改进?鱼优化算法和熵测度的图像多阈值分割

针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm,WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。

圆形直方图线性化的高精度高适应性多阈值分割方法

针对已有彩色图像多阈值分割方法存在的分割精度不高、分割适应性较差等问题,提出一种圆形直方图线性化的高精度高适应性多阈值分割方法。在对输入彩色图像进行超像素预处理后,构建累积分布方差最大化准则,将圆形直方图截断后延展为线性直方图。在线性直方图上,结合Tsallis熵和类间方差构建一个新的多阈值分割目标函数。引入麻雀搜索算法,快速求解多阈值分割目标函数得到最优阈值进行阈值分割。在8幅合成图像和500幅真实世界图像上将提出方法和9种不同的彩色图像分割方法进行全面比较,在峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似度(FSIM)、概率兰德指数、全局一致性误差(GCE)、信息差异6个量化评价指标上的综合实验结果表明,提出方法在计算效率方面与比较方法大致持平,但在分割精度和分割适应性方面明显优于比较方法,在PSNR、SSIM、FSIM和GCE等评价指标上分别以19.95 dB、0.80、0.94和0.16取得最优结果。

基于改进袋獾算法的破片图像多阈值分割

针对静爆场中所拍摄图片存在破片目标小、背景复杂的问题,提出一种基于改进袋獾算法的破片图像多阈值分割。基于Tent混沌映射初始化种群,加入自适应权重策略以提高算法全局搜索能力,结合精英反向学习策略来避免算法过早陷入局部最优。基于优化袋獾算法求解Tsallis相对熵的最小值,作为目标函数值计算最佳阈值对破片图像进行目标分割。仿真结果表明,ITDO在12类基准函数上相较于其他算法表现出更强的收敛性和稳定性。ITDO-Tsallis算法与其他两种先进算法相比,收敛时间更快、求解目标更精准,说明该算法能有效解决静爆场破片图像目标分割问题。

基于改进灰狼优化算法的QFN芯片图像多阈值分割方法

在QFN芯片封装缺陷检测中,增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题,本文提出一种基于改进灰狼优化算法(IGWO)的图像多阈值分割方法。首先,改进原始灰狼优化算法非线性因子,平衡算法搜索效率与挖掘能力;其次,引入反向学习策略提高种群整体质量,引入正弦函数、调整头狼权重以改进灰狼更新策略,增强算法多样性与挖掘能力;然后,提出头狼靠拢与种群变异交替进行的位置更新策略,平衡算法收敛性能与跳出局部最优能力;最后,以Kapur熵为适应度函数,求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法,与灰狼优化算法(GWO)、基于翻筋斗觅食策略的灰狼优化算法(DSF-GWO)、基于莱维飞行的樽海鞘群优化算法(LSSA)、改进北方苍鹰算法(INGO)的图像分割方法进行实验对比,结果表明:本文方法在分割用时方面,约为DSF-GWO的1/2,INGO的1/4;在分割精度与稳定性方面,在进行QFN芯片缺陷图像的连续30次分割时,本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳定性与高效率的QFN芯片图像多阈值分割。

增强蒲公英算法优化乳腺癌图像多阈值分割

针对显微镜下乳腺癌病理组织图像结构复杂,细胞边界模糊等情况,基于传统的阈值分割在乳腺癌图像的分割应用中不能很好地实现把病灶区准确分离开来的问题,提出一种基于增强蒲公英优化算法(IDO)的乳腺癌图像多阈值分割方法.该方法引入IDO计算类间方差的最大值(Otsu)作为目标函数寻找最佳阈值,IDO建立回守策略解决传统蒲公英算法(DO)无限制搜索,超出像素范围的问题;引入对立式学习(OBL)避免算法陷入局部最优.实验结果表明,与哈里斯鹰算法(HHO)、人工猩猩部队优化算法(GTO)、传统蒲公英优化算法(DO)、海洋捕食者算法(MPA)相比,在相同阈值个数情况下IDO算法适应度值最大、收敛最快,并且在峰值信噪比(PSNR)、结构相似度(FSIM)、特征相似度(SSIM)这3个性能指标上也比其他对比算法更具有优势.

基于贝叶斯学习的数字化图像多阈值分割方法

经典Otsu分割算法精度高,适应度强,但由于其分割稳定度较差,计算效率较低,在实际使用时具有一定的应用局限。为提升Otsu图像分割的稳定度与计算效率,提出一种基于贝叶斯网络结构学习算法对搜索节点进行优化,提高整体计算效率。首先通过在BN层通过独立性测试,构架初始种群BN_0,并利用GR算法不断修正进化方向;然后构建MSWT树网解决种群扩张时多父节点导致算法收敛速度低的问题;接着采用ACO算法规划个体转移禁忌表,通过结合个体转移概率,完成最优阈值规划;最后构建OEA-Otsu数字图像多阈值分割模型,通过解析适应函数进行并利用最优Gbest结构规划完成图像多阈值分割输出。仿真结果表明,较其它基线优化算法相比,经OEA优化后的图像多阈值分割模型,FSIM指标整体提高了5.91%,SSIM指标至少提升了2.33%,PSNR指标分析在实验数据上分别增加了12.76%、10.74%以及12.48%。即提出的OEA-Otsu模型有效的提高了图像分割的稳定度差与计算效率。

基于ISSA和积分图的二维熵图像多阈值分割快速算法

为提高二维熵图像多阈值分割的性能,使其能够满足工业使用当中的实时性要求,本文提出了基于改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)和积分图的二维熵图像多阈值分割快速算法。首先,引入麻雀搜索算法(Sparrow Search Algorithm,SSA)并对该算法的算法性能进行分析研究,针对SSA存在的全局搜索能力差、容易陷入局部最优解的缺点,提出了基于方差线性递减的高斯扰动策略和随机步长移动策略的改进麻雀搜索算法(ISSA)。接着,进一步地引入积分图方法,降低总信息熵的运算量,并将总信息熵作为ISSA的适应度函数进行最佳阈值寻优,提出了基于ISSA并结合积分图的二维熵图像多阈值分割快速算法。最后,使用该方法与现有分割算法进行对比实验,实验结果表明,本文方法提升了图像二维熵多阈值分割的分割效率,同时在工业应用场景仍能够获得相同的效果。

基于IMFO-Otsu的果实深度图像多阈值分割

为了解决传统果实图像进行阈值分割易受颜色、光照等因素影响的问题,提出一种基于改进飞蛾火焰算法(Improved Moth flame Optimization,IMFO)的多阈值分割算法(IMFO-Otsu)。算法在构建深度直方图后,根据多阈值Otsu准则获取最佳分割阈值。为了提高获取最佳阈值的计算效率,对多阈值Otsu准则进行剪枝处理,并使用提出的改进飞蛾火焰算法对算法进行加速。为验证IMFO-Otsu算法的效果,使用该算法对采集得到的果实图像进行多阈值分割,结果表明提出的算法具有良好的性能。由于提出的算法没有用到彩色图像的颜色信息且简单有效,能在夜间环境等复杂情况对果实识别与定位提供支持。

基于蜜獾算法的破片序列图像多阈值分割

针对静爆试验中拍摄的图像中破片目标小、背景复杂等情况,基于经典阈值分割法在破片图像分割的应用中存在不能将目标所在像素准确分离的问题,提出一种基于蜜獾算法(HBA)的多阈值图像分割方法,该方法引入HBA求解Tsallis相对熵的最小值作为目标函数值来计算最佳阈值,在分析经典阈值分割方法处理破片图像的不足后,选择合适的阈值数,将HBA与遗传算法(GA)、蝗虫优化算法(GOA)、麻雀搜索算法(SSA)三种优化算法进行性能对比,利用分离出的目标绘制破片轨迹图并确定有效破片。分析结果表明,阈值数为2时分割效果满足需求,HBA运行时间1.32 s,进行100次重复实验后其结果的标准偏差约为0,分割出的目标中有效破片达83.8%,说明该算法的实时性和稳定性强,分割效果可满足对破片群运动参数测试的需求。

基于灰度熵多阈值分割和SVM的火焰图像状态识别

为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于灰度熵多阈值分割和支持向量机(supportvector machine,SVM)的火焰图像状态识别方法。对火焰图像进行基于灰度熵准则的多阈值分割,采用改进粒子群优化算法选取最优多阈值,由此快速准确地分割出火焰图像中的背景区域、有效燃烧区域及高温燃烧区域;然后,提取火焰图像的10个特征参数,以此作为训练样本训练支持向量机,最后采用支持向量机依据提取的特征对火焰图像进行分类,并通过上述改进粒子群优化算法优化支持向量机中的2个参数。实验结果表明,提出的方法分割结果正确,与采用将图像像素作为训练样本的方法相比,该方法的分类识别正确率更高,运行速度大大加快。

快速递归多阈值分割算法

针对强调波谷邻域算法在目标区域相对于背景区域较小且其之间的波谷特征并不十分明显的情况下,无法获得正确阈值的问题,提出了一种基于波谷邻域信息和波谷波峰相对特征的全局阈值分割算法。本算法在最大类间方差(OTSU)算法的基础上以直方图中波谷邻域灰度值和波谷波峰灰度值的相对关系为权值,改善最大类间方差算法定位阈值的准确性,使算法所确定的阈值在直方图中具有较小的波谷波峰比值,即使最优阈值定位到与临近波峰具有较大高度差的波谷灰度值。为提高分割效率,本文以前述算法为基础,采用递归单阈值方式进行图像的多阈值分割。实验证明,对强调波谷邻域算法存在的问题本算法有明显的改善,且在多阈值分割的效果及运行时间方面本文算法均具有十分良好的表现。

动态迁移和椒盐变异融合生物地理学优化算法的高维多阈值分割

针对高维多阈值图像分割中存在的多阈值搜索问题,提出了一种动态迁移和椒盐变异融合的生物地理学优化算法(BBOD)。首先,构建了一种基于动态扰动的迁移算子,对候选解中没有发生迁移操作的特征值添加一个动态的扰动因子,使种群的多样性增加,从而提高全局搜索能力;然后,创建了新型的变异算子,对待变异的特征值产生一个椒盐扰动,使该值在小范围内浮动,以便提高局部搜索能力和算法的收敛速度;最后,将该算法应用到基于最小交叉熵的图像高维多阈值分割中。高维多阈值分割实验结果表明,本文提出的BBOD算法能够获得最优的阈值向量,运行速度、性能指标均优于标准的生物地理学优化(BBO)算法,基于变异的生物地理学优化(BBOM)算法、FFA(Firefly Algorithm)和CSA(Cuckoo Search Algorithm),运行速度是FFA的5倍以上。该算法更适用于基于最小交叉熵的高维多阈值优化选择。

基于改进布谷鸟算法的彩色图像多阈值分割

目前罕见通用理想的彩色图像多阈值分割算法,针对布谷鸟(CS)算法的缺陷,对寄生巢位置进行变异,平衡局部收敛和全局收敛,对步长因子和发现概率分别构造相应的非线性递减函数,提高CS算法收敛的精度和速度,采用该改进布谷鸟(ICS)算法,以Tsallis熵函数为适应度函数,提出一种基于改进布谷鸟算法的Tsallis熵彩色图像多阈值分割方法。实验结果表明,该方法在彩色图像分割的速度和精度方面均有明显提高,能满足实际需要。

嵌入趋化算子的PSO算法及其在多阈值分割中的应用

针对标准粒子群优化(Particle Swarm Optimization,PSO)算法在优化选择多阈值时易陷入局部最优等问题,提出一种嵌入趋化算子的PSO算法。首先针对标准PSO算法具有较强的全局寻优能力但局部搜索能力较差,而细菌觅食优化(Bacterial Foraging Optimization,BFO)算法具有较强的局部搜索能力的特点,将BFO算法中具有较强局部搜索能力的趋化算子嵌入到PSO算法中,形成一种嵌入趋化算子的PSO算法(Chemotaxis Operator embedded PSO,COPSO),以此优势互补,使COPSO算法既有较强的全局搜索能力,又有较强的局部搜索能力。最后将COPSO算法用于最大熵多阈值图像分割中,得到最佳阈值向量。实验结果表明:与标准的PSO、BFO和GA算法相比,该算法具有更好的优化效果和更短的寻优时间。

基于冯诺依曼邻居的粒子群多阈值分割算法

针对多阈值分割问题,提出了一种新的多阈值分割算法。该算法对传统的Otsu进行修改,使其能够更准确地找到直方图中谷的位置;并利用冯诺依曼拓扑邻居粒子群作为阈值优化算法,提高了优化性能。提出了构造冯诺依曼拓扑结构的方法,并分析和比较了它与全互连结构的差别。实验结果显示此算法具有较好的性能。

基于多阈值分割和B样条插值的CT图像金属伪影去除方法研究

为了解决重建后CT(computed tomography)图像中出现的金属伪影问题,提出了基于多阈值分割和B样条插值的CT图像金属伪影去除方法。首先,介绍了CT图像中金属伪影产生的原因;然后详细剖析基于多阈值分割和B样条插值的CT图像金属伪影去除方法实施过程;最后,使用于基于多阈值分割和B样条插值的CT图像金属伪影去除方法对含有金属伪影的临床CT图像和模拟phantom图像进行实验。实验表明,提出的CT图像金属伪影去除方法能够有效地对CT图像中的金属伪影进行减少或去除,这将为医务工作诊断病灶提供了清晰的CT图像。

医学图像自动多阈值分割

针对医学图像的自动多阈值分割问题,采用模糊C-均值(FCM)聚类法找到医学图像的不同组织和背景的聚类中心,再利用二维直方图的方法,找到多阈值分割的各个阈值点进行分割。引用二维直方图的方法可以很好地保留目标的细节信息,更好地抑制噪声。

基于最小类内方差的蛇形机器人多阈值分割

针对传统最小类内方差分割方法计算量大、效率低、单阈值分割、不能多目标分割的缺点,提出了一种改进的基于最小类内方差的蛇形机器人多阈值分割方法.通过提取整幅图像的感兴趣区域(ROI),有效减小算法搜索的范围和整体计算量;根据直方图的多峰值特点,把ROI区域划分成多个子区域,采用改进的最小类内方差分割法搜索各个局部最优阈值,最终实现蛇形机器人关节组的多阈值分割.实验结果表明,该方法分割效率高,分割效果明显,且在保证实时性的同时提高了目标识别对光线变化的鲁棒性,降低了对步态变化的敏感性.

双搜索人工蜂群算法的彩色图像多阈值分割

针对彩色图像多阈值分割中普遍存在精度低、速度慢的问题,提出了一种新的基于双搜索人工蜂群(DABC)的彩色图像多阈值分割算法。首先由于人工蜂群算法单一的解搜索公式存在不足,对雇佣蜂和跟随蜂各提出了一种搜索公式,进而对人工蜂群算法的相关参数进行了改进,然后做了DABC算法、全局最优引导人工蜂群算法(GABC)、人工蜂群算法(ABC)、粒子群优化算法(PSO)这四种算法的彩色图像多阈值分割对比实验。实验结果表明,与其他三种算法相比,基于DABC的彩色图像多阈值分割方法在分割的精度和速度上都有明显提高,完全能满足实际的需要。

基于增强布谷鸟算法的彩色图像多阈值分割

为提高彩色图像多阈值分割的速度和质量,针对布谷鸟算法的缺陷,对每一次莱维飞行结束后,提出一个新的寻优方程进行寻优引导,并对发现概率和步子因子都各提出了一个新的运行方程,以此为基础,提出了一种增强布谷鸟算法(ECS),并以此ECS算法作用于彩色图像多阈值分割中,通过本文所提出算法和标准粒子群算法及标准布谷鸟算法的对比实验表明,本文所提的ECS算法无论在彩色图像分割的主观效果上还是客观效果上都是最好的,完全能运用于实际的多阈值分割中。