基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。     

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。     

一种新的模糊熵图象分割方法

图象阈值分割技术在图象分析和图象识别中具有重要的意义。本文将模糊子集理论中的模糊熵概念引入到阈值分割技术中去，在图象的模糊特征平面上采用最大熵原则确定分割阈值。实验结果表明了该方法的有效性。     

基于模糊指数熵和模拟退火的图像分割

为了有效分割照度不均匀的网格图像,提出了一种基于模糊指数熵和模拟退火算法的阈值分割方法.基于模糊集合理论,根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集,利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定最优分割阈值,实现图像分割.由于使用穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大的弱点,因此采用模拟退火算法确定最优阈值,从而减少了计算量.实验结果表明,此方法能够自动、有效地选取阈值,运算时间约为使用穷举法寻求最优阈值所需时间的1/3,并且分割效果明显优于最大类间方差法、迭代法和一维最大熵法.     

基于最大模糊熵原则的低对比度图像阈值选取法

目前模糊集理论已经成功应用在许多领域,例如图像处理、自动控制、模式识别等方面.本文针对低对比度图像场景下,利用模糊理论及最大模糊熵原则找到最佳灰度阈值,把目标从背景中分割出来.在研究其他学者大量文章的基础上,本文改进了已有的隶属函数,使自适应阈值的选取过程大大缩短.经过对多幅低对比度图像采用多种分割方法,处理结果表明本文提出的方法切实可行,具有较强的场景适应能力.     

基于改进模糊熵的图像阈值分割方法研究

基于模糊熵的图像阈值分割方法将信息论中熵的概念与图像处理有机地结合起来,使值分割方法有了新的发展,但由于其计算量大、隶属度函数窗宽自动选取困难以及阈值搜索范围难以确定等原因,使得应用受到极大的限制.针对此问题,提出了一种基于图像灰度统计特性的自动确定窗宽进而明确阈值搜索范围的方法,该方法不论图像灰度直方图是否双峰均能取得较好的分割效果.此外,为了满足图像分割的实时性要求,应用自适应遗传算法进行寻优,很大程度上提高了分割速度.通过与其他几种分割算法进行比较,表明了该方法的简洁性、有效性和鲁棒性.     

图像分割中的交叉熵和模糊散度算法

本文将交叉熵和模糊散度应用于图像分割中,提出了中最优灰度值选取算法,其一是基于均匀分布假设的最小交叉熵算法,其二是利用后难概率的最大类间交叉熵算法,其三是类间最大模糊散度的改进算法,其四是最小模糊散度算法,针对图像阈什化分割的要求,在后两种算法中构造一种新的模糊录改度函数,本文采用均匀测试和开头测试比较各算法的性能,利用多种类型测试 是到的分割结果,显示了所筛算法的有效性和通用性。     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。     

基于克隆选择算法的最大模糊熵图像分割

为了分割照度不均匀的图像,提出了一种基于最大模糊熵和免疫克隆选择算法的阈值分割方法.该方法利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定区分目标和背景的最佳阈值,实现图像分割.为了验证该方法的有效性,对其进行了图像分割实验,并与遗传算法进行了比较.实验结果表明,该算法能够自动、有效地选取阈值,分割效果优于遗传算法,并能保留原始图像的主要特征.     

前视红外舰船图像的模糊分割算法研究

由分析海面舰船及其背景红外辐射特性入手，对前视海面舰船红外图像提出了一种新的自适应阈值张弛模糊分割算法，对目标进行图像分割．对本文提出的算法用实际红外图像进行仿真实验，取得令人满意的效果．表明本算法是可行和实用的．     

基于模糊集的图像阈值分割算法研究

图像阈值分割是提取目标区域的重要技术之一,大多数方法都依赖于直方图,从统计角度逐个考察灰度以选择合适阈值.但是仅靠获得的一幅分割图像不能进行比较,自然不能认为就是满意的分割结果.针对这一问题,文章基于模糊数学理论提出了一种选择水平因子和带宽的方法,定义了一个新的隶属函数以选择分割阈值.水平因子不同时能得到不同的分割结果,根据不同目的在这些结果中可以选择合适的分割图像.最后采用几幅不同的图像进行实验,结果表明该方法可行有效,并且对于模糊图像,算法也能获得满意的结果.     

基于Gabor小波和主元分析的纹理图像分割

提出了基于Gabor小波和主元分析相结合的纹理图像分割算法.首先对纹理图像进行多通道滤波,获得了一系列滤波后的纹理图像.其次,借助于“能量测度”的概念,求解出各象素有效的纹理特征.为了进一步减少特征之间的信息冗余,降低聚类分析的计算负荷,采用主元分析（PCA）对所得的纹理特征进行降维.然后利用K-Mean算法实现纹理图像的分类.最后针对所提算法,进行了仿真试验.     

基于小波变换的字符图像分割

为了消除明暗不均等低频干扰的影响,将字符成功地从车牌图像中提取出来,提出了基于小波分解的车牌图像分割方法,根据干扰信号与字符信号属于不同频域的特点,利用小波的时频局部化分析能力,在保留字符信息的同时滤除或抑制低频干扰成分。首先采用逐行逐列扫描的方法对图像预处理后的图像进行车牌定位,再利用基于小波变换的阈值分割法对车牌进行字符分割。     

基于小波变换的音素分段算法

在语音信号处理中,作为预处理前端的语音分段技术对于语音增强、编码和识别都有极其重要的作用。本文分析比较了几种传统的语音分段算法的性能,重点研究基于小波变换的语音音素分段算法,针对平滑渐变的低频能量不能对音素进行有效分割的缺点,提出了基于小波变换累积能量包络的语音分段算法。但由于小波的敏感性,会出现一定数目的伪点,本文提出2种去除伪点的方法,从而提高了音素分段的精确度。     

基于PDE的快速自适应图像分割算法

在水平集理论和Chan-Vese模型的基础上,详细分析了水平集函数的初始位置和分割速度的关系,指出如果初始位置不好,将会影响曲线的演化速度。针对该问题提出了利用阈值分割技术对水平集函数进行初始化,通过优化水平集函数的初始位置来加快Chan-Vese模型的演化速度。实验结果表明,本文所提出的方法不受初始轮廓位置的限制,具有鲁棒性,分割效果良好,有很好的实际意义。     

小波变换在纹理图像分割中的运用

在纹理图像分割的研究领域中j基于人类视觉感知特性的图像分割方法是一个重要的新研究方向,在许多领域都有广泛的应用.基于小波分析理论,实现了图像的纹理分割.该算法首先对原始图像实施二维多分辨率小波分解,得到特征图像;然后对其直方图进行一维小波变换和多阈值选择,生成区域图像.实验表明,通过调整参数:一维小波分解级数S和模糊阈值,能得到图像的最佳纹理分割.     

基于聚类和小波变换的彩色图像分割方法

提出一种将聚类和小波变换相结合的彩色图像分割方法。首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色特征。利用小波变换得到每个分块的纹理特征,将颜色特征和纹理特征的组合作为对图像进行分割的依据。该方法将聚类算法和小波算法结合,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行分割实验,实验结果证明该算法的有效性。     

基于自适应阈值函数的小波阈值去噪方法

去噪是小波分析的一个重要应用领域,相对于其它方法,小波变换具有对信号时频局部性详细刻画的优势。在信号的去噪处理过程中,如何在削弱噪声的同时又最大限度的保留信号的奇异性特征是信号去噪研究的一个核心问题。该文提出一种基于自适应阈值函数的小波去噪方法,通过调整阈值函数实现在信号小波分解的细尺度上去除噪声的同时又尽量保留信号细节系数,而在宽尺度上最大限度地滤除噪声部分的小波系数。通过对blocks, bumps和水下目标回波信号的仿真实验证明,该方法和现有的阈值去噪方法相比,具有显著的优势,能够在滤除噪声的同时很好地保留信号的奇异性特征。     

基于邻接矩阵的自适应图像分割算法研究

基于聚类的图像分割算法是其中常见的一种,传统聚类算法需人为确定初始聚类中心和类别数,针对如何确定最优聚类类别数的问题,基于邻接矩阵提出一种自适应图像分割算法,该算法克服了传统聚类算法人为确定初始聚类中心和聚类类别数而导致局部最优的缺陷。利用实验数据将算法和传统聚类算法比较,并应用于图像分割。实验结果显示,算法稳定性较好,能自适应的得到准确地聚类类别数,且鲁棒性较强,在应用于图像分割时的聚类结果相对与传统聚类算法更加准确。