基于改进跳蛛算法的二维OTSU限重标志识别算法

针对交通标志识别中限重标志和限速标志相似程度大、容易造成误检等问题,结合抗噪能力强的二维OTSU自动阈值分割法与寻优能力强的跳蛛优化算法,提出了一种基于跳蛛优化的二维OTSU限重标志识别算法。该算法通过统计交通标志牌感兴趣区域的二维灰度直方图,采用改进跳蛛算法求解二维OTSU分割阈值,快速地实现交通标志图像的二值化,再利用DBSCAN对二值化图像边缘点聚类,最后根据聚类结果的相对位置正确识别限重标志。实验结果表明:在不降低识别率的条件下,运算时间降低了34.16%,并能够正确区别限重标志和限速标志。

基于积分图像的快速二维Otsu算法

Otsu自适应阈值算法是图像分割的经典方法之一,在其基础上发展起来的二维Otsu阈值算法却因为计算复杂而制约了其应用。本文针对二维Otsu的耗时瓶颈问题,引入积分图像简化了二维直方图最佳阈值搜索过程的计算复杂度,从而大大缩短了算法处理时间。实验结果表明,本文提出的算法在分割效果上与原始算法完全相同,但计算时间远远小于后者,具有很好的实时性。

改进二维OTSU和自适应遗传算法的红外图像分割

为提高电路板热红外图像分割效果,解决电路板故障诊断的问题,提出了一种将自适应遗传算法和改进二维OTSU算法相结合的新算法。自适应遗传算法采取快速排序法,利用遗传代数的变化改进交叉、变异概率;根据邻域像素点与中心像素点之间的距离对二维OTSU邻域均值算法的比例系数进行加权,判断噪声点并对热红外图像进行降噪处理;引入类内方差法,对阈值进行优化。利用了遗传算法的并行性和强大的空间搜索能力,提高了二维OTSU的阈值查找速度,提高了热红外图像的分割效率。实验结果表明,该算法提高了热红外图像的分割准确度,有一定的应用前景。

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法。该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割。实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想。

一种新的自适应二维Otsu图像分割算法研究

现有二维Otsu图像分割算法的阈值识别函数是通过计算类间离散度矩阵的迹来实现的,没有考虑目标和背景这两类像素自身的内聚性且计算复杂度高,为此提出一种新的阈值识别函数设计算法.该算法先统计待分割图像目标类和背景类各自类内的绝对差,相加得到总体类内绝对差之和;再统计目标类和背景类两类之间的总体平均离差;然后把总体类内绝对差和类间总体离差的商式作为阈值识别函数.实验结果表明,与现有的识别函数相比,利用新构造的阈值识别函数来自适应寻优阈值,从主观上和客观上都取得了较好的分割效果,而且计算量较小.

基于粒子群和二维Otsu方法的快速图像分割

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法.针对二维Otsu方法计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.每个粒子代表一个可行的二维阈值向量,通过粒子群之间的协作来获得最优阈值.结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用.

改进二维Otsu法和果蝇算法结合的图像分割方法

针对传统二维Otsu方法中分割精度不高和抗噪性能不足的缺陷进行了研究,提出一种改进的二维Otsu图像分割方法。在二维直方图区域叉分的基础上,根据灰度级大小的信息改进联合概率密度,考虑类间方差和类内方差对图像分割效果的作用,保证类间方差越大和类内方差越小,使得目标与背景差别越大和内聚性越高;同时依据目标与背景在图像中所占比例对阈值求取公式进行加权,使得求得的阈值更接近理想阈值,然后采用果蝇优化算法(FOA)搜索最优二维阈值向量。仿真实验结果表明,该方法能得到更准确的分割结果,更好地抑制噪声,同时运行时间更少,达到了快速分割的目的,满足图像处理的实时性要求。

灰度图像二维Otsu折线阈值分割法

Otsu法是一个应用较为广泛的阈值分割方法。为实现图像较为精确的分割,充分考虑边界的影响,从二维线阈值分割替代传统的点阈值分割思想出发,提出了折线阈值型Otsu法。该方法以对边界信息的迭代分割的手段获得实际用于分割的二维折线阈值。仿真结果表明,该方法能够获得优于原始Otsu法的分割效果,特别适用于边缘丰富的图像分割,具有较好的分割普适性。

基于遗传算法的二维Otsu算法改进

为改善传统二维0tsu阈值分割算法处理图像时计算复杂度高、实时性差等缺点,将遗传算法应用到二维Otsu灰度图像阈值寻优中,并提出一种改进的自适应遗传算法。实验证明,新的算法对灰度图像有较好的分割效果,与传统算法相比,分割图像清晰,实时性也得到了明显的改进。

噪声图像的快速二维Otsu阈值分割

为了提高二维阈值分割法处理速度,提出了二维Otsu法的快速实现方法。基于二维随机变量的边缘概率分布,将二维最佳阈值(s*,t*)的求解拆分成两个一维最佳阈值s*和t*的求解;同时为了改善原算法的分割效果,引入类内方差的定义,提出了新的最佳阈值判别式。实验结果表明,本方法不仅保留了原二维阈值法抗噪性强的特点,其时间复杂度由O(L4)降为O(L),空间复杂度由S(L2)降为S(L),且分割错误率低于原二维Otsu法。该方法适合处理高斯噪声图像的快速阈值分割问题。

基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法

为了克服图像噪声对图像分割结果的影响,利用图像中与像素具有相似邻域结构的像素提取当前像素的非局部空间信息,构造了基于像素的灰度信息和非局部空间灰度信息的二维直方图,并将此二维直方图引入到Otsu曲线阈值分割法中,提出了基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法。实验结果表明,该方法能进一步提高原始二维Otsu曲线阈值分割法对于图像噪声的鲁棒性,获得了更加理想的分割结果。

一种改进的二维Otsu阈值分割算法

Otsu算法,也被称之为最大类间方差算法,是实现阈值分割的经典算法之一。二维Otsu算法是一维Otsu算法的推广,它充分考虑了图像的灰度信息和空间邻域信息,可以有效滤除噪声影响,但是同样存在着运算量大、时效性差的问题。对此提出了一种改进的二维Otsu快速阈值分割算法,先将二维Otsu算法分解为两个一维Otsu算法,并集成类间和类内方差信息构造了一种新的阈值判别函数,同时通过降维,进一步降低计算量。实验结果表明,该算法在时间效率与分割效果两方面明显优于传统的二维Otsu算法与快速二维Otsu算法。

基于二维OTSU选取种子点的区域生长图像分割

在对连通性要求比较高的图像进行分割时,区域生长方法有独特的优势。在图像复杂的情况下,希望计算机可以快速并且完整地自动选取种子点。利用二维OTSU对图像进行预分割并以此作为选取种子点的依据,可以有效解决使用区域生长分割图像时种子点选取的难题。结合对石化炼油炉炉管图像的分割,讨论使用此种方法的可行性和有效性。

改进的二维Otsu算法在SF_6压力表盘图像分割中的研究

为了提高SF_6压力表盘图像分割准确度,对比了传统二维Otsu和Otsu双阈值分割算法,给出了一种改进二维Otsu算法。针对二维Otsu算法选取最佳阈值时存在的缺陷,将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值,提高了目标图像的阈值分割效果。实验结果表明:所提算法不仅满足对SF_6压力表盘图像进行目标区域分割,同时具有更高的稳定性、快速性和分割精度。

基于二维Otsu算法的织物疵点检测

为了准确检测织物的疵点,提出一种基于二维Otsu算法的织物疵点检测方法。首先采用均值滤波对采集的织物疵点进行预处理,减少高斯噪声对图像质量影响的同时,也有效地抑制了织物背景纹理信息对织物疵点检测的影响;然后对处理后的图像采用二维Otsu算法进行阈值分割;最后对分割后的图像进行形态学运算后处理,平滑图像轮廓,去除毛疵点和孤立点等。实验结果表明:对比其他检测方法,综合主观视觉效果和客观峰值信噪比(PSNR)值,该方法在织物疵点检测中既能有效保留图像的边缘信息,也不损伤图像的细节质量,检测效果较好,在疵点检测方面具有一定的实用价值。

改进的二维Otsu自动分割算法及其应用研究

针对传统二维阈值分割算法处理胃腺癌细胞显微图像计算时间长、噪声干扰严重等缺点,提出了一种改进的二维快速Otsu阈值自动分割算法。该算法通过改变二维直方图判别域的划分,快速得到最优阈值近似值,并通过引入松弛变量,估计最优阈值所在范围,加大阈值搜索步进值,最后得到最优阈值。实验结果表明,该算法能有效地减少细胞核粘连现象,大大减少了处理时间。

二维Otsu自适应阈值分割算法的改进

在二维Otsu自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法。这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其邻域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法 ,通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善 。

基于二维OTSU的田间植物图像分割方法

田间植物图像分割就是将田间图像分成绿色植物部分和背景部分,它是田间杂草识别过程中的关键步骤。通过对植物部分与背景部分特点的研究,采用RGB颜色模型和HSV颜色模型的灰度化方法,根据不同灰度化结果的特点选取不同的分割算法。通过试验对比,选取RGB颜色模型中g-r作为灰度化方法,并且选取二维OSTU算法作为图像的分割方法,最终得到较好的分割效果。

二维Otsu和改进区域生长法的荧光免疫层析试条浓度的定量检测

目前荧光免疫层析试条的定量检测方法绝大多数采用光电反射法,该方法需要对试条进行高精度的定位并且需要复杂的传动装置。利用CMOS图像传感器获取荧光免疫层析试条的图像信息,采用图像分割方法用于荧光免疫层析试条检测线和质控线进行自动识别,首先对采集到的原始图像进行增强预处理,并进行初步分割。然后选定处理后图像的种子点并通过改进的二维Otsu法选取生长阈值对图像进行区域生长,以实现对图像检测线和质控线的分割。结果表明该方法能够在目标和背景对比度很低的情况下,将图像检测线和质控线的轮廓清晰的分割出来,且区域一致性测度和对比度都比较理想。该方法检测不同浓度的试条,得到的特征值重复性小于5%,线性度大于0.99,准确度大于0.98。实验证明用该方法对荧光免疫层析试条进行定量检测是可行的,且较对比仪器具有更宽的检测范围。

结合HSV空间的改进二维Otsu免疫组化图像分割

肝脏免疫组化图像中阳性区域的定量分析对肝癌的早期诊断有非常重要的意义。针对真彩色免疫组化图像特征,结合HSV空间对二维Otsu算法进行改进。首先针对二维Otsu算法每次计算类间测度矩阵的迹需要遍历整幅图像导致运算量大耗时多的不足,提出一种快速递推算法,利用快速Otsu算法对图像进行预分割;然后针对分割结果中目标区域包含的少量阴性区域,结合图像的HSV空间特征进行优化。将预分割结果与H分量作交集运算,将交集运算结果与预分割结果作差集运算,得到初分割结果;将初分割结果与H分量和S分量的交集运算结果做并集运算,得到最终分割结果。通过与Otsu的对比实验表明,改进算法更好地实现了阳性区域的目标提取,提高了分割的精度。