基于遗传算法的图像阈值分割

该文将遗传算法用于Ｏｔｓｕ法和ＫＳＷ熵法两种图像阈值分割方法中,进行了针对图像分割的遗传程序所需的参数设计,并采用遗传算法实现单阈值和多阈值图像分割。实验结果表明分割速度快于传统阈值分割法,缩短了运算时间。     

基于模糊增强的图像阈值分割

通过定义新的模糊映射函数以及引入模糊增强运算，给出了一种改进的模糊阈值分割方法，从而克服了传统模糊阈值法的缺陷。仿真实验表明，该算法能够快速，有效地完成对图像的分割；且效果较为理想。     

浅谈图像阈值分割技术

图像分割是一种关键的图像技术．在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多．有些分割运算可直接应用于任何图像,而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割．因为他们需要从图像中提取出来的信息。例如：可以对图像的灰度级设置门限的方法分割。值得提出的是,没有唯一的标准的分割方法。本文通过对图像阈值分割的描述、分类、特点分析,让人们熟悉阈值分割的特点,为今后在图像分割方面提供一务解决问题的思路。     

灰度图像的二维Otsu曲线阈值分割法

Otsu法是一个常用的阈值分割方法.为了利用图像的区域信息,本文在二维Otsu法的基础上提出了曲线阈值型Otsu法,传统的二维Otsu法可以看成是该方法的一个特例.实验结果表明,对于含噪图像,它能够获得优于传统二维Otsu法的分割效果.为了减少计算量,提高分割速度,给出了一种递归算法和一种小波变换与递归算法相结合的快速算法.该递推算法只需遍历二维直方图的主对角线和一条次主对角线,与传统Otsu法的递推算法相比,搜索空间由L×L个点减少到2L-1个点.     

图像阈值分割法和边缘检测法的研究与应用

在研究图像处理技术时,图像的分割方法起着重要的作用,在理论研究和实践中得到了广泛的应用,它是从图像处理到图像分割的一个关键步骤和基础。图像分割方法有多种方式,主要分为四类:一是阈值分割法,二是区域提取法,三是边缘检测法,四是结合特定理论工具的分割法。文章重点介绍阈值分割法和边缘检测法。     

基于阈值分割技术的图像分割法研究

在阈值分割法中,Otsu算法是图像阈值化分割法的经典算法,在图像处理中有广泛的应用;但此算法存在耗时长、分割精度低等缺点。在对Otsu阈值分割法进行分析的基础上,提出一种改进的Otsu算法。该算法采用缩小可取的灰度值范围的方式减少计算量,在小范围内应用Otsu算法计算最终分割阈值。通过Matlab仿真,所得结果对比表明,改进的Otsu算法在图像分割时间和效果上均优于原Otus算法。     

模糊阈值分割算法在具有双峰直方图图像中的应用

利用模糊阈值分割算法对具有双峰直方图的灰度图像进行阈值分割,这种分割算法具有自动寻找阈值,并且计算简单。试验结果表明：它的计算速度很快,比传统的类间方差最大法快2－3倍以上。     

红外图像阈值分割算法的研究

目标分割是图像处理、计算机视觉及人工智能领域中的一项基本而关键的技术,其目的是为后续的识别、分类、跟踪和检索提供依据.由于红外图像具有对比度低、噪音大,图像模糊等特点,故将遗传算法应用到红外图像阚值分割中.本文对红外图像阈值分割算法进行了综述,对遗传算法在红外图像分割中应用的研究方法,研究现状及其新技术进行了介绍.该算法被用在红外图像处理中,并取得较好效果.     

快速二维累积剩余Tsallis熵阈值分割方法

对灰度直方图呈现为双峰的图像,传统的二维直方图阈值分割方法虽然比较有效,但在灰度直方图呈现为无峰、单峰或多峰模式时,它们的分割结果较差。考虑到经过二维直方图映射得到的二维生存函数存在密度连续和形态统一等优点,本文基于图像二维生存函数提出一种快速二维累积剩余Tsallis熵阈值分割方法。该方法首先基于二维直方图构造二维生存函数,然后在二维生存函数的基础上定义计算分割阈值的二维累积剩余Tsallis熵目标函数。通过递推算法将计算目标函数的时间复杂度降为O (L²)。最后,基于递推形式的二维累积剩余Tsallis熵准则得到最优阈值向量以进行阈值分割。在26幅合成图像和76幅真实世界图像上将提出的方法与2种快速二维阈值分割方法、2种聚类分割方法以及1种活动轮廓分割方法分别在时间和误分类率(Misclassification Error,ME)2个指标下进行了比较。实验结果表明,在合成图像和真实世界图像中,相比于性能第2的方法,本文方法的时间平均缩短0.013 s,ME值平均降低0.051～0.089。提出的快速二维累积剩余Tsallis熵阈值分割方法不仅在计算效率方面优于...     

一种基于MRI图像的脑肿瘤组合分割法

从模糊的MRI脑肿瘤的图像中准确找出肿瘤,供医学临床使用。分别采用了2种分割方法：一种是改进的阈值方法,即在进行最大方差阈值法之前首先采用手动阈值法;另一种是采用圆形结构元素作为种子的形态学分割方法。这2种方法均实现了从低对比度MRI脑图像提取目标的要求。灵活使用阈值法和形态学分割方法与医学图像中,具有一定的临床实用价值。     

二维直线型最小误差阈值分割法

一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布。考虑到噪声等因素对图像质量的影响,该文在二维灰度直方图上,基于二维混合正态分布假设,给出二维直线型最小误差阈值法的表达式。为了提高算法的运行速度,也给出了快速递推算法。实验表明,二维直线型最小误差阈值法是一个有效的图像分割算法,能够更好地适应目标和背景方差相差较大的含噪图像分割问题。     

基于遗传算法的最大熵阈值的图像分割

图像阈值分割技术在图像分析和图像识别中具有重要的意义.最大熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.文中将遗传算法用于最大熵阈值的图像分割方法中,分别对一维及二维阈值分割的情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像分割方法. 通过对几幅经典图像的分割结果对比,表明了基于遗传算法的最大熵阈值的图像分割方法可以有效地提高最大熵图像分割的计算速度,提高图像处理的实时性.     

基于遗传算法的图像阈值分割的研究

图像分割是实用性很强的图像处理技术,也是各种图像处理工作的基础。图像分割方法中的阈值分割法能根据一定的阈值选取准则快速、简单地实现图像分割。文中将标准的遗传算法与OTSU法相结合应用于图像分割中,有效解决了传统OTSU法高耗时性的缺点,提高了系统的运行速度,是图像分割问题中一种新而有效的方法。     

基于改进型灰度阈值分割法的爆炸图像研究

爆炸图像的轮廓曲线中蕴含了丰富的爆炸物理信息和几何信息,是分析爆炸抛散过程的重要基础。在灰度阈值法的基础之上,结合SFAE爆炸图像的几何特征,提出了一种改进型的灰度阈值法,并在MATLAB环境中进行了模拟仿真,最后利用连通成分的评价方法对分割效果进行了评估。实验结果表明,该方法比普通的灰度阈值法提取效果好,适合于爆炸图像的预处理。     

基于颜色信息和阈值的图像修复算法

在Criminisi算法的基础上,针对该算法,加入颜色信息,改变待修复块的顺序,同时根据图片待修复区域复杂度的不同采用新的方法来调整模版窗口的大小;最后,通过阈值的设定来减少修复的时间.实验结果表明,该算法对于大的缺损块和有纹理的图像的修复效果较好,修复质量得到提高,更适合人眼的视觉效果.     

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。     

基于图像分块和优化累积能量图的线裁剪算法

针对传统线裁剪方法对图像过度裁剪造成失真的问题,该文提出一种基于图像分块的线裁剪方法。该方法把分块的思想融入到线裁剪并优化累积能量图,能在一定程度上保护图像主体区域,又兼顾背景区域的裁剪效果。分块是根据显著图的平均列累加能量向量按照逐列标记的方式把图像分成保护区域和非保护区域,再根据每个区域的面积来分配裁剪线的数目。在裁剪过程中,优化了累积能量图,降低了小面积显著主体被裁剪掉的可能性。在MSRA数据库上与目前流行的线裁剪及其改进的方法进行对比,并把各种方法得到的缩放结果图在互联网上进行主观评价测试,实验结果表明该文方法具有更好的主观缩放效果,对各类图像的缩放具有普适性。     

基于遗传算法和Otsu理论的图像阈值自动选取

利用传统的Otsu理论进行图像阈值选取，计算量较大，现将遗传算法和Otsu理论进行了有机结合，实现了图像阈值自动选取，且大大降低了计算量。实验结果表明该算法不仅提高了分割质量，而且缩短了寻优时间，从而说明了该算法的有效性、正确性。     

基于OpenCV的图像阈值分割研究与实现

图像的阈值化在图像分割中有着至关重要的作用。在OpenCV算法环境下,运用固定阈值化和自适应阈值化算法,分别对同一幅图调用OpenCV中相应的函数进行处理;同时针对图像中的噪声,结合高斯模糊算法对图像噪声的滤除作用,将高斯模糊和阈值化算法结合起来,分析研究图像分割算法。结果表明自适应阈值化算法可以更有效地进行图像分割。