有更好的分割效果.     

基于分形理论的改进型二维最大熵红外图像分割算法

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。     

一种改进的Otsu图像阈值分割算法

Otsu法是图像阈值化分割法中的经典算法之一,在图像处理中有广泛的应用。本文针对红外吊舱图像的特点,在对Otsu法进行分析的基础上,提出了一种改进的Otsu图像阈值分割算法。首先,采用整幅图像的平均灰度值作为初始阈值对图像进行分割;然后,推导出了Otsu法四个参数的递推公式;最后,在缩小的灰度级范围内用递推的Otsu法来计算最终的分割阈值T。实验仿真结果表明,改进的Otsu算法在图像分割效果方面和时间效率方面明显优于Otsu法。     

基于OTSU的近红外图像分割的应用研究

OTSU法是最常用的利用图像的一维灰度直方图的阈值化方法之一,二维OTSU除了考虑像素点的灰度信息外还考虑了像素点与其邻域的空间信息.由于红外图像不同于一般灰度图像的一些特征,有针对性的采用了二维OTSU对其进行分割.通过与一维OTSU的相互比较可以看出,二维OTSU对近红外图像拥有更好的分割效果,能有效的分割出炉管图...     

基于边缘信息的二维Otsu阈值分割算法的改进

在灰度图像的处理中,Otsu法是普遍的阈值分割方法,在对Ostu阈值分割方法不断改进的过程中,以二维的Otsu阈值分割方法应用最为广泛,在二维的Otsu方法的统计量中加入均值的方式虽然在一定的程度上消除了噪声,但对于背景与目标区域不明显时,二维Otsu阈值分割不能得到理想的效果。文中在二维Otsu方法改进的过程中,在不增加算法复杂度的情况下使用Sobel算子加入边缘信息,可以有效刻画边缘信息,同时可以很有效减少边缘处的噪声。     

基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

基于改进人工蜂群正余弦优化的红外图像分割方法

针对红外图像背景复杂且分割难度较大等问题,提出了一种改进人工蜂群正余弦优化的红外图像阈值分割方法。首先是将二维Otsu函数作为蜂群算法的适应度函数;其次采用混沌对立的学习方法和差分进化的方法改进了初始化种群和蜜蜂搜索方程;然后利用改进的蜂群算法优化阈值,缩小阈值的搜索区域;最后利用正余弦法计算出全局最优解,该最优解即为分割的最佳阈值。实验结果表明:论文方法与Otsu法、k-means法、区域生长法以及分水岭法相比,图像目标区域分割的平均交并比为84.13,平均准确率为89.18,有效提高了红外图像的分割精度。     

一种快速鲁棒的红外图像分割方法

介绍了一种快速鲁棒的红外图像分割方法,算法是为了满足工程化应用。首先采用Canny边缘检测算子提取图像的边缘像素;然后统计边缘像素灰度值得到红外行人图像的分割阈值,并利用自适应双阈值算法对图像进行初始分割;最后通过边缘扫描对初始分割的图像区域进行边界修正,得到边界更加精确的目标区域。实验结果表明,该方法能够较好地保留行人的边缘信息,减少了区域像素错误分割,且具有较强的实时性。     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。     

基于视觉与标注相关信息的图像聚类算法

算法首先按视觉相关程度对标注字进行打分,标注字的分值体现了语义一致图像的视觉连贯程度.利用图像语义类别固有的语言描述性,从图像标注中抽取具有明显视觉连贯性的标注字作为图像的语义类别,减少了数据库设计者繁琐的手工编目工作.按标注字信息对图像进行语义分类,提高了图像聚类的语义一致性.对4500幅Corel标注图像的聚类结果证实了算法的有效性.     

一种新的基于图像增强的融合算法

针对一般融合算法在图像预处理上存在的不足,将图像融合引入图像预处理中,使待融合图像不仅得到增强,且不损失其他信息,为下一步图像融合奠定良好的基础,在此基础上对图像进行融合,其标准差、平均梯度、熵等图像评价指标都优于直接对图像进行融合,达到预期效果.     

数字图像拼接方法研究进展

数字图像拼接是指将具有重叠区的多幅数字图像或多帧视频通过配准和融合获得单幅宽视场图像或者动态全景图.数字图像拼接方法主要包括图像配准算法和图像融合算法.根据待拼接图像和拼接图像的特点,介绍图像拼接的4种基本类型,说明图像拼接的研究意义,概述近年来图像拼接方法的研究状况,最后分析图像拼接方法的研究动向.     

基于IMG红外图像的编码破解与格式转换

红外热像仪常见的图像格式为IMG,其编码规则有别于通常意义下的IMG图像,经研究发现:图像文件中保存每个像素点信息的数据(本文中称其为像素值)是随着该点的实际温度值单调递增的:利用神经网络得出像素点的实际温度与像素值间的函数关系,仿真误差低于0. 0001;据此构造温度值与灰度色彩的非线性关系,本文最后根据BMP图的编码规则,将红外热图转换成Windows下通用的图像格式,从而突破了热像仪器配套软件的禁锢,又可以得到图像最原始的温度信息,为进一步的红外图像处理打下了基础。     

光机装校阶段红外与可见光图像配准技术研究

针对在光机装校阶段,分析光学件和金工件的设计、加工和装配的累积误差对图像配准精度的影响。首先,分析在光机装校时采取主观评价方法评价图像配准质量的原因;其次,具体分析物镜的焦距和畸变误差、光轴一致性误差和探测器安装面误差对图像配准精度的影响。通过分析误差产生的原因,提出在光机装校时的解决办法。     

基于图像特征的多元平滑算法

基于图像特征的分析,本文提出了一种能够最大限度地保持图像细节、且同时滤除图像随机颗粒噪声与结构性噪声的多元平滑算法。该算法优于图像系统通常采用的均值与中值滤波方法,能够使用于实时热成像系统图像处理场合     

一种基于鱼眼图像的全景展开算法

针对在全景图像拼接技术中有着广泛应用的鱼眼图像校正问题,这里选择分辨率为800×800大小的鱼眼图片进行实验,利用鱼眼镜头垂直拍摄生成全景图的方法,运用图像像素点矩阵的变换,像素点数量的不变性,拼接其子图像,进而取得了良好的效果,由此得出了一种简单而有效的全景图展开算法。实验证明,算法简单、计算量小、实时性高、获得了良好的校正效果,达到生成全景图像的目的。     

多光学传感器的图像拼接系统的设计

当要求的场景尺寸超出一个光学传感器的范围时,同时取得一个完整的场景就成为难点。针对这一问题,提出一套小型的视场拼接系统。采用多个光学传感器同时对场景进行采集,得到几幅互相有一定重叠的图像。然后进行图像配准和图像融合,实现无缝大视场的拼接。     

一种水下图像增强算法的实现和仿真

〗由于水下环境的特殊性和复杂性,使得水下图像的质量差、图像对比度低。文中给出了一种基于空间域的图像增强方法,该算法利用均值算法估计水下图像背景,从原水下图像衰减背景图像,再对衰减背景之后的图像进行改进的图像锐化处理。通过对算法仿真结果的分析可知,处理后的图像整体对比度明显提升,同时使得目标的边缘更加清晰。     

去除块效应的图像后处理算法

分析了图像后处理技术的最新发展成果,重点研究了几种重要的后处理算法,比较了它们的性能,最后提出了目前的问题和以后的发展方向。