基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法

为了能在统一框架内处理无模态、单模态、双模态或者多模态直方图情形下的自动阈值选取问题,该文提出一种基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法(MGTE)。该方法先通过Gabor变换得到多尺度乘积图像,然后利用内外轮廓图像从多尺度乘积图像中重构1维直方图,并在重构1维直方图上采用Tsallis熵计算模型来选取4个方向Tsallis熵取最大值时对应的阈值,最后对4个方向的阈值进行加权求和作为最终分割阈值。将提出的方法和5个分割方法在4幅合成图像和40幅真实世界图像上进行了实验。结果表明提出的方法虽然计算效率不占优势,但它的分割适应性和分割精度有明显的提高。     

二维直方图θ-划分Tsallis熵阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而Tsallis熵与传统的Shannon熵相比,具有普适性且更为有效,本文提出了适用面更广的基于二维直方图θ-划分和最大Tsallis熵的图像阈值分割算法。首先给出了二维直方图θ-划分方法,采用四条平行斜线及一条法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45o的特例;然后导出了二维直方图θ-划分最大Tsallis熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值。与常规二维直方图直分最大Tsallis熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减少。      

多向加权Tsallis熵最大化导向的自动阈值分割方法

受噪声或随机细节、目标和背景的大小比例、成像时的点扩散等不同因素的影响,许多图像的灰度直方图呈现为无模态、单模态、双模态或者多模态样式.为了在统一框架内处理这4种不同模态情形下的自动阈值选择问题,本文提出了一种多向加权Tsallis熵最大化导向的自动阈值分割方法（Multi-directional Weighted Tsallis Entropy,MWTE）.基于新设计的反正切方向性卷积核的多尺度乘积效应,该方法将不同模态的灰度直方图转化为统一的单模态右偏灰度直方图.在4个不同方向上提取出这种特殊的单模态右偏灰度直方图后,通过多向加权策略构建出与原始图像灰度值紧密相关的加权Tsallis熵目标函数,并以该目标函数取最大值时对应的灰度值作为最终分割阈值.本文将提出的方法和3个阈值分割方法、1个软分割方法、1个活动轮廓分割方法以及1个自动聚类分割方法进行了比较.在4种不同模态情形下的4幅合成图像和50幅真实世界图像上的实验结果表明,本文提出的方法虽然在计算效率方面不占有优势,但它对不同模态的测试图像具有更稳健的分割适应性,且在量化分割精度所用的马修斯相关系数方面优于其他6个分割方法.     

基于Tsallis交叉熵快速迭代的河流遥感图像分割

为了使河流遥感图像分割的精度和速度进一步提高,本文提出了一种基于二维Tsallis交叉熵快速迭代的河流遥感图像分割方法。鉴于现有的Tsallis交叉熵阈值法运算效率不够高,首先提出了一维Tsallis交叉熵阈值选取的快速迭代算法;然后导出了基于灰度级—邻域平均灰度级直方图的Tsallis交叉熵阈值选取公式,以进一步提高分割精度,并采用递推方式计算阈值选取准则函数中的中间变量,避免其重复运算,加快运算速度;最后,提出了二维Tsallis交叉熵阈值选取的快速迭代算法,推导出相应的公式,大大减少了运算量。大量实验结果表明,与近年来提出的4种阈值分割方法相比,本文方法在对河流遥感图像的分割效果及运行时间上均有明显优势,是河流检测与类型识别系统中可选择的一种快速有效的分割方法。      

基于Tsallis熵的自适应红外图像边缘检测方法

针对红外图像边缘检测这一难题,结合红外图像的特点,提出了基于Tsallis熵的自适应红外图像边缘检测方法.该方法分别计算图像子空间的边缘与非边缘的Tsallis熵,根据子空间最优Tsallis熵,构造出子空间最佳阈值的评价函数,根据评价函数,选择不同方向的边缘检测模板,增强了图像的边缘信息,从而避免了单一模板造成的边缘丢失现象.实验结果表明,与传统的边缘检测方法相比,该方法对于红外图像可以最大程度上抑制噪声,有效地提高图像的边缘检测效果.     

利用最小Tsallis交叉熵的视频对象分割算法

提出了一种基于改进的最小Tsallis交叉熵的视频对象分割算法.在时域中采用帧间变化检测快速区分前景与背景,在空域中使用改进的最小Tsallis交叉熵设置自适应阈值,能更准确地对差分图像进行阈值分割,克服了传统的最小Tsallis交叉熵法阈值化容易失效的问题,然后利用形态学修正和差分交集技术获得精确的视频对象.实验结果...     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义,给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法,同时利用分割后目标和背景区域的灰度信息和局部熵信息,设计了一个判断是否得到正确分割的准则,通过迭代循环,完成对图像的自动分割.实验结果表明,本文算法自适应性强,可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标.     

一种应用Tsallis熵的红外图像边缘检测算法

提出一种基于Jensen-Tsallis熵的红外图像的边缘检测方法,通过分析红外图像的成像特点,利用红外图像的局部的熵信息,计算滑动窗口内图像的Jensen-Tsallis散度-方向对,由Jensen-Tsallis散度确定候选边缘像素,再利用Jensen-Tsallis的方向信息细化并连接边缘像素,实验结果表明,该算法可以有效地检测红外图像边缘.     

红外图像中的阈值分割算法研究

阈值分割方法具有运萍速度快,易于实现等优点,在红外图像分割中得到广泛应用。本文对阈值分割算法的三种经典算法进行了研究,并在Marlab平台上进行了对三种算法仿真分析。     

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...     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

基于OTSU准则及图像熵的局部递归分割算法研究

在图像分割中,门限的选取至关重要,本文在Otsu门限选择准则[1]的基础上,研究了一种基于图像熵的局部递归的门限选择及分割算法,该算法在图像背景不均或图像不是简单的单峰、双峰图像的情况下可以有效的分割,分割后图像的细节更加丰富,有利于分割后的特征提取.对几种不同的目标进行了实验,获得了较好的实验结果.     

综合灰度形态学与模糊熵的红外图像区域分割

针对目标与背景有交叠的红外图像分割这一难题,首先对原始红外图像进行灰度形态学校正处理,然后利用模糊熵测度方法对校正后的红外图像进行分割,从而提出了一种综合利用灰度形态学与模糊熵的区域分割方法.与传统的阈值分割方法进行对比实验,结果表明,运用该方法得到的分割图像质量更好.     

基于图像局部熵的红外图像分割方法

分析了图像局部熵的性质,提出了一种基于图像局部熵的红外图像分割方法.该方法首先进行中值滤波消除图像脉冲噪声,然后计算图像局部熵进行阈值选择提取目标边缘,最后进行边缘连接分割出目标区域.对不同红外图像进行的仿真试验表明了该方法的有效性.     

一种改进的模糊熵红外图像分割方法

提出了一种改进的模糊熵图像分割算法,该算法定义了一种新的模糊隶属度函数,该模糊隶属度函数只包含一个参数,即所要寻找的最优分割阈值,采用简单的穷举法便可得到最优分割阈值。实验结果表明,此方法的分割效果与传统的模糊熵方法效果相当,但计算时间大大减少,使得分割更加快速。     

基于细胞免疫的红外图像分割算法及FPGA实现

在工业生产中,高温蒸汽管道通常被用于输送高温蒸汽、高温工业废水等,但为了安全,管道通常被放置在环境比较复杂的地方,不利于工人对管道的检测与维护。快速地定位复杂背景下蒸汽管道的位置并对周围环境进行区分,已经成了一个亟待解决的问题。由于最大类间方差（Otsu）算法不能满足上述要求,基于细胞免疫机制提出了一种改进的Otsu算法,该算法通过红外图像中管道以及复杂背景的特征,能够计算出两个不同的阈值并将其分别用于图像中管道的提取与复杂背景的区分。借助QuartusⅡ软件搭建了基于FPGA的软硬件系统平台,实现了数据通信传输,并对改进的Otsu算法进行验证。实验结果表明,该算法应用在红外管道图像中能取得较好的效果。与几种边缘检测算子和经典Otsu算法相比,无论是在管道的分割,还是复杂背景的区分,本文算法都具有较高的真阳率(True Positive Rate, TPR)和较低的假阳率(False Positive Rate, FPR)。     

红外热像校正技术的仿真研究及其实时应用--双阈值分割算法结合伪彩色变换

近年来,红外热像可应用于变压器等电力设备的监测和过热点定位,受到现代电力行业的关注,但红外热像仪呈现的温度分布多为灰度图,不利于人眼观察和辨识,而且图像模糊,影响检测质量,因此,实现红外热图像彩色显示和校正是必要的。文章提出了一种图像增强的方法,即双阈值分割算法,经过算法的仿真实验后将其应用在红外热像仪采集的变压器灰度图的伪彩色变换中,并在DSP642＋FPGA组成的处理系统运行了这些算法。结果表明：伪彩色算法结合图像校正算法可较为精确地实现色彩变换,获得较好的视觉效果,可比原图显示更多的图像细节,解决了红外图像处理中细节不清楚的问题。