改进图割的显著性区域检测算法

为快速准确地提取图像中的显著性区域,提出一种改进图割的显著性区域检测算法。采用改进的图割算法对图像进行预分割,将图像分成若干子区域,在此基础上利用区域间对比度计算各区域的显著性值,得到图像的显著图,利用迭代阈值分割算法对图像显著图进行分割处理,通过图像去噪完整有效地提取出显著性区域。实验结果表明,该算法能够准确地提取出图像中的显著性区域,与传统方法相比,使用该算法提取出的显著性区域更完整、准确,提高了效率。     

基于区域生长的机器人路标识别方法研究

针对移动智能机器人基于单目视觉的路标识别问题,提出了一种基于当前最大聚合中心的区域生长算法.在经RGB视觉模型的实验阈值分割后的图像中,探测若干可能区域,结合外形轮廓特征,判定路标并定位其区域,然后反馈到灰度图,通过图像局部二次分割完成整个路标提取.对多幅自然场景图像进行的实验表明,该方法能够快速有效地从图像中自动定位与提取路标图像.     

基于改进分水岭变换的遥感图像建筑物提取

遥感图像的分割是遥感信息提取与目标识别的基础和关键。以高分辨率城镇地区遥感图像为研究对象,提出一种基于全局阈值的多级分水岭算法,用于遥感图像的分割。该算法通过引入差异度函数,在执行传统分水岭算法的过程中对图像中存在的噪声区域进行修正,并通过使用全局阈值有效的控制欠分割问题。首先基于全局阈值的多级分水岭算法对高分辨率遥感图像进行初始分割,然后综合利用分割对象的颜色和形状特征信息,进行区域合并和梯度边缘提取,得到最终的建筑物提取结果。实验结果表明,所提出的基于全局阈值的多级分水岭算法较好地避免了过分割和欠分割现象,结合区域合并和梯度提取,能够快速准确地对城镇遥感图像中的建筑物进行提取。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

一种新型的雨滴微观特征提取方法*

雨滴颗粒的数目、形状、尺寸以及谱分布是准确反演降雨强度的基础,为了获取自然环境下的雨滴微观特征量,本文采用迭代最大熵分割算法,获取雨滴图像的灰度区域阈值,通过阈值比较,把雨滴颗粒从图像中分割出来,在此基础上,把凹点匹配分割算法引入粘连雨滴的分割研究中,以链码差和曲率作为判断准则,选取凹点进行匹配,实现粘连雨滴的精确分割,以几何均值算法标记不同雨滴颗粒质心位置,记录雨滴特征量,提出了一种新型的雨滴微观特征提取方法。通过实验表明,该算法不仅能够有效地从图像中提取边界区域明朗且颗粒完整的雨滴,而且能够对粘连雨滴颗粒进行分割,从而可精准地从图像中获取雨滴微观特征量。     

一种光斑图像的阈值分割和光斑中心坐标的计算方法

工业测量中经常需要从获取的光斑图像中提取光斑区域,计算光斑中心的坐标。针对光斑图像具有背景区域较暗且面积大,目标(光斑)区域较亮且面积小的特点,提出了一种适用于光斑图像的阈值分割方法,计算单个光斑中心坐标的重心法,以及采用连通区域标记和区域大小排序计算多个光斑中心坐标的方法。与其他阈值分割方法比较后的实验结果表明,所提出的方法可更好地分割光斑图像,与期望的人工选取的阈值最接近,计算得到的光斑中心坐标准确,且运行时间较短。     

基于改进粒子群算法的图像闭值分割方法

针对图像提取问题,最优阈值选取是否合理对图像分割效果至关重要。在处理不同种类图像区域时,粒子群算法(PSO)由于早熟现象难以准确计算最优分割阈值,因此导致图像分割准确率低。为了提高图像分割准确率且准确地提取出图像目标,提出一种基于混沌粒子群算法(CPSO)的图像阈值分割方法。受益于混沌运行的遍历性、对初始条件的敏感性等优点,CPSO很好地解决了PSO的粒子群过早聚集和陷入局部最优等难题,加快了全局搜索最优解的能力。采用具体图像对CPSO算法图像分割性能进行仿真实验,结果表明,相比于其它图像分割算法,CPSO不仅加快了运算速度,提高了图像分割效率,而且提高了图像分割准确率,非常适合于图像实时分割处理。     

基于粒子群的图像分割

图像分割是图像处理的关键问题之一,为了能够快速有效地选取最优阈值进行图像分割,引入了粒子群算法（PSO）对阈值分割进行优化,提出基于PSO的最大熵图像分割,基于PSO的最大类间方差图像分割以及基于PSO的最小误差图像分割,并进行了分析和研究,可以得出该三种方法可以准确、快速地获取最优阈值进行图像分割。     

一种鲁棒的彩色图像多阈值分割方法及应用

根据独立峰值特性把彩色图像的各颜色分量直方图划分为多个待分割区间,使得Otsu算法在彩色图像处理中实现了多阈值分割。该方法应用于RoboCup足球机器人,针对其HSI模型彩色图像提出了一种多阈值分割改进方法,即在中高饱和度的图像区域以H分量作为分割依据选取分割阈值;在低饱和度的图像区域以I分量作为分割依据选取分割阈值。实验证明,该方法能自动快速地对彩色图像进行多阈值分割,并具有很好的鲁棒性。     

基于Otsu与模糊技术的图像分割方法

阈值分割是一种使用较广的图像分割处理方法,传统的单阈值分割方法存在一定的缺陷。针对人眼视觉系统的特点并考虑图像的模糊不确定因素,将模糊技术应用到传统的最大类间方差分割法。用一种快速多阈值分割方法进行多区域划分,引入隶属度改进最大类间方差法,寻找区域最优分割阈值,进而分割图像。仿真实验结果表明：用该方法分割图像可以大大改进因噪声、光照或其他干扰因素造成的模糊、多目标、分割不完全的情况,分割效果明显改善。     

基于莱维飞行樽海鞘群优化算法的多阈值图像分割

针对Otsu算法用于多阈值图像分割中存在运算时间长和精度低的不足, 利用群智能优化算法对图像分割算法进行优化.本文首先应用莱维飞行算法对樽海鞘群优化算法进行改进, 将多阈值Otsu函数作为优化算法的适应度函数, 利用改进后的LSSA寻找适应度函数的最大值, 同时获得相对应的多阈值.其次, 通过对几幅基本图像、伯克利大学图像分割库中的图像和实际污油图像进行多阈值Otsu分割研究, 在最佳适应度值、PSNR、SSIM指标以及算法耗时方面进行对比分析.实验结果表明本文提出的算法可以获得更为准确的分割阈值和更高的分割效率.     

细胞膜机制萤火虫算法优化多阈值Otsu图像分割

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果,但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题,本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度,并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的"早熟"现象.实验结果表明,与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比,本文提出的算法具有更高的收敛速度和更好的图像分割效果,并且有效解决了萤火虫算法易陷入局部最优的问题.     

基于Curvelet变换和多目标粒子群的混合熵MRI图像多阈值分割

针对因噪声干扰多、灰度不均匀、目标边界模糊导致的核磁共振成像（MRI）图像难以精确分割的问题,提出了一种基于Curvelet变换和多目标粒子群（MOPSO）的混合熵MRI图像多阈值分割算法。首先,对待分割MRI图像进行Curvelet分解,提取低频子带和高频细节子带构建概貌-细节灰度级矩阵模型,以提高算法的目标细节表示能力;其次,同时考虑目标与背景的类间差异性与类内均匀性,将提出的二维多阈值倒数熵和倒数灰度熵组合定义为混合熵,作为多目标粒子群算法的目标函数,协同搜索得到最优的分割多阈值,以实现MRI图像的精确分割;最后,为提高算法的求解速度,提出了二维倒数熵和倒数灰度熵多阈值选取的梯度算法。实验结果表明：与二维tsallis熵、自动细菌觅食分割法（ABF）和改进的Otsu多阈值分割算法相比,所提方法对灰度不均和含噪的MRI图像具有更好的适应性,分割结果更为精确。     

基于改进飞蛾扑火算法的多阈值彩色图像分割

针对彩色图像多阈值分割存在计算量大、运行时间长等问题,在飞蛾扑火算法(Moth-Flame Optimization,MFO)的基础上,引入莱维飞行策略和自适应权重变化策略,提出LSMFO算法(Levy Self-adaptive Moth Flame Optimization)对最佳分割阈值进行优化搜索。为了验证该算法的有效性,选取4幅伯克利大学经典图像,将LSMFO算法与另外5种元启发式算法进行对比。应用Otsu方法进行多阈值图像分割实验,并用SSIM、PSNR、EPI三个指标评估分割后的图像效果。实验结果显示,LSMFO算法在指标衡量比较上整体水平优于其他算法,表明该算法运行时间短、分割精度高,能够有效解决彩色图像多阈值分割问题。     

基于CT心脏图像的腔体区域分割新算法

在心脏图像处理中,为解决心脏四腔过分割问题,使用基于直方图的多阈值分割和标记分水岭分割相结合的新方法.由于CT心脏腔体区域灰度十分相似,组织相互连通,采取单一阈值分割无法得到目标区域,新算法使用多阈值分割,根据图像对应的直方图选择合适的阈值,并将分割结果作为基于标记的分水岭分割算法的输入图像,最终获得心脏的腔体区域,最后,通过重建得到左心房心室的三维结构图.而与其他分水岭改进方法相比,该算法以基于直方图的多阈值分割为前提,标记提取更为准确,目标组织边界清晰,能够获得更加理想的分割结果,有效降低了仅使用分水岭算法存在的过分割现象.     

基于改进正余弦优化算法的多阈值图像分割

针对多阈值图像分割方法计算量大、分割精度低的问题,提出了基于改进正余弦算法（improved sine cosine algorithm,ISCA）的多阈值图像分割方法。首先对种群进行混沌初始化来提高初始种群质量;其次根据粒子适应度值的大小自适应地调整参数;最后引入反向学习策略并择优选取粒子。伯克利图像和植物冠层图像分割实验的结果表明,该算法的运行时间较短,而且分割精度较高,具有较强的鲁棒性。     

基于混沌电磁场优化算法的多阈值彩色图像分割

为了解决彩色图像多阈值分割中计算时间长、分割精度低的问题,在电磁场优化算法(Electromagnetic Field Optimization,EFO)的基础上引入一种混沌策略用于算法初始化中,提出混沌电磁场优化算法(Chaotic Electromagnetic Field Optimization,CEFO)对图像的最佳阈值向量进行搜索。将其与另外5种优化算法进行对比,采用PSNR、MSSIM和FSIM 3个图像质量评价指标和算法运行时间(CPU Time)对6种分割算法进行分析比较。结果表明,CEFO具有收敛速度快、分割精度高的优势,能够胜任多阈值彩色图像分割的工程任务。     

基于分数阶微分增强的肺CT图像血管分割

为了提高对肺CT图像中血管自动分割的准确性,提出基于分数阶微分增强的局部子区域分割方法。通过对肺CT图像的增强、分割方法和分数阶微分对图像细微细节的增强能力的比较和研究后, 该方法先采用构建的分数阶微分算子对肺CT图像加以增强后, 再用两个控制指标获取的局部区域最优阈值来分割肺血管。实验结果表明, 它可以有效地提取肺血管网络并且能够分割得到更为丰富的血管细节; 对比传统方法的肺血管分割结果,它能更准确地分割出肺CT图像中的血管。     

基于自适应定向正交投影分解的图象分割方法

将目标和背景分别对应到灰度直方图中的两个高斯分布是进行图象分割的一种常用方法 ,但复杂图象的直方图往往是多峰的 .为了更好地拟合这种复杂图象直方图的多峰特性 ,提出了一种基于自适应定向正交投影分解的图象分割方法 .该方法首先将这种复杂图象的直方图看作是多个高斯分布的叠加 ,并可通过应用自适应定向正交投影分解法来快速准确地确定每个高斯分布的权值、均值和方差 ,进而计算出各相邻高斯分布之间的最优阈值 ,以用于图象分割 .在此基础上 ,又提出了阈值分离度的概念 ,并将其作为选取最终阈值的指标 .应用实例结果表明 ,该方法能够快速有效地实现复杂图象的多阈值分割 .