基于模糊阈值的自适应图像分割方法

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割;该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果;实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

基于GSPN的飞机测试性指标确定方法研究

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割。该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果。实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

一维Renyi熵阈值法中参数的自适应选取

提出了一种自适应选取一维Renyi熵阈值分割法中参数α的方法.该方法以一种图像分割质量评价指标-均匀性测度为适应度函数,利用粒子群算法在参数空间进行优化搜索,从而可以根据具体的图像获得合适的参数,得到最佳的图像分割阈值.结果表明:一般情况下,可以(0,1)范围内搜索最优的α值;当需要更好的分割效果时,可在(0,10)范围内搜索最优的α值.     

基于EM和GMM相结合的自适应灰度图像分割算法

提出一种阈值自适应、EM方法估计GMM参量的图像分割算法,能够根据图像的内容结合区域和边界两方面的信息自适应地选择阈值,精确地进行图像边界分割.算法首先提取图像的边界,然后根据边界的直方图计算图像的可分割性,由可分割性确定EM方法的阈值进行GMM分割,最后合并图像的近似区域.实验数据表明,相比其它图像分割算法,以及固定阈值的传统EM算法,本算法的分割结果更为准确.     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

基于多特征融合与ROI预测的红外目标跟踪算法

针对当前红外目标检测与跟踪算法存在场景自适应能力弱、专用性强,以及在大视场条件下,首帧图像中小目标误检率高的问题,提出一种红外序列图像目标自适应阈值分割、检测与跟踪方法.选取目标移动速度、目标轮廓的面积和周长、以及自适应分割阈值与感兴趣区域位置为动态变量,建立动态决策准则.采用首帧目标检测算法计算出序列图像的第一帧图像目标的静态变量和部分动态变量,再采用改进的局部自适应阈值分割算法分割后续帧图像,然后利用静态与动态决策准则筛选出分割后的真实目标,最后计算并更新动态决策准则.红外靶标测试结果表明:该方法对不同场景具有较好的适应性,四个场景平均跟踪准确率为95.81%,微机平台平均每帧处理时间为10.93ms,嵌入式平台为26.79ms.     

一维Renyi熵阈值法中参数的自适应选取

提出了一种自适应选取一维Renyi熵阈值分割法中参数α的方法.该方法以一种图像分割质量评价指标 均匀性测度为适应度函数,利用粒子群算法在参数空间进行优化搜索,从而可以根据具体的图像获得合适的参数,得到最佳的图像分割阈值.结果表明：一般情况下,可以（0,1）范围内搜索最优的α值|当需要更好的分割效果时,可在（0,10）范围内搜索最优的α值.     

一种基于灰度变换的红外图像增强算法

针对红外图像，采用双门限分割法进行图像分割，然后采用分段灰度变换法进行图像增强。根据具体图像，通过人机交互的方式确定2个阈值，将图像分割为目标区、过渡区和背景区3部分；按照每一部分的特点，设计不同的灰度变换，对图像进行分段线性增强，得到感兴趣目标区的最佳视觉效果。通过对16位红外图像进行实验，得到了满意的结果。实验表明,该算法灵活便捷，在增加对比度和去除噪声的同时，还抑制了背景，达到了预期的效果。     

范围限制的自适应亮度保持多阈值直方图均衡算法研究

针对目前直方图均衡算法难以实现,且易造成亮度饱和等问题,本文提出了一种范围限制的自适应亮度保持多阈值直方图均衡算法。首先,对输入图像进行适当平滑,从而获得它的直方图峰值点个数（N+1）。然后,对Otsu算法进行N阈值扩展,并通过这种方法获得图像的N个分割阈值,从而按照此阈值对图像进行分割。为了能够最大程度地保持输入图像的亮度,利用输入图像和输出图像的均值亮度最小误差（AMBE）准则,重新计算了图像的均衡范围。最后,利用新的均衡范围分别对每一个子图像进行均衡。实验表明,使用本算法处理Lena图的绝对均值亮度误差为0.416 4,明显优于使用RLBHE算法的0.629 5。本算法能够获得更清晰的图像细节,同时图像的整体亮度保持的也较好。     

基于人眼视觉的对不良照明图像的二值化方法

提出一种新的基于视觉特性的自适应阈值分割方法.利用人眼视觉对比敏感度特性把图像块分成两类,分别借助OTSU算法和模拟人眼识别过程的多尺度模糊隶属方法实现对这两类具有不同灰度特性图像块的自动阈值分割.实验结果表明,使用该方法能够有效的克服不良照明的影响,还原图像的原本特征信息,二值化效果较好.