2维Otsu自适应阈值的快速算法

Otsu自适应阈值法作为图像阈值分割的经典算法，在图像处理领域得到了广泛的应用，在其基础上发展起来的2维Otsu阈值法却因为计算时间长而制约了其应用。针对2维Otsu自适应阈值方法计算复杂度高的缺点，通过改变2维直方图上的区域划分，将2维阈值转换为1维阈值，从而提高了2维自适应阈值算法的计算速度。实验结果表明，该算法的计算时间远远小于原始2维Otsu算法，分割效果和原始算法基本一致。     

灰度图像二维Otsu折线阈值分割法

Otsu法是一个应用较为广泛的阈值分割方法。为实现图像较为精确的分割,充分考虑边界的影响,从二维线阈值分割替代传统的点阈值分割思想出发,提出了折线阈值型Otsu法。该方法以对边界信息的迭代分割的手段获得实际用于分割的二维折线阈值。仿真结果表明,该方法能够获得优于原始Otsu法的分割效果,特别适用于边缘丰富的图像分割,具有较好的分割普适性。     

狼群优化的二维Otsu快速图像分割算法

传统二维Otsu算法的阈值选取大都采用穷尽搜索方式,造成算法分割时间较长、实时性差等缺点,影响图像分割效果。为提高算法的运行效率,采用狼群算法来搜索最优阈值,每匹人工狼代表一个可行的二维阈值向量,狼群通过游走、召唤、围攻这三种智能行为的不断迭代以及狼群间的信息交互来获取最佳阈值。仿真结果表明,与标准粒子群优化二维Otsu算法和传统二维Otsu算法相比,狼群优化算法降低了分割时间并提高了图像分割精度。     

改进的二维Otsu图像分割方法的研究

为提高传统二维Otsu法的分割精度,尤其是对图像中小目标的分割精度,提出具体的改进方法：在传统二维Otsu法的基础上,对二维灰度直方图进行坐标变换,并将传统计算公式进行调整,改进阈值分割方法。实验结果表明,改进的阈值分割方法与传统算法相比较,提高了识别能力和分割效率。     

一种改进的二维Otsu阈值分割算法

Otsu算法,也被称之为最大类间方差算法,是实现阈值分割的经典算法之一。二维Otsu算法是一维Otsu算法的推广,它充分考虑了图像的灰度信息和空间邻域信息,可以有效滤除噪声影响,但是同样存在着运算量大、时效性差的问题。对此提出了一种改进的二维Otsu快速阈值分割算法,先将二维Otsu算法分解为两个一维Otsu算法,并集成类间和类内方差信息构造了一种新的阈值判别函数,同时通过降维,进一步降低计算量。实验结果表明,该算法在时间效率与分割效果两方面明显优于传统的二维Otsu算法与快速二维Otsu算法。     

改进的动物精子图像分割算法

动物精子图像分割在计算机辅助精子质量分析系统(CASA)中有着非常重要的作用,直接关系到精子质量检测的精度和速度。在总结最大类间方差(Otsu)算法利弊的基础上,对传统二维Otsu算法原理以及在动物精子图像分割过程中存在处理时间过长的问题进行了研究,提出了一种改进的二维Otsu图像分割算法,通过改变二维直方图的分块方式将二维最优阈值搜索变为一维最优阈值搜索,从而缩短寻找最优阈值的处理时间。实验结果表明,改进的分割算法可以有效降低算法复杂度和噪声干扰,实现动物精子图像快速、准确的分割。     

基于遗传算法的二维最大类间方差图像分割算法

为解决传统二维最大类间方差(Otsu)阈值分割算法处理图像时计算复杂度高、实时性差、易受噪声干扰等问题,本文将遗传算法应用到二维Otsu法中,提出一种基于遗传算法的最大类间方差法的灰度图像分割算法.二维Otsu算法考虑了图像的灰度信息及邻域空间的相关信息,以保证图像分割的精度;利用遗传算法则能提高运算速度.因此,基于遗传算法的最大类间方差法的灰度图像分割算法兼有二者优点,不仅提高运算速度而且能保证图像分割精度.     

改进人工蜂群算法在二维Otsu图像分割中的应用

为了迅速准确的分割图像,通过对传统蜂群算法选择蜜源方式和缺陷蜜源的调整,提出了一种基于改进的人工蜂群算法分割二维Otsu图像的新方法. 此方法把图像阈值由人工蜂群算法中的蜜蜂表示,通过引领蜂、侦查蜂和跟随蜂之间的信息共享和分工协作来求出最佳阈值,成功解决了传统二维Otsu图像分割计算量大、运行时间长的缺陷. 实验结果表明,所提出的算法不仅能得到理想分割结果,而且分割速率快.     

改进的二维Otsu算法在SF6压力表盘图像分割中的研究

为了提高SF6压力表盘图像分割准确度,对比了传统二维Otsu和Otsu双阈值分割算法,给出了一种改进二维Otsu算法.针对二维Otsu算法选取最佳阈值时存在的缺陷,将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值,提高了目标图像的阈值分割效果.实验结果表明:所提算法不仅满足对SF6压力表盘图像进行目标区域分割,同时具有更高的稳定性、快速性和分割精度.     

基于鱼群算法的图像阈值分割*

本文提出了一种基于鱼群算法的二维阈值图像分割的新方法。传统的二维Otsu方法考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对Ostu方法的计算量大、运行时间长的缺陷,采用鱼群算法来搜索最优二维阈值向量,通过鱼群追尾行为获得最优阈值。实验结果表明,所提出的方法不仅能得到理想的分割结果,而且分割速度快。     

二维Otsu阈值法的快速算法

最大类间方差法(Otsu)是图像分割的经典算法,在其基础之上发展起来的二维Otsu阈值分割法由于计算复杂而制约了其应用。针对这一缺点,提出一种改进的二维Otsu阈值法的快速算法。首先将原始二维直方图划分成M×M个区域,将每个区域视为1个点,构造新的二维直方图,在其上利用二维Otsu以及快速递推算法,得到分割阈值所处的区域编号;既而对所确定的区域再次使用二维Otsu算法得到原始图像的分割阈值。实验结果证明,改进算法有效地提高了计算速度,降低了算法的空间复杂度,且分割效果与原始算法基本一致。     

改进的2维Otsu法及混沌粒子群递推的阈值分割

鉴于现常用的灰度级-平均灰度级2维直方图区域划分将部分目标和背景点错分成边缘和噪声点这一不足,为此提出了一种基于灰度级-梯度2维直方图的Otsu阈值选取新方法,利用混沌粒子群优化算法来寻找分割阈值,并提出在迭代过程中,采用递推方法来大大减少适应度函数的重复计算。实验结果表明,与最近提出的基于灰度级-平均灰度级2维直方图Otsu法及粒子群的快速图像分割方法相比,该新方法由于尽可能地考虑了所有目标点和背景点,从而使分割后的图像区域内部均匀、边界形状准确、特征细节清晰,同时运行时间几乎不到现有算法的1/3,而且粒子群处理的收敛精度得到了进一步提高。     

基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法

为了克服图像噪声对图像分割结果的影响,利用图像中与像素具有相似邻域结构的像素提取当前像素的非局部空间信息,构造了基于像素的灰度信息和非局部空间灰度信息的二维直方图,并将此二维直方图引入到Otsu曲线阈值分割法中,提出了基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法。实验结果表明,该方法能进一步提高原始二维Otsu曲线阈值分割法对于图像噪声的鲁棒性,获得了更加理想的分割结果。     

基于双界线的Otsu阈值分割法及其快速算法

传统2维Otsu阈值分割法由于运算时间长、抗噪能力不足而在应用中受到限制。为了克服这些缺点,提出了一种基于双界线的2维Otsu阈值理论及其快速算法。在新的2维直方图中,两条平行于对角线的界线决定目标和背景区域的宽度,垂直于对角线的分割直线决定阈值大小。该算法运用Roberts算子和线性拟合法确定双界线,然后运用改进的Otsu法计算最佳阈值,最后对噪声区域进行后处理。实验结果表明,该算法不仅运算速度快,而且具备较好的分割质量和抗噪性能。同时,快速算法的引入,进一步降低了运算量,使得该算法具备更好的实时性。     

融合视觉模型和最大类间方差的阈值分割算法

针对传统二维直方图的区域划分方法存在把图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点的缺点,以及传统二维最大类间方差阈值分割算法的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了该二维直方图的区域划分方法,同时还把提出的二维直方图应用到最大类间方差阈值分割算法中。根据分割时间、分类误差、均匀性等定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出的阈值分割算法在降低计算复杂度的同时还具有很好的分割性能。     

融合非局部空间灰度信息的三维Otsu法

为了提高最大类间方差阈值分割法(Otsu)对于图像噪声的鲁棒性,提出融合非局部空间灰度信息的三维Otsu法。该方法利用图像像素的灰度信息、邻域中值灰度信息和非局部空间灰度信息进行直方图统计,构建新颖的三维直方图,采用最大类间方差作为阈值选取准则。实验结果表明新方法对于噪声的鲁棒性要优于原始三维Otsu法,能够获得更加令人满意的分割结果。     

利用混沌PSO或分解的2维Tsallis灰度熵阈值分割

现有最大Shannon熵或Tsallis熵阈值选取方法没有从类内灰度均匀性出发,而仅依据图像灰度直方图,并且Tsallis熵法的分割效果通常优于Shannon熵法。为此,提出了基于混沌粒子群优化(PSO)和基于分解的两种2维Tsallis灰度熵阈值分割方法。首先,给出了1维Tsallis灰度熵阈值选取方法并将其推广到2维,导出了相应的2维Tsallis灰度熵阈值选取公式及其递推算法;其次,利用混沌PSO算法搜寻2维Tsallis灰度熵法的最佳阈值,并采用递推方式去除迭代过程中适应度函数的冗余运算,大大提高了运行速度;最后,将2维Tsallis灰度熵阈值选取方法的运算转化为两个1维Tsallis灰度熵法的运算,计算复杂度从O(L2)进一步降低到O(L)。实验结果表明,与2维最大Shannon熵法、2维最大Tsallis熵法及2维Tsallis交叉熵法相比,所提出的两种方法可以大幅提高图像分割质量和算法运行速度。     

Markov随机场与Gaussian曲线在MR图像分割中的应用

针对扫描的人脑组织MR图像边缘分辨率低、模糊性大的特点,本文提出了一种基于模糊Markov随机场和Gaussian曲线相结合的MR图像最佳阈值分割方法。该方法通过对图像的像素邻域属性的统计将模糊论引入其中,建立模糊Markov随机场,并利用Gaussian曲线对二维直方图最佳一维投影进行拟合,确定出图像中各脑组织的二维阈值点,在二维直方图上实现对脑组织的分割。通过实验表明,本算法能够有效提高脑组织的分辨率,对噪声的鲁棒性、结果区域的连通性相对于一维Otsu和二维Otsu算法都有了很大的提高。     

基于灰度-梯度二维对称Tsallis交叉熵的阈值分割

针对灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法存在错分、计算复杂度较高问题,提出一种基于灰度-梯度二维对称Tsallis交叉熵的阈值分 割方法。构建新的灰度-梯度二维直方图,更加全面地考虑目标点和背景点;导出基于该直方图区域划分的对称Tsallis交叉熵阈值选取公式;采用基于tent映射的 混沌小生境粒子群优化算法搜寻二维最佳阈值向量,并引入快速递推算法降低其适应度函数的计算复杂度。实验结果表明,与基于灰度级-平均灰度级直方图的 二维Tsallis交叉熵阈值分割法相比,该方法能够使分割后的图像边缘更加准确,类内灰度更加均匀,且实时性提高了30倍。