矿岩爆破图像二值化分割技术的研究与选择

爆破块度图像分析法是当前爆破块度统计的重要方法,图像分割技术是该分析方法的关键与难点。针对爆堆及块石图像的特殊性,研究了基于二值化的矿岩爆破图像分割技术,分析了阈值分割、区域生长分割、标记分水岭分割等当前主要的图像分割方法。通过研究图像上同一截面灰度值切片的变换与矿块实际边缘的吻合程度,发现数学形态学分割方法得到的二值图像边界清晰、断点少,相对于门限法更适用于爆破块度图像,其生成的二值化图像层次清晰,便于像素特征的提取。图像分割先进技术的应用,对于实现矿岩爆破图像块度分析的智能化提供了广阔的空间。     

DNA遗传算法的改进二维最大熵图像分割

传统的二维最大熵图像分割算法在求解阈值时将二维直方图的噪声和边缘区域近似为零,降低了分割精度。针对这一问题,本文提出了一种基于DNA遗传算法的改进二维最大熵快速图像分割算法。利用梯度-均值灰度直方图得到有用区域,并以改进的二维最大熵作为优化函数,采用DNA计算遗传算法得到二维最优阈值。实验表明该算法对图像分割去噪能力强,分割效果好,以及快速有效处理能力。     

手背静脉图像二值化阈值算法

因为传统分割算法对图像细节特征信息不敏感,分割效果不理想,提出了一种确定阈值的改进方法。该算法在阈值图像法的基础上,采用迭代计算平均值的方法,动态地获得每个像素点位置的最佳阈值,以获取一幅与原图像大小相同的阈值图像,利用该阈值图像对原静脉图像进行二值化处理,增强了图像的局部细节特征信息。仿真实验证明了该改进算法的有效性。     

红外图像的动态阈值分割

在深入探讨目前图像分割算法的基础上，针对实际红外图像的分割提出了一种新的方法－－动态阈值分割算法。它利用局部空间阈值适度调整全局统计最优阈值，因而其分割阈值是动态的。实验表明该算法能够突出图像中感兴趣的细节，单动态阈值的分割效果相当于常规固定双域值的分割。     

基于生化反应速率的图像阈值分割算法

提出了一种改进的DNA遗传算法,以解决遗传算法用于图像分割时收敛速度慢、易早熟的缺点。利用碱基互补的DNA编码方式增加种群多样性,防止陷入局部极值;设计了基于DNA分子操作的置换自适应交叉算子和密码子变异算子,从而提高遗传算法的搜索能力,有效加快了算法的收敛速度和效率,并将此算法用于寻找二维Arimoto熵的最佳阈值,最后对图像进行分割。普通图像和医学图像的分割结果验证了改进DNA遗传算法用于图像分割的有效性。     

基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。     

改进的模糊阈值图像分割方法

提出了一种自适应的模糊阈值图像分割方法,通过预分割和直方图信息相结合的方法,解决了传统的模糊闽值图像分割法难以自动获取窗宽的困难;并针对模糊闽值图像分割方法不能适用于直方图呈单峰分布的图像的缺陷,提出了一个新的平滑迭代公式。该平滑迭代公式利用像素点的邻域信息使图像增强,再使用自适应的模糊阈值图像分割方法进行分割,可以拓宽模糊阈值图像分割方法的适用范围。实验结果表明,使用该方法的目标分割正确率达97.3％,显示了较高的分割精度和较强的鲁棒性。     

一种有效的红外图像中人造目标分割方法

提出一种红外图像单阈值分割方法。为了减少计算量,结合先验信息选择包含待分割目标的感兴趣区域,利用Bezier曲线法平滑感兴趣区域直方图的噪声;对平滑后的感兴趣区域的直方图求解其曲率曲线,用曲率曲线的波峰所对应的灰度值作为初始分割阈值;基于先验信息从初始分割阈值中确定最佳分割阈值并进行初步分割。为了弥补单纯利用阈值法分割的缺陷,结合上述分割结果和目标的边缘信息得到封闭性良好的完整目标的二值图像。实验结果表明,提出的方法能快速有效地将红外目标从复杂的背景中分割出来,算法的计算复杂度为O(MN)。     

遗传算法在易拉罐罐盖喷码系统中的应用

目的为实现饮料易拉罐拉环背部激光打码的自动化,提出一种基于遗传算法的易拉罐罐盖图像识别新方法。方法首先搭建一套易拉罐盖激光自动打码机,基于所搭建的实验系统,利用CCD相机实时采集罐盖图像。对所采集到的图像进行中值滤波和灰度增强处理,在此基础上,研究基于遗传算法的罐盖图像阈值分割新方法,分析、确定算法的关键参数(个体数目、交叉率、变异率等),由此得到罐盖的二值化图像,并对算法处理结果进行误差分析。结果遗传算法经过约15代的迭代计算,能够收敛,获取到最优的图像阈值,整个算法的运行时间约30 ms,最终的图像精度约为7.9 pixel。结论基于遗传算法的图像阈值分割实时性好,分割后的图像精度高,与传统的Ostu阈值分割法相比,得到的信息更加丰厚,能抑制光线不均所造成的图像干扰。同时对遗传算法阈值分割后的图像进行了sobel边缘检测,得到了清晰的罐盖边缘,为激光打码的准确定位奠定了基础。     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法。该算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数。通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。     

印刷网点微观图像阈值分割算法研究

目的 通过阈值处理方法, 准确获取网点微观图像的特征参数, 将其与仪器测量值相结合, 综合评价印刷品复制质量。方法 提出一种基于高斯函数模型拟合网点图像灰度直方图数据的阈值分割算法, 寻找网点类图像最佳分割阈值, 对图像进行二值化处理, 得到准确的网点参数。结果 得到的印刷品网点面积率在全阶调范围内更接近于测量值, 分割效果明显优于传统的阈值分割算法。结论 提出的高斯拟合阈值分割算法更有利于提取网点类图像的微观参数, 精度高, 稳定性好,为获取准确的网点图像微观参数提供了理论与实践参考。     

基于小波滤波器的浮动阈值算法

在处理光照不均匀的图像分割时用常用的阈值分割方法不能得到良好的分割效果，通过分析图像特征及对小波分析理论的研究，提出采用小波滤波器将滤波以后的低通图像作为图像的浮动阈值进行二值化，获得了比较理想的效果，该算法在枪支在线OCR识别系统中得到实际应用。     

基于图像处理的卷烟圆周检测方法研究

以LabVIEW软件为开发平台,用CCD传感器采集了卷烟圆周横断面图像,以图像处理的方法求出了卷烟圆周长度。介绍了检测系统的组成,然后对所采集的烟支横断面图像,采用灰度变换、中值滤波、阈值分割和形态学开运算等图像处理算法进行了端面图像分析,用LabVIEW软件的图像处理工具包计算出了卷烟圆周的长度像素值,最后通过最小二乘法进行了数学优化,得出了相应的卷烟圆周长度。仿真试验结果表明,该方法检测准确率为94.36%,可以准确检测卷烟圆周长度,有助于提高卷烟产品的质量。     

基于双门限阈值的爆破块度图像识别研究

为改进爆破块度图像分割中容易存在的过分割、噪声、"黑洞"现象等问题,提出了双门限阈值分割技术,开展了多种类型的爆破岩块图像分割实验和小型爆堆的手工测量实验,实验结果表明,双门限阈值法与灰度阈值法、适应性阈值法、Otsu大津法等常用的分割方法相比,对爆破岩堆的图像分割效果更优,能够解决岩石表面噪声问题;与手工测量相比,双门限阈值技术对爆堆图像分割的平均相对误差为12.0%,误差主要因岩块的边缘棱角效应所致,这种效应使得分割结果偏大。双门限阈值分割技术能较好地应用于爆破块度图像识别。     

基于双门限阈值的爆破块度图像识别研究

为改进爆破块度图像分割中容易存在的过分割、噪声、"黑洞"现象等问题,提出了双门限阈值分割技术,开展了多种类型的爆破岩块图像分割实验和小型爆堆的手工测量实验,实验结果表明,双门限阈值法与灰度阈值法、适应性阈值法、Otsu大津法等常用的分割方法相比,对爆破岩堆的图像分割效果更优,能够解决岩石表面噪声问题;与手工测量相比,双门限阈值技术对爆堆图像分割的平均相对误差为12.0%,误差主要因岩块的边缘棱角效应所致,这种效应使得分割结果偏大。双门限阈值分割技术能较好地应用于爆破块度图像识别。     

Deer Body Adaptive Threshold Segmentation Algorithm Based on Color Space

In large-scale deer farming image analysis, K-means or maximum betweenclass variance (Otsu) algorithms can be used to distinguish the deer from the background. However, in an actual breeding environment, the barbed wire or chain-link fencing has a certain isolating effect on the deer which greatly interferes with the identification of the individual deer. Also, when the target and background grey values are similar, the multiple background targets cannot be completely separated. To better identify the posture and behaviour of deer in a deer shed, we used digital image processing to separate the deer from the background. To address the problems mentioned above, this paper proposes an adaptive threshold segmentation algorithm based on color space. First, the original image is pre-processed and optimized. On this basis, the data are enhanced and contrasted. Next, color space is used to extract the several backgrounds through various color channels, then the adaptive space segmentation of the extracted part of the color space is performed. Based on the segmentation effect of the traditional Otsu algorithm, we designed a comparative experiment that divided the four postures of turning, getting up, lying, and standing, and successfully separated multiple target deer from the background. Experimental results show that compared with K-means, Otsu and hue saturation value (HSV)+K-means, this method is better in performance and accuracy for adaptive segmentation of deer in artificial breeding scenes and can be used to separate artificially cultivated deer from their backgrounds. Both the subjective and objective aspects achieved good segmentation results. This article lays a foundation for the effective identification of abnormal behaviour in sika deer.     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。     

基于LoG算子边缘检测的图像二值化处理

摘要：数码管图像的目标和背景分离不明显，直方图分布较复杂。针对该问题，提出基于拉普拉斯高斯（Laplacian of Gaussian，LoG）算子边缘检测的全局二值化方法对其进行处理，该方法通过提取图像边缘部份的像素灰度获得图像二值化的阈值。处理结果表明，与传统的几种方法相比，该方法能够快速选取良好的二值化阈值，较好地区分目标和背景，在相当大模板宽度内图像二值化的结果都令人满意。