基于非均匀光照下文本图像二值化改进算法

针对传统局部阈值算法分割非均匀光照图像效果不佳,且计算时间较长的问题,提出了一种基于局部均值的图像二值化改进算法。该算法首先使用积分图像的快速算法计算出局部均值,再将计算出的局部均值代入改进的阈值模型算法中,最终完成分割,从而进一步改善了在非均匀光照下的图像分割效果。对比实验结果表明,改进的二值化算法大大提高了运算效率,增强了图像分割效果,在视觉效果和处理时间2个方面都优于Niblack算法、Sauvola算法、Bernsen算法以及基于局部对比度和均值的算法。     

不均匀光照文本图像的二值化

提出了一种不均匀光照文本图像的二值化方法.通过背景估计和对比度补偿将原始图像变换成背景规范化图像,然后结合全局阈值与局部阈值方法对背景规范化图像进行二值化处理,实验结果表明,该方法是有效的.     

基于信息熵的OTSU二次分割算法

OTSU算法是以图像的背景和目标之间的最大类间方差为测度准则,该算法由于未考虑到目标与背景内部像素分布的均匀性问题而影响分割效果.当背景和目标的类内方差的差别较大时,OTSU算法求出的阈值将偏向方差大的那一类,从而将类内方差较大的那一类数据中的部分像素划分到类内方差较小的那一类中,造成图像的错分割.针对这个问题,本文提出了一种基于信息熵的OTSU二次分割算法,将信息熵理论与OTSU算法相结合,在OTSU算法的基础上加入信息熵.该算法首先用OTSU算法求出图像的阈值,然后根据该阈值对图像进行分割,最后根据信息熵的理论对错分割像素进行分割.为了证明本文算法的有效性,将本文算法与常用的分割算法进行了比较,并采用分割精度来判断分割的性能.实验结果表明,本文算法相较于其他算法,能够得到更高的分割精度,有效地改善图像的错分割现象.     

非均匀光照图像的自适应阈值分割

针对非均匀光照图像产生的例如高光区域、阴影区域和不规则的边缘区域等问题,提出一种基于非均匀光照图像的自适应阈值分割方法,利用图像的局部区域阈值和动态微调值来实现目标与背景的分离。实验结果验证该方法能够快速有效地将前景和背景分割出来,并提取出有效的目标信息。     

改进的OTSU算法在图像分割中的应用

针对用传统OTSU算法处理灰度级不连续的图像时,所求出的阈值不能很好地收敛到全局最优的种种问题,对OTSU算法进行修改,并把改进后的OTSU算法应用在心脏这类灰度级不连续图像上,实验表明该方法具有良好的分割效果.     

频率域相位求阈值相关算法研究及改进

图像分割阈值化是将图像目标和背景区分出来的一种关键方法。不同图像对算法的要求不同,阈值选取是分割好坏的难点。针对这一问题,在分析几种实用的阈值选取方法基础上,重点对基于频率域相位的求阈值相关算法进行研究和改进。利用Matlab将几种算法运用在各种复杂图像上进行仿真,并验证了频率域相位改进算法比传统频率域相位算法运行效率高,鲁棒性好且适合各种线条复杂图像和医学超声波图像。     

基于二进制粒子群的图像分割算法

基于最大类间方差的分隔方法思想简单、稳定有效,对于简单图像的分割效果良好。为了改善对复杂图像的分割效果,将算法推广到多阈值分割法;针对计算复杂度问题,引入二进制粒子群算法来解决,提高了算法的求解性能。通过对图像分割的实验,证明了算法的可行性和有效性。     

指针式仪表图像高斯同态滤波增强算法研究

分析了指针式仪表图像的特征,探讨了指针式仪表图像高斯同态滤波增强算法.介绍了同态滤波的基本原理,利用高斯同态滤波算法对指针式仪表图像进行预处理,以增强图像的对比度,并提出了滤波器参数的选取方法.最后对增强后的图像进行最大类间方差二值化,为仪表图像的后续处理和后续识别工作奠定了基础.     

图像阀值分割技术的研究

本文主要介绍图像分割中阈值选取的两种主要方法（迭代法和最大类间方差法）的原理及实施步骤,并将其运用标准图进行仿真,最后分析了仿真结果。     

基于改进遗传算法的图像分割

为了快速准确地确定图像的最佳分割阈值,提出了一种改进的遗传算法.该算法通过完善选择机制、引进父子竞争机制和使用二元变异算子进行变异操作,有效地解决了遗传算法的收敛速度慢和种群过早成熟的问题.实验结果表明:采用改进遗传算法对图像搜索阈值时能收敛至全局最优解,并且大大缩短寻找最优阈值的时间,取得良好的分割效果.     

纸币面值识别系统图像分割技术的算法

研究了4种图像分割算法：双峰法、迭代算法、最大类间方差法和最大熵阈值法,并分别给出经这4种算法处理后的图像分割效果图．实验表明：迭代算法对纸币面值识别系统而言是较理想的分割方法．     

不均匀光照下车牌图像二值化研究

不均匀光照下的图像二值化是数字图像处理中的一个难题,汽车牌照自动识别系统工作在复杂的光照环境下,经常会出现车牌光照不均的现象,给图像二值化带来困难.为此,提出一种解决办法,首先使用同态滤波去掉车牌图像的不均匀光照的影响,然后使用改进的Bernsen算法对车牌图像进行二值化.实验表明,使用该算法能有效地克服不均匀光照的影响,二值化效果良好,车牌识别率得到显著的提高.     

基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

不同光照条件下含噪遥感图像边缘检测算法

针对不同光照条件导致遥感图像采集过程中形成随机噪声的问题,研究不同光照条件下含噪遥感图像边缘检测算法,以此提升遥感图像配准、识别的精度。针对不同光照条件下遥感图像获取过程中的随机高斯噪声,将邻域均值滤波算法与中值滤波算法相结合构建加窗中值滤波算法,利用该算法对含噪遥感图像实施滤波处理,消除遥感图像内的各类噪声。针对去噪后的遥感图像,利用Canny算子进行图像梯度计算,并进行最大值约束。对约束后的遥感图像梯度直方图采用最大类间方差法自适应检测和连接边缘的高、低阈值,通过跟踪边缘像素点,完成遥感图像边缘检测。测试结果表明,该算法可最大限度上还原实际遥感图像,准确检测图像边缘信息,提升遥感图像配准、识别的精度。     

基于最大熵的灰度阈值选取方法

图像分割是图像处理中的一个重要问题。在最大类间方差法和一致性准则法的基础上，运用最大熵原理来选择灰度阈值对图像进行分割。实验结果表明，本算法确定的阈值具有更佳的分割效果。     

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.     

基于OTSU算法的垩白米检测方法研究

提出了一种基于OTSU的垩白米检测算法,并与基于固定阈值的检测算法进行了试验对比分析.OTSU算法具有自适应选择最佳分割阈值的特点,且可以实现多阈值自适应分割,分割效果比较理想.试验结果表明,该算法可以有效的提高垩白米的识别准确率,而且识别效果好于基于固定阈值的检测算法.     

基于改进的二维Otsu法及PSO的火灾图像分割

针对传统的二维灰度直方图区域划分误差大和运算速度慢等问题,提出一种基于二维直方图和粒子群优化的阈值分割算法,即改进的二维最大类间方差法的粒子群优化算法.利用该算法在二维灰度空间上自适应搜索最优阈值,根据最优阈值对图像进行分割.选取森林火灾火焰图像,对其进行图像分割仿真实验.实验结果表明,该算法的分割效果较好,具有很好的抗噪性能,可有效提高运算速度,且实时性较好.     

二维最大类间方差和遗传算法在红外图像分割中的应用

为了改善红外图像的分割效果,将二维最大类间方差算法应用于红外图像分割,通过二维最大类间方差算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维最大类间方差算法寻找阈值的速度,提高分割效率.