自适应灰度门限法在水面图像分割中的应用

图像分割是图像处理中重要的组成部分,其效果直接影响到后面的图像分析。这里介绍了传统的图像分割法以及自适应灰度门限法在水面机器人视觉图像分割中的应用,首先对算法原理和特点进行了介绍,然后运用Matlab进行了仿真实验研究,对分割的结果加以比较和分析,得出基于最小类内均方差的自适应灰度门限法分割图像的效果最佳,且具有良好的滤波和去噪能力。     

IC芯片检测的图像分割算法研究及其实现

全自动上芯机是用于芯片生产后工序的关键设备之一,而机器视觉检测系统又是提高该设备产能和质量的关键系统.在机器视觉检测系统中,图像的有效分割是图像分析的基础.针对摄像机采集到的图像由于镜头具有球面像差的原因都不同程度地存在图像降质的现象(如暗角),分析了基于迭代算法、改进的自适应门限以及同态滤波的图像分割算法,并对IC芯片图像进行了三种方法的实验比较,结果表明,改进的自适应门限的图像分割算法能够满足IC芯片检测高精度、高速度的要求.     

基于最佳分割目标优化的医学图像分割方法

针对医学图像中组织边缘模糊、灰度不均匀、图像噪声高的问题,将改进的布谷鸟算法和信息熵结合,提出一种基于改进布谷鸟算法优化最大熵的医学图像分割方法。通过改进的布谷鸟算法优化最大熵法确定图像的最佳分割门限,在此基础上完成最佳分割点的分割。在多个实验样本上的测试结果表明,文中提出的新方法在很大程度上解决了过去几种方法的缺陷,使得分割速度与精度明显提升,另一方面,其鲁棒性也相对理想,适用于实际应用。     

一种基于背景抑制的红外小目标检测新算法

红外图像小目标检测技术,是红外搜索与跟踪系统的一项核心技术。本文提出了一种新的红外图像小目标分割算法,采用背景抑制及双窗口自适应门限分割等技术检测目标,分析了算法的实时检测能力,并给出实物平台下的检测实例。大量的实验结果表明,此新算法能取得较好的小目标分割效果。     

基于多项式秘密共享的图像密文域可逆信息隐藏

针对密文域可逆信息隐藏在多用户场景下算法嵌入率低、载体图像容灾性能较弱等问题，该文提出一种基于多项式秘密共享的图像密文域可逆信息隐藏方案。通过将图像分割成多幅影子图像并存储在不同的用户端，可以增强图像的容灾性，为了实现额外信息在图像重构前后提取的可分离性，该方案包括两种嵌入算法:算法1在图像分割的过程中，将额外信息嵌入多项式的冗余系数中得到含有额外信息的影子图像，该算法支持在图像重构之后提取额外信息；算法2针对图像分割后的任一影子图像，利用秘密共享的加法同态特性实施嵌入，该算法支持直接从影子图像中提取额外信息。实验在不同门限方案和影子图像压缩率的条件下进行测试，当压缩率为50%时，(3, 4)门限方案的嵌入率达4.18 bpp(bit per pixel)，(3, 5)门限方案的嵌入率达3.78 bpp。结果表明，两种嵌入算法分别支持从影子图像与重构图像中提取额外信息，实现了方案的可分离性；与现有方案相比，所提算法嵌入率较高、计算复杂度较低，具有较强的实用性。     

基于信息熵和改进粒子群算法的医学图像分割方法研究

针对传统的医学图像分割算法存在组织边缘模糊、灰度不均匀和图像噪声高的问题,将信息熵和改进的粒子群算法相结合,提出了一种基于信息熵和改进的粒子群算法的医学图像分割方法,在确保信息熵最大的条件下,实现医学图像的最佳阈值分割.将信息熵最大化作为适应度函数,通过改进的粒子群算法优化获得最佳分割门限,实现医学图像的最佳阈值分割.选择不合噪声和含噪声的脑部图像为研究对象,通过直观分析、客观分析和分割速度分析发现,提出的新方法在很大程度上克服了传统医学图像分割算法存在的缺陷,分割速度和精度得到显著提升;与此同时,新的算法具有很强的鲁棒性和抗噪声能力.     

一种改进的SAR图像边缘检测算法

灰度平均值比率与梯度(RGoA)边缘检测器是一种简单、有效的SAR图像边缘检测方法.但它也存在缺点,边缘点检测准则在某些情况下不适用,比率门限和梯度门限均需要由人工预先确定.本文提出一种改进的SAR图像边缘检测算法,它修正了边缘点检测准则,采用Otsu方法计算灰度平均值比率门限和梯度门限,实现优化门限自动选择.用SAR图像对算法进行了实验验证.实验结果表明,所提出的算法是一种有效、实用、自动的边缘检测算法.     

基于最大熵和PCNN的图像分割新方法

针对脉冲耦合神经网络(PCNN)无法确定最优分割以及脉冲门限具有非线性因子的问题,提出了一种基于最大熵和脉冲耦合神经网络的新型图像分割算法.该算法采用线性方式动态调整脉冲门限,采用最大熵确定PCNN网络的循环迭代次数,并引用均值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

基于LDC的图像过渡区提取与分割

提出一种基于局部清晰度-复杂度的图像过渡区提取算法,通过计算图像局部清晰度获得清晰度图像,增加了过渡区灰度层次信息,再计算清晰度图像的局部复杂度,并根据复杂度曲线确定过渡区提取门限对过渡区进行提取,根据提取的过渡区灰度直方图,获得图像的分割阈值并对图像进行分割。实验结果表明,本文方法比传统的基于局部复杂度法提取的过渡区更加准确,图像分割效果更好。     

基于动态规划算法的无源毫米波弱小目标检测方法

针对无源毫米波弱小目标特点,结合已有的动态规划算法,利用图像阈值分割原理实时计算检测门限,提出一种适用于无源毫米波小目标检测的实用动态规划算法,并分析了动态规划的计算过程及分割门限的确定方法。实验仿真结果表明,此算法能准确检测出复杂背景下的低信噪比无源毫米波弱小目标,并得到目标运动轨迹,在单帧成像信噪比为4.5dB左右时,能准确检测出目标运动轨迹。     

基于克隆粒子群算法的图像分割方法

最大熵阈值法是目前图像分割中应用最广泛的方法之一。为了快速准确地自动确定图像分割阈值,把克隆选择算法和粒子群算法相结合,提出克隆粒子群优化算法。利用这种改进方法对最大熵图像分割函数进行全局寻优。克隆选择算法和粒子群算法的结合克服了各自的缺点,克隆选择的多样性补偿了粒子群的多样性差的缺点,粒子群的快速性补偿了克隆选择的收敛速度慢的缺点。克隆粒子群方法克服了传统遗传算法易出现早熟、陷入局部最优等的问题,加快了图像分割函数收敛速度,最后能够快速准确地得到图像分割的最佳阈值。实验表明,改进后的算法分割速度较快,易于收敛到最优解,并且得到的分割阈值更加稳定。     

基于灰度选择法的医学图像可视化算法研究

针对医学融合图像可视化中存在病灶区域特征难以分辨这一问题,首先采用灰度阈值选择法实现对病灶区域的分割,然后在选定病灶区域的前提下,对融合图像做伪彩增强处理。实验采用的原始图像为可见光与红外源图像,融合是由采用小波变换图像融合法实现的,实现融合的区域为灰度图像。在医学图像中,由于肉眼对灰度图像不敏感,不方便清楚地观察病症部位,所以需要对病灶区添加明显的颜色特征。在对病灶区域的分割中采用了3种方法做对比,实验结果表明使用灰度阈值选择法得到的图像最为理想,由于灰度阈值选择法中阈值的选定比较繁琐,在该算法基础上结合最佳阈值分割迭代解法较准确地完成了阈值的选定。最后运用MATLAB实现仿真,实验表明该方法切实有效。     

基于区域灰度极小值的网孔织物图像分割算法

针对网孔织物图像的对比度低和噪声点多而导致分割结果中存在网孔连在一起和残缺等问题,提出一种基于区域灰度极小值的分割算法以期提高网孔的分割精度。首先利用高斯金字塔缩放和直方图均衡化算法处理图像以增强图像的纹理轮廓和明暗对比度。然后采用一种基于区域灰度极小值的分割算法以解决仅仅依靠灰度值大小而无法正确分割网孔的问题。最后采用一种多图像融合算法以解决基于局部灰度极小值的分割算法中阈值选择困难的问题。选择多种不同光照程度的网孔织物图像进行实验,实验结果表明所提算法的分割效果良好,能够有效地解决分割结果中网孔连在一起和残缺等问题,且网孔织物的分割错误率为0.24%。     

一种利用图像角点和边缘信息的阈值分割方法

阈值化算法是图像区域分割的一个基本算法.提出一种利用角点和边缘点的像素灰度值均值和全图像像素点灰度值均值加权相加的阈值选取方法.实验表明,该方法能对具有大面积目标的图像进行很好的分割.     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。     

采用进化规划和最大熵的目标图像分割算法

图像分割是图像处理和计算机视觉中关键技术之一。在分析最大熵法和进化规划算法(EP)基础上,提出一种自动阈值选取的图像分割算法。该算法以图像的最大熵作为适应度值,将图像分割问题看作一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割。仿真结果表明,本方法很好地解决了最大熵法计算量大的缺点,速度快且分割效果好。     

基于梯度的低对比度X线图像分割方法

在医学骨折诊断领域,X线图像是骨折诊断的重要手段,X线图像中骨骼组织的精确分割为后续的诊断提供了重要依据。为此,文中首先利用Sobel边缘检测算子得到X线图像的梯度图,然后利用灰度图像单目标跟踪算法,提出了一种基于梯度的多目标分割算法,经过三轮跟踪获得了骨骼组织的精确定位,实现了医学骨科X线图像的骨骼分割。最后,将分割结果与边缘检测和阈值方法的分割结果进行了比较。试验结果表明,该方法对低对比度图像能够得到好的分割效果,比较适合医学骨科X线图像的骨骼分割。     

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。     

基于差分形态滤波和Kmeans++聚类的多地雷目标红外图像处理

针对复杂背景条件下较难完成掩埋式地雷目标红外图像分割的问题,利用地雷外形特征和雷场多个地雷目标相似的特点,提出了一种基于形态学和聚类算法的感兴趣区域（Region of Interest, ROI）选取方法。对原始图像消除噪声并通过差分形态滤波抑制背景后,缩小了目标所在区域的范围;再利用多目标在一定区域内的相似特征对可疑区域进行聚类过滤,进一步缩小目标所在范围并将其作为图像ROI分别进行阈值分割;最后根据目标的相关特征完成识别。对实测图像的处理结果表明,该方法对掩埋式多地雷目标具有较好的分割效果和较高的定位精度,同时算法的计算速度较快,能满足实际探雷需求。     

萤火虫群优化算法多阈值的脑CT图像分割

在基于多阈值的脑,CT图像分割算法中,最佳阈值选取是脑CT图像中的关键,针对传统多阈值法的阈值选择难题为了提高脑。CT图像的分割准确率,提出一种萤火虫群算法优化多阈值的脑CT图像分割方法首先建立了基于多阈值法的脑图像分割数学模型,然后通过萤火虫群算法数学模型进行求解,搜索到脑CT图像分割的最佳阈值,CT最后采用最佳阈值完成脑CT图像的分割。仿真结果表明,萤火虫群算法提高了脑CT图像的精度,获得了更加理想的脑CT图像结果。