改进的Otsu算法及在运动目标检测中的应用研究

针对Otsu自适应阈值分割算法中阈值搜索精准度较低、效率不高的问题,本文结合视频图像序列的帧间相关性,利用遗传算法的全局寻优优势,及模拟退火算法较好的爬山性能,提出一种改进的Otsu算法,并与三帧差分法相结合应用于视频运动目标检测。实验证明,该算法相对Otsu算法和对比算法减少阈值分割中的寻优尝试次数,使最优阈值的选取更精确,并提高了目标检测效果。     

基于改进的自适应差分演化算法的二维Otsu多阈值图像分割

针对常规最大类间方差法在多阈值图像分割中存在的运算量大、计算时间长、分割精度较低等问题,该文提出一种基于改进的自适应差分演化(JADE)算法的2维Otsu多阈值分割法。首先,为增强初始化种群的质量、提升控制参数的适应性,将混沌映射机制融入到JADE算法中;进而,通过该改进算法求解2维 Otsu 多阈值图像的最佳分割阈值;最终,将该算法与差分进化(DE), JADE,改进正弦参数自适应的差分进化(LSHADE-cnEpSin)以及增强的适应性微分变换差分进化(EFADE) 4种算法的2维Otsu多阈值图像分割进行比较。实验结果表明,与其它4种算法相比,基于改进JADE算法的2维Otsu多阈值图像分割在分割速度以及精度上均有较明显的改善。     

改进人工蜂群算法在图像分割中的应用

作为图像处理技术的一个分支,多阈值图像分割技术已经越来越吸引人们的注意.然而,很多阈值分割技术计算时间较长,且其随着维数的增加而呈指数性增长.因此,为了提高分割的效率,引入基于改进人工蜂群优化算法的多阈值图像分割技术.在分析了标准人工蜂群算法缺陷的基础之上,从雇佣蜂和观察蜂的搜索公式进行改进,使其能够更有效率地收敛至全局最优,同时采用最大类间方差法(Otsu)作为测试改进算法性能好坏的标准.实验证明,改进后的算法更好地平衡了全局搜索和局部寻优能力,在加快收敛速度的同时提高了寻优精度,获得了良好的图像分割效果.     

一种感光不均匀数字PCR荧光图像分割算法

针对传统阈值法难以快速准确分割感光不均匀数字PCR(Polymerase Chain Reaction)荧光图像的问题,提出了一种两步分割算法.第一步,对预处理后的图像采用Otsu算法进行分割;第二步,提取第一步分割不完全的区域,基于图像复杂度确定待分割区域的灰度范围,并基于灰度统计信息计算最优分割阈值,分割结果与第一...     

基于改进PSO理论的二维Otsu分割算法

二维Otsu阈值分割方法是图像分割中常用的分割方法,但其算法运算量大,大大限制了实时性要求,为此,提出了一种基于改进PSO理论的二维Otsu分割算法。首先从二维Otsu算法基本理论出发应用有智能寻优特点的PSO理论来寻找最佳阈值向量,而后又针对传统PSO算法的缺点引入协同分工的合作思想来寻找最佳的分割阈值。实验证明,应用改进的PSO理论的二维Otsu算法不仅能够正确地寻找到阈值,还大大提高了计算速度,是一种高效快速的分割方法。     

基于粒子群优化的Otsu肺组织分割算法

为减少肺组织分割算法的运算时间,提出了一种基于粒子群优化的Otsu肺组织改进自动分割算法。针对传统粒子群优化的二维Otsu算法中二维直方图计算量大、粒子搜索容易陷入局部最优解的缺陷,使用灰度级-梯度二维直方图减少二维直方图的计算量,并减小粒子搜索范围,采用基于粒子空间对称分布的改进粒子群获取最佳阈值。算法实现过程中利用孔洞填充算法去除背景,基于形态学操作去除噪声、修补病变区域产生的孔洞。仿真实验结果显示,本文算法对图像尺寸为512像素×512像素CT图像的阈值分割时间约为0.2s,比基于灰度级-邻域均值二维直方图的粒子群优化的Otsu算法的阈值分割速度提高了约16%。较好地实现了胸腔CT图像的肺组织自动分割,与传统算法相比较,本算法在保证分割精度的基础上分割速度明显提升。     

基于模糊判决改进的Otsu图像分割算法

在图像分割中,阈值的选取是十分重要的.提出了一种基于模糊判决的Otsu图像分割算法,通过对Otsu算法中阈值的模糊判决处理,采用重心法来求取阈值,使所求阈值更加接近实际最佳阈值,从而能更好地分割图像.实验结果表明,与当前的一维Otsu算法和二维Otsu算法相比,改进算法有着更好的图像分割效果.     

改进狼群优化算法的Otsu图像分割法北大核心CSCD

为减少算法的运行时间,对狼群算法和二维Otsu算法进行分析研究,提出改进狼群优化算法的Otsu图像分割法,将PSO算法中求解当前局部最优的思想引入到狼群算法的游走、召唤行为中,使狼群间实现信息交互,提高搜索最佳阈值的准确度;采用自适应化围攻行为,加快算法寻优速度;利用混沌法对得到的次优解进行优化,避免陷入局部极值.仿真结果表明,该算法既降低了分割时间,又提高了分割精度.     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割

传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。该文提出一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明:该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。     

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。     

蝙蝠优化的二维Tsallis熵多阈值SAR图像分割

针对智能优化SAR图像分割算法存在计算量大、易陷入局部最优、分割精度不够等问题,融合蝙蝠算法和二维Tsallis熵多阈值,提出了一种蝙蝠优化的二维Tsallis熵多阈值SAR图像分割算法。算法利用立方映射均匀化初始蝙蝠种群,引入Levy飞行特征加强算法跳出局部最优能力,使用Powell局部搜索加快算法收敛等3方面改进蝙蝠算法;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割,建立基于多阈值的选取方法,并结合改进的蝙蝠算法,将二维Tsallis熵多阈值应用于SAR图像分割中。仿真结果表明,与其他智能优化分割算法相比,本分割算法在边缘处理和分割精度上都有明显优势。     

基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

基于改进布谷鸟搜索算法的图像分割

针对布谷鸟搜索算法在应用其进行图像分割时计算量大、易陷入局部极小值解、收敛速度慢的问题。文中采用一种基于改进布谷鸟搜索算法的多阈值图像分割算法。该算法以Ostu算法设计自适应度函数,将布谷鸟搜索算法和K均值算法融合,增加种群的多样性,且能自适应地确定阈值个数及其范围,并找到待分割图像的最优阈值。实验结果表明,与K均值算法和布谷鸟搜索算法相比,该算法找到的阈值质量更佳,图像分割结果更好。     

基于改进人工蜂群正余弦优化的红外图像分割方法

针对红外图像背景复杂且分割难度较大等问题,提出了一种改进人工蜂群正余弦优化的红外图像阈值分割方法。首先是将二维Otsu函数作为蜂群算法的适应度函数;其次采用混沌对立的学习方法和差分进化的方法改进了初始化种群和蜜蜂搜索方程;然后利用改进的蜂群算法优化阈值,缩小阈值的搜索区域;最后利用正余弦法计算出全局最优解,该最优解即为分割的最佳阈值。实验结果表明:论文方法与Otsu法、k-means法、区域生长法以及分水岭法相比,图像目标区域分割的平均交并比为84.13,平均准确率为89.18,有效提高了红外图像的分割精度。     

基于改进鲸鱼优化算法的最大2维熵图像分割

为了避免原鲸鱼优化算法早熟收敛、易陷入局部最优等缺陷, 首先在原鲸鱼优化算法初始化过程中采用了猫映射产生混沌序列结合反向解方法取代随机产生初始种群; 其次在位置更新机制上采用了疯狂算子和黄金正弦算法的方法; 最后将改进鲸鱼优化算法用于寻求图像2维最大熵来确定图像分割最佳阈值的选取。对10个经典基准函数进行了试验仿真验证, 得到了原鲸鱼优化算法在初始种群多样性及寻解遍历性上有所增加, 全局搜索能力提高和摆脱局部最优的结果。结果表明, 改进算法能得到函数最优值0, 0.00030, -3.32;改进算法在寻优能力和稳定性等方面有较大提升, 能实现对目标图像精确分割且耗时少。该研究为群智能算法应用于图像分割提供了参考。     

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

最大倒数熵/倒数灰度熵多阈值选取

现有的基于Shannon熵的阈值选取方法存在无定义值和零值的缺陷,并且没有考虑目标和背景类内灰度的均匀性。为此,本文针对多目标（背景）图像分割问题,提出了基于最大倒数熵/倒数灰度熵和自适应双粒子群优化（Adaptive Chaotic Variation Particle Swarm Optimization, ACPSO）的多阈值选取方法。首先将最大倒数熵单阈值选取推广到多阈值选取;然后定义了倒数灰度熵,导出了基于最大倒数灰度熵的单阈值和多阈值选取公式;最后给出最大倒数熵/倒数灰度熵多阈值选取的ACPSO算法步骤,实现对多个阈值快速精确地寻优。实验结果表明,与现有的同类方法—基于最大Shannon熵和粒子群优化（Particle Swarms Optimization, PSO）的多阈值选取方法相比,本文提出的方法有明显的优势,已应用于红外弱小目标检测中的阈值分割和卫星云图识别中的数字云图分割,取得了极佳的分割效果。      

基于改进麻雀算法的最大2维熵分割方法

为了提高最大2维熵分割的性能,提出了基于改进麻雀算法的最大2维熵分割方法,可减小运算量并且缩短计算时间.首先,融合反向学习策略和自适应t分布变异,引入精英粒子,以扩大算法搜索范围,增加算法后期局部搜索能力;其次,使用萤火虫机制,对最优解进行扰动变异,进一步增加种群多样性;最后,采用提出的改进麻雀算法寻找图像最大2维熵,...