基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。     

基于改进遗传算法的图像分割技术

提出一种基于遗传算法的进化类图像分割方法。遗传算法是一种全局搜索的算法,但是它在解决多峰复杂问题的时候会出现局部收敛的现象,出现这个现象的主要原因在于在搜索空间中群体多样性的降低导致了搜索的停滞。基于这个原因,提出一种改进的遗传算法,改进的方法通过控制遗传算法的变异概率来平衡群体的多样性程度,改进后的方法能够在解决多峰复杂问题中较多的搜索到全局解的区域。通过将改进的算法应用于图像分割的实例验证了改进算法的有效性以及算法在收敛速度及求解成功率上的优势。     

多阈值S-F的光照不均图像分割

针对钢管识别统计系统开发中,图像分割环节易受光照不均匀影响的问题,以及对图像增强处理后再分割导致目标错分的不足,本文提出一种多阈值S-F(分割-融合)的图像分割方法。该方法根据改进的Otsu多阈值法,采用形态学操作与图像融合技术,实现堆垛钢管目标的提取。实验结果表明,在光照不均匀情况下,该方法对钢管图像的分割效果明显优于传统方法,具有不受光照优劣程度影响、适应性强的特点,可应用于机器视觉领域的目标识别。     

一种新的Otsu阈值快速确定算法

针对实时图像分割方法求取闽值时存在的计算复杂、实用性差等问题,提出一种新的基于Otsu的图像分割算法,该算法利用亚采样图像和优化阈值分布空间,来有效地减少算法的计算量。实验结果表明,该算法是有效的,在分割效果和执行时间方面均得到较理想的分割效果。     

基于生化反应速率的图像阈值分割算法

提出了一种改进的DNA遗传算法,以解决遗传算法用于图像分割时收敛速度慢、易早熟的缺点。利用碱基互补的DNA编码方式增加种群多样性,防止陷入局部极值;设计了基于DNA分子操作的置换自适应交叉算子和密码子变异算子,从而提高遗传算法的搜索能力,有效加快了算法的收敛速度和效率,并将此算法用于寻找二维Arimoto熵的最佳阈值,最后对图像进行分割。普通图像和医学图像的分割结果验证了改进DNA遗传算法用于图像分割的有效性。     

一种仪表图像整体阈值分割方法

通过对仪表图像特征的研究，介绍了利用计算机图像处理与模式识别技术，进行机器识别过程中采取二值化分割的一种基于Otsu算法的方法，并指出了其存在的不足以及应进一步研究的问题。     

利用遗传算法在遥感图像分割中的应用探讨

计算机在处理遥感图像的过程中产生的误差会影响到遥感图像的处理和识别效果,如何使这些误差最小是使计算机视觉达到实用化的重要要求.遗传算法是完全可以胜任的,目前己在遥感图像恢复,遥感图像边缘特征提取,几何形状识别等方面得到了应用.     

基于多阈值单水平集方法的医学图像分割

针对Chan-Vese的无边界主动轮廓模型(CV模型)只能区分前景与背景的缺点,提出了一种基于多阈值单水平集的医学图像分割方法,并将此方法应用于微创手术的预处理中.由于医学图像结构复杂,具有器官轮廓多连接等特点,因此使用常规的水平集方法进行分割往往不能取得理想的效果,而该方法采用修改目标泛函的方式引入多类分割,具有多区域分割的特点,只需经过一次单水平集的迭代循环,即可将图像根据灰度不同划分为多个区域,具有精确、快速等优点.对不同的合成图像和医学图像的实验结果表明,该方法实现了快速精确的多区域分割,能很好地提取到医学图像中的骨骼轮廓,分割效果达到了预期水平.     

一种改进的Otsu阈值分割算法

当目标与背景的类内方差差别较大时,Otsu法分割阈值偏向于方差较大的一类,从而使分割的效果不佳.针对这一问题,提出了一种改进Otsu阈值分割方法.利用目标在图像中所占比例,综合类内方差与类间方差,修正最佳阈值选择公式,并缩小算法遍历灰度范围来提高算法运算速率,最后通过区域一致性对算法的分割效果进行评价.实验结果表明,改进的Otsu法分割效果较好,并提高了算法执行效率.     

新的Otsu阈值改进方法的红外小目标检测

针对红外小目标区域灰度对比度很差的现象,以及红外小目标实时性检测的要求,在对Otsu阈值方法进行研究的基础上,结合红外小目标图像的自身特点,提出了一种新的Otsu阈值改进的红外小目标检测方法。该方法不仅继承了Otsu阈值方法比较简单,计算速度较快的优点,更重要的是很好地解决了照度不均匀的图像分割时候多个红外小目标粘连的问题,使红外小目标能够被清晰地检测出来。实验结果表明,新的Otsu阈值改进方法检测出红外小目标的准确率比Otsu阈值检测方法提高了20%。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

基于遗传退火算法的多层薄膜厚度测量

根据薄膜光学计算理论和最优化理论,本文提出了一种测量多层薄膜厚度的新的全局优化算法.首先利用遗传的种群性去寻找多个局部极值,然后将较优和较差的种群按一定概率接收并作为模拟退火的初值进行搜索.最后结合共轭梯度算法来提高收敛速度,使整体搜索效率进一步提高.这种遗传退火算法有效地提高了算法的稳定性,减少了算法对膜厚搜索范围的限制.文章最后以3层和4层光擘薄膜为例,利用该算法在10 nm至5 μm的大范围内搜索,所取得的结果,其测量误差小于1%.     

结合遗传算法与方向图法的指纹图像分割

指纹作为人体的重要特征，由于其唯一性和终生不变性，越来越成为生物测定技术的重要手段，在自动指纹识别中，指纹图像分割是图像预处理中关键的一环，不仅能够对图像信息进行压缩，保留脊谷线的主要信息，同时能够去除大量的粘连，加速后续处理的速度和提高指纹特征提取和匹配的精度，将基于遗传算法的阈值分割方法和方向图法相结合对指纹图像进行分割。     

二维直方图重建和降维的Otsu阈值分割算法

指出二维直方图直分法中存在区域划分不合理和抗噪性差问题,提出一种新的阈值分割方法,导出有关计算公式.首先分析噪声点在二维直方图中分布情况,通过重建二维直方图减弱了噪声对阈值分割的干扰;然后将二维直方图区域划分由四分法改为二分法,使得阈值搜索的空间维度从二维降到一维;最后分别给出现有二维直方图分割算法和本文方法的仿真结果.理论分析和实验结果表明,该方法可以运用于几乎所有基于二维直方图的阈值分割,特别是对受噪声污染的图片进行阈值分割时,能使分割后的图片内部均匀、边界准确、抗噪性更稳健,所需运行时间大幅减少.     

基于免疫密母算法的图像分割

密母算法具有全局和局部搜索能力,但其具有对参数敏感、个体学习计算复杂度高的缺点.为了克服密母算法的缺点,本文提出了基于免疫密母算法的图像分割(IMAIS)方法.该方法对图像分割时采用了两个种群,并分别用密母算子和免疫克隆算子对这两个种群同时进化,加快种群收敛速度.实验结果表明了本方法的可行性和有效性.     

求解VRP问题的混沌模拟退火萤火虫算法

目的使萤火虫优化算法(GSO)能够适用于车辆路径问题(VRP)的求解,同时提高该算法的求解性能。方法通过对GSO算法的改进,提出求解VRP问题的混沌模拟退火萤火虫优化算法(CSAGSO)。首先,设计改进的GSO算法(IGSO)使IGSO算法能够适应VRP问题的求解;其次,在IGSO算法中引入模拟退火机制,提出模拟退火萤火虫优化算法(SAGSO),使IGSO算法可有效避免陷入局部极小并最终趋于全局最优。然后,在SAGSO算法中引入混沌机制,提出CSAGSO算法,对SAGSO算法的荧光素浓度值进行混沌初始化和混沌扰动;最后,对标准算例集进行仿真测试。结果与遗传算法、蚁群算法和粒子群算法相比,CSAGSO算法的全局寻优能力、收敛速度及稳定性均改善了50%以上。结论对GSO算法的改进是合理的,且CSAGSO算法的全局优化能力、收敛速度和稳定性均优于遗传算法、蚁群算法和粒子群算法。     

基于最小类内差和最大类间差的图像分割算法研究

针对现有二维Otsu图像分割算法未考虑到目标和背景这二类像素自身的内聚性,提出一种新的自适应二维Otsu算法。该算法通过待分割图像的二维直方图,分别统计类内的绝对差、类间总体离差以反映类内、类间的离散度,从而构造出新阈值判别函数。通过一种改进的遗传算法优化二维阈值判别函数,自动得到较理想的分割阈值。实验结果表明,与其它阈值判别函数相比,通过优化新的阈值判别函数得到的二维阈值,具有了较好的分割效果,能够更好地保留了目标物的轮廓,而且计算量小。