一种基于小波的图像模糊熵阈值分割算法

提出了一种新的有效的图像阈值分割算法.本算法将小波理论,模糊集理论和信息论三者有机的结合起来.算法采用目标类与背景类最大模糊熵准则,并针对现有的模糊熵分割算法中存在的阈值选取计算效率低的缺陷,重新定义了新的模糊隶属度函数与模糊熵,并且根据小波理论的多尺度分辨的思想,对该算法进行了优化,提高了阈值选取的寻优速度.通过与各种经典算法比较,证实该文算法的可行性,具有很好的鲁棒性.     

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Otsu法自适应阈值的图像分割研究

概述了基于一维Otsu 和二维Otsu 双门限的阈值分割法,提出了基于像素邻域平均灰度的改进的一维Otsu 多门限分割方法,兼有准确性和快速性的优点,并应用于MRI脑图像,实现了多个目标的自动分割,与普通的一维Otsu 法相比具有更好的分割效果.     

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.     

一种改进的Otsu图像阈值分割算法

Otsu法是图像阈值化分割法中的经典算法之一,在图像处理中有广泛的应用。本文针对红外吊舱图像的特点,在对Otsu法进行分析的基础上,提出了一种改进的Otsu图像阈值分割算法。首先,采用整幅图像的平均灰度值作为初始阈值对图像进行分割;然后,推导出了Otsu法四个参数的递推公式;最后,在缩小的灰度级范围内用递推的Otsu法来计算最终的分割阈值T。实验仿真结果表明,改进的Otsu算法在图像分割效果方面和时间效率方面明显优于Otsu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。     

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.     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

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.     

基于模糊增强的图像阈值分割

通过定义新的模糊映射函数以及引入模糊增强运算，给出了一种改进的模糊阈值分割方法，从而克服了传统模糊阈值法的缺陷。仿真实验表明，该算法能够快速，有效地完成对图像的分割；且效果较为理想。     

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.     

基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割

针对传统3维Otsu(3D-Otsu)门限分割方法中的滤噪性能和小目标保持性能的不足,该文提出一种基于各向异性自适应高斯加权方向窗的3D-Otsu门限分割的新方法。新方法改进了3D-Otsu的邻域窗口设置方法,采用中心点的局部特征来自适应地确定邻域各向异性高斯加权方向窗口的尺寸、尺度和滤波方向。然后,提出非局部多方向相似度测量来更有效地捕捉图像中的模式冗余。最终,结合像素点灰度值、加权均值、加权中值构建3维直方图,并基于最大类间方差计算门限矢量进行分割。实验结果表明：与目前广泛使用的2维Otsu, 2维最大熵以及传统3维Otsu方法相比,新方法有着更好的门限分割效果,并具有更好的滤噪性能和小目标保持性能。     

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.     

基于Otsu和改进CV模型的SAR图像水域分割算法

图像分割是SAR图像处理中基本而关键的技术之一,也是影响SAR图像自动解译性能的一个重要步骤。由于受相干斑噪声影响严重,SAR图像分割一直是一个公认的难题。针对Otsu算法对SAR图像分割精度不高以及CV模型对初始条件敏感和演化效率低等问题,本文提出了一种融合分割算法。采用快速一维Otsu算法对图像进行粗分割,分别将得到的水体区域和水体轮廓作为CV模型的分割区域和初始条件,降低了CV模型的场景复杂度,提高了分割速度,减弱了CV模型对初始条件的敏感性。利用图像边缘强度信息代替CV模型中的Dirac项,改进了CV模型的偏微分方程,使分割算法更好地适应SAR图像的同时提高了CV模型的收敛速度。实验结果表明,融合分割算法具有分割边界定位准确、运行高效、无需设置初始条件等优点。      

基于分形的改进Otsu红外图像分割算法

提出了一种基于分形的改进Otsu红外图像分割算法.针对Otsu算法在目标的相对面积较小时背景信息容易误分问题,以及递归Otsu算法递归终止条件不易确定问题,将分形算法与Otsu算法结合起来,用于分割红外目标.首先计算红外图像的分形维特征,根据分形维特征去除大部分背景信息,然后在潜在目标区域采用Otsu算法进行分割.仿真结果表明,该算法性能优于Otsu算法及递归Otsu算法.     

特殊靶标图像的Otsu自适应双阈值分割法

针对特殊管道弯曲度测量光斑的高精度定位要求,提出了一种特殊靶标图像的Otsu自适应双阈值分割法。介绍了基于准直激光管道弯曲度测量原理,先对特殊靶标图像进行处理,然后对整个图像灰度分布统计特性进行计算,建立起计算自适应双阈值的数学模型,从而实现特殊靶标图像自适应双阈值分割。实验结果表明,该方法具有较强的稳定性、实时性好、靶标图像分割效果较好,提高了光斑的定位精度。     

基于灰度梯度映射函数的红外图像分割

在最大类间方差法的基础上,引入灰度梯度映射(GGM)函数,提出了一种改进的阈值选取算法.实验结果表明,提出的新算法能够有效地提取目标,抑制背景噪声点,具有广阔的应用前景.     

倒数粗糙熵图像阈值化分割算法

基于粗糙集理论的粗糙熵阈值法不需要图像之外的先验信息。粗糙熵阈值法需要解决两个问题,一是图像信息不完整性的度量,二是图像的粒化。该文基于倒数信息熵,提出一种倒数粗糙熵用来度量图像中信息的不完整性。为了更好地对图像进行粒化,采用一种基于均匀性直方图的粒子选取方式。该文提出的倒数粗糙熵表述简洁,计算简单。实验验证了该文方法的有效性。