基于自定义灰度空间分布密度矩阵的Otsu改进算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理与模式识别领域有着广泛应用.将图像中灰度级的空间分布特性应用到图像分割中,自定义适当的灰度空间分布密度矩阵结合先验知识,提出Otsu改进算法.实验证明在图像中目标与背景的灰度差异不是特别大的情况下,该算法的分割效果优于经典的Otsu算法以及其它分割算法.     

一种用于红外图像分割的改进型Otsu方法

概述了红外图像处理系统对图像预处理的要求,并针对传统图像分割算法中容易出现的目标错分问题,提出了一种基于灰度梯度映射函数的Otsu法。该方法克服了传统的基于灰度直方图的Otsu法不能利用图像局部信息和边界信息的缺点,通过将像素点的梯度信息与灰度信息相结合,较好地从背景中分离出了目标。仿真结果表明,该算法达到了预期的技术指标,很好地实现了红外图像预处理的功能。     

一种基于图像平滑的阈值分割方法

阈值分割是图像分割技术中一类广泛使用的方法,Otsu法是其典型代表。针对Otsu法不能准确分割低对比度或低信噪比的图像的缺点,提出了一种新的动态阈值分割方法：先用平滑滤波器平滑得到原始图像的动态背景图像,原始图像与动态背景图像相减得到差图像,在差图像上通过设定阈值来实现原始图像的分割。仿真实验表明,该方法具有较低的算法...     

煤矿监控中火灾图像分割方法研究

在分析现有火灾图像分割方法特点的基础上,针对最大类间方差法(Otsu法)对双峰陡峭且双峰相距过远的图像不能精确提取目标的问题,提出一种利用直方图和遗传算法的最大类间方差法的改进方法。研究结果表明,该方法提取目标更精确,且对噪声的抑制能力更强。     

一种自适应阈值的Canny边缘检测算法

针对传统Canny算法阁值选择困难的问题,本文提出一种基于最大类间方差法的自适应同步搜索高低阈值的方法.该方法首先根据梯度直方图信息将对应的像素分为三类;其次基于改进的Otsu算法定义评价函数,该评价函数描述了类间方差;最后依次搜索评价函数的一个最大值,自动获取Canny算子的高低阈值.该方法不需要人为设定任何参数.与...     

一种改进的植物叶片病斑区域边缘提取技术

针对传统Canny算子边缘检测时容易丢失边缘细节的缺陷,提出了一种改进的植物叶片病斑区域边缘提取技术。运用最大类间方差法对病害图像进行二值化,添加对两个斜方向上梯度信息的提取,更加完整地保存了梯度信息,从而得到更完整的边缘图像。实验结果表明,本文方法能够有效地滤除图像中的噪声,检测到细节梯度,去除伪边缘和噪声边缘,得到更加精确的病斑区域边缘。     

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。     

小孔隙率碳纤维复合材料的富树脂超声检测

针对孔隙率接近0的小孔隙率碳纤维复合材料(Carbon Fiber Reinforced Composite,CFRP)的富树脂检测需求,提出富树脂超声检测技术。对超声检测信号中的噪声消除方法、衰减抑制方法和富树脂检测的多视图成像技术进行研究,并开发小孔隙率CFRP富树脂超声检测软件。首先提出共振频率估计方法,通过低通滤波抑制高频随机噪声。其次根据频率差异,应用变分模态分解算法分离并消除共振结构噪声,提取低频成分。该低频成分包括表面回波、底面回波、富树脂反射信号和由层间反射信号、材料散射噪声等构成的相干噪声。再次,引入瞬时幅值比修正低频成分的幅值衰减并描述被检测小孔隙率CFRP的局部反射能力。最后,应用Otsu多阈值方法自适应获得富树脂识别的阈值,消除相干噪声的影响,完成富树脂识别。进一步对小孔隙率CFRP的超声检测结果进行多视图成像,在三维视图、C扫描视图和B扫描视图内识别富树脂。结果表明:变分模态分解的分量数为2,Otsu多阈值的类别数为3时,能够准确识别小孔隙率CFRP超声检测信号中的富树脂反射信号;采用0.15作为多视图成像的阈值,可简洁有效地描述富树脂在小孔隙率CFRP中的分布。     

基于改进Otsu的桥梁裂缝检测方法

针对传统的桥梁裂缝检测方法效率低、主观性强，以及费时费力等缺点，提出一种基于改进Otsu的桥梁裂缝检测方法。在目标方差前加入偏重参数和背景倾向系数，利用灰度值梯度累积量获取峰值信息，进而保证在单峰情况下阈值始终在峰值左侧，然后通过灰度值累积量适当调整阈值，最终实现自适应桥梁裂缝检测。实验结果表明，改进算法能够有效检测出桥梁裂缝，且相比于EW,WOV,VE等算法，所提算法获得的误分类值更接近0,缺陷检测率更接近1,有更好的检测效果。