基于类间方差的MODIS森林火灾火点检测方法

提出一种基于火点与背景的类间方差和烟雾掩膜的红外光谱火点检测算法。该算法的潜在火点判定阈值设为305K,再利用MODIS热红外光谱通道亮温数据的类间方差值将森林火灾火点从背景中区分出来,并对低温闷烧火点采用烟雾掩膜进行识别。应用该算法对福建省和黑龙江地区的林火数据进行探测处理,与传统MODIS火点检测方法比较分析表明,该算法使用简单高效,在不同环境适应性较强,可以更准确地检测到高温明火点和一些低温闷烧火点,降低了火点的误报率和小火点的漏报率,检测效果更理想。

基于改进型类间方差分割的红外目标提取算法

文章对最大类间方差法进行了改进,利用计算图像类间方差的约束条件,通过构造罚函数,把求最大类间方差问题转换为求带约束条件的函数最优解问题,再用迭代法对图像进行分割,从而有效地弥补了最大类间方差法对图像噪音和目标大小敏感不足。仿真实验结果表明,该方法效果良好。

基于二维类间方差多门限阈值分割的石块识别方法

月球环境感知是未来月球车在月球表面自主导航的关键。石块作为月球表面的一种地理特征,将成为月球车行驶的障碍物。文章从模式识别的分类理论出发,提出了改进的二维类间方差的多门限阈值石块分割方法。在获取分割图像后,利用石块底部阴影信息和原始图像的灰度直方图分布特征,将分割图像二值化。然后,结合形态学滤波算法和二值图像投影变换,实现了对部分场景下的石块识别和定位。

基于类间方差参数活动轮廓模型图像分割

提出了基于类间方差参数活动轮廓模型图像分割法.该方法将气球力参数活动轮廓模型中的恒定气球力替换为包含区域信息的变力,最大化目标和背景两区域类间方差,引导轮廓曲线进化.实验结果表明:对于初始轮廓位置不论是处于目标区域内部,或者是处于背景区域内部,还是与目标和背景区域相交,该模型都能获得正确分割结果.

基于快速形态滤波和类间方差的弱小目标检测方法

针对地空武器系统背景较为平稳、实时性要求高、目标灰度极性与对比度变化小等特点,提出了一种快速形态滤波和类间方差自适应门限分割相结合的弱小目标检测算法。采用扁平结构元素作为形态滤波结构元素,在水平、垂直两个方向进行开、闭运算。通过对运算结果的处理,解决目标极性反转问题。在膨胀、腐蚀过程中引入最值的权值,对算法进行优化,大大减少了背景抑制处理时间。采用类间方差自动门限分割,使目标提取不受目标与背景对比度变化的影响,从而实现对目标的快速、准确标记。

基于遗传算法的类间方差图像阈值分割

阈值分割是一种广泛使用的图像分割技术,分割效果的关键在于阈值的选取。本文采用最大类间方差准则来自动选取阈值,并将遗传算法应用到类间方差的寻优过程中,大大提高了运算速度,使阈值选取更加精确,通过实验表明,该方法能够有效地保留分割后图像的纹理信息,是一种有效的图像分割方法。

全局人工鱼群算法在类间方差图像分割中的应用与实现

针对传统类间方差算法中阈值选取效率低、鲁棒性差、分割精度低的问题,根据全局人工鱼群算法可以快速有效地捕捉到图像分割最优阈值,提出了一种基于全局人工鱼群算法的类间方差图像分割算法。该算法将全局人工鱼群算法用于类间方差的寻优过程中,对算法的收敛速度及其分割效果进行了仿真,并与遗传算法、基本人工鱼群算法进行比较,结果表明,该算法提高了收敛速度,改善了纹理信息的准确性,分割精度高、效果理想。

基于贝叶斯估计的多类间方差目标提取

为了更好的分割出图像中的目标,文中对最大类间方差法进行了改进。根据不同的分割次数,在图像中反复运用最大类间方差进行分割,再以子图像中所提取目标的灰度值方差、标准差以及目标面积在原图中所占的比例等为因子,利用贝叶斯估计进行预测,从而提取出图像中的目标。该方法不仅对目标与背景差异较大的图像有较好的分割作用,而且对于目标灰度分类不属于极大或极小类的图像也有较好的分割作用。实验证明,该方法效果良好。

基于类间方差和离散余弦变换的模板匹配哈希目标跟踪

针对基于离散余弦变换的压缩感知哈希算法在光照变化、目标发生形变或者局部遮挡的情况下难以跟踪的问题,提出了一种基于类间方差和离散余弦变换融合的模板匹配增强哈希算法。该算法是一种运用类间方差阈值分割和离散余弦变换来提取目标不同特征信息,用快速增强差异法生成哈希序列来降低光照影响,用抽屉原理缩短汉明距离的比较时间的自动更新模板的目标跟踪算法。本文算法与传统哈希算法、基于DCT的压缩感知哈希算法在视频David,Girl和CarScale中进行了跟踪实验。实验结果表明,该算法在光照变化、目标形变和局部遮挡的情况下提高了目标的跟踪成功率,具备良好的鲁棒性,满足了实时跟踪的要求。

基于类间方差验证的Tsallis熵阈值分割

Tsallis熵具有非广延性,适用于对比度低、噪音大、边缘模糊的红外图像分割,但在分割过程中Tsallis熵参数q通常依据经验进行选择,限制了Tsallis熵阈值分割的适用性。基于此,提出一种基于类间方差验证的Tsallis熵阈值分割算法。首先利用经验范围内q值进行Tsallis熵阈值选取,然后计算对应q参数下取得最佳阈值的类间方差,并通过优化选择类间方差最大的最佳阈值作为最终图像阈值分割结果。通过标准数据库图像和实际场景获得的图像对本文提出的算法有效性进行验证,实验结果表明,通过类间方差验证Tsallis熵法取得的阈值,融合了图像信息系统熵和类间方差两方面准则选取分割阈值,提高了红外图像阈值分割的精度与可靠性,在实现图像阈值选取的同时实现对熵参数q的算法选取。

基于多峰分布最大类间方差的垩白米粒检测方法

采用一种基于多峰分布最大类间方差(Otsu)方法检测垩白米粒。首先利用垩白米粒图像的灰度分布具有多峰分布这一特性,应用数理统计方法进行多峰分布度测度。然后根据垩白米粒图像中垩白部分具有白色不透明这一物理特征将垩白米粒图像的灰度级分成3类,通过使用最大类间方差法确定两个分割阈值,并且检测出大米中垩白部分面积。由于使用了区域控制分割,使得最大类间方差阈值的确定具有自适应性和准确性特点。实验结果表明,本文采用的方法对垩白米粒检测正确度为97.4%,效果好于基于形态学分水岭的检测算法。

基于类间和类内方差的快速二维阈值分割法

为了提高二维阈值分割法的处理速度,提出二维类间方差最大法的快速实现方法.首先,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,并引入类内距离的定义,提出新的最佳阈值判别式.其次,将原二维直方图分成M×M个区域,合并每个区域为一点,并构建新的二维直方图,在其上应用本文改进的阈值判别式D(s*,t*)求解,得到分割阈值所在的区域编号.最后,在该区域内再次使用D(s*,t*)求解得到原始图像的最佳分割阈值.理论分析及针对不同信噪比的多幅图像的实验结果表明,本文方法的分割错误率低于原始二维Otsu法,且将原算法的时间复杂度由O(L4)降为O(L1/2),空间复杂度由S(L2)降为S(2L).

基于类间最大交叉熵的坎尼边界扫描

分析了传统坎尼边界扫描算法中阈值和高斯滤波器对边缘闭合的影响,首先采用当前像素点8个方向的自适应滤波器代替原有的高斯滤波器对图像进行滤波,得到的梯度图像不会出现过度光滑现象;然后将最大类间交叉熵准则和有关人工智能理论相结合来确定高、低阈值。自适应滤波器是根据当前像素点邻域内的最小方差确定使用的模板,将方差最小的模板的均值设置为当前像素点的灰度值得到滤波后的图像。实验证明,该方法能得到较低的高阈值和较高的低阈值,既避免了引入伪边缘又尽可能多的检测出边缘像素点;同时具有很强的抗噪性。

基于移位协方差矩阵Otsu算法的信源数目估计

针对阵列信号处理中信号源数目估计的问题,提出了一种基于移位协方差矩阵的Otsu类间方差法。与协方差矩阵相比,移位协方差矩阵克服了噪声自相关过程中零位极大值的影响,提高了协方差矩阵的信噪比,移位协方差矩阵的信号特征值与噪声特征值差别更为明确,更有利于信源数目的估计。由于零均值且独立同分布噪声的移位协方差理论值为0,所以移位协方差矩阵针对零均值独立同分布α稳定分布噪声同样具有较强的抑制能力。利用Otsu类间方差法对移位协方差矩阵的特征值进行分类,可以更加明确地区分信号特征值与噪声特征值。理论分析和仿真实验结果均表明,基于移位协方差矩阵的Otsu类间方差法具有比传统信源数估计方法更好的估计性能。

一种基于空间特征矢量的图像分割方法

针对灰度图像,提出了一种基于空间特征矢量的图像分割方法,构建了以像素的灰度、梯度、像素r的邻域均值为特征的三维特征空间,并将图像像素点对应空间特征点。通过计算像素特征矢量与阈值特征矢量的矢量差,求出矢量差与阈值特征矢量的夹角,然后比较夹角与动态分割参数的关系,判定像素所在区域(目标或背景)。实验表明,该方法可以较快速地实现图像分割,分割的效果也比较好。

基于伪协方差矩阵Otsu方法的信源数估计

为提高高斯色噪声背景下信源数估计的成功概率,提出了一种基于伪协方差矩阵的Otsu类间方差法。伪协方差矩阵对一定条件下的高斯白噪声和高斯色噪声具有免疫特性,而且利用阵元间的时间相关性增加了阵列的有效孔径,进而提高了伪协方差矩阵奇异值分解后信号奇异值与噪声奇异值的差异程度。在此基础上,利用Otsu类间方差法对信号奇异值与噪声奇异值进行分类。仿真结果表明,该方法可进一步提高信源数的估计成功概率。

基于数据融合的K均值聚类彩色图像分割方法

为了实现彩色图像的准确分割,在K均值聚类分割算法的基础上引入数据融合技术,将彩色信息和灰度信息的融合结果作为分割依据。首先完成图像从RGB(red,green,blue)空间到HSV(hue,saturation,value)空间的转换,在HSV空间实现颜色量化并生成彩色直方图,利用直方图阈值技术寻找峰值,进而确定K值的大小,再利用灰度直方图来确定初始聚类中心。在聚类过程中,采用加权融合法对HSV空间的色彩信息和灰度空间的图像信息进行数据融合,得到一个新的融合矢量矩阵,最后利用像素与各质心融合矢量之间的欧氏距离做相似测度完成彩色图像的分割。实验结果表明,该方法与分裂式K均值聚类(fissive K-means,FKM)方法相比,不仅能够实现分割区域数的自适应调整,而且各分割区域间的类间方差较大,分割速度快。该方法能够实现对彩色图像比较准确的分割,具有一定的实用价值。

基于Otsu聚类的生物组织损伤辨识方法

在高强度聚焦超声(HIFU)治疗肿瘤过程中,生物组织损伤是疗效的重要表现,基于B超监控方式研究组织损伤辨识对疗效评价有重要意义。首先提取HIFU辐照新鲜离体猪肉组织前后B超图像的灰度直方图统计特征,通过类间距离评价所提取的不同特征识别生物组织损伤的能力;以类间距离最大的特征作为最佳统计特征,最后采用最大类间方差聚类法(Otsu)自动确定辨识组织损伤的阈值。结果表明:偏斜度特征的类间距离最大,与其它统计特征相比较,偏斜度有较好的区分能力;HIFU区域该特征值在0.575附近时,生物组织出现损伤。利用此阈值对实验获得的样本数据进行测定,可以有效地区分出变性组织与未变性组织。

基于孤立森林算法的高拱坝施工期变形异常值检测模型

【目的】高拱坝建设过程中的倒悬变形是导致施工期裂缝的原因之一,采用连续测斜设备开展施工期变形监测时,因分层浇筑等施工过程造成的监测异常值需进行检测和判断。【方法】结合工程实际所需精度,设计了变形监测试验以模拟拱坝工作状态和“突变”过程。针对试验结果,提出了一种基于孤立森林算法的异常值检测模型,通过小波变换预处理数据,降噪后的数据采用改进孤立森林算法检测异常值,将结果通过窗函数回归分析,并和实际调节数据进行对比。【结果】结果表明,对比传统孤立森林算法,改进孤立森林算法在各个调节值下的识别率均达到95%。当调节值为0.1 mm时,本模型的预测变形为0.105 mm,误差为5.0%;当调节值为0.6 mm时,本模型的预测变形为0.610 mm,误差为5.0%;当调节值为1.0 mm时,本模型的预测变形为1.010 mm,误差为1%;当调节值为1.4 mm时,本模型的预测变形为1.424 mm,误差为1.7%。【结论】根据模型预测结果和实际调节值对比,本模型的异常值识别率在各加载位移下均大于96%,误差率在各加载位移下均小于5%,能有效识别测斜仪在高拱坝施工期位移监测中的“突变”异常值。

基于单帧同位叠加的220 kV绝缘子串紫外动态图像诊断研究

目前,基于紫外成像的绝缘子诊断技术主要采用动态图像单帧画面进行判断评估,缺乏考虑动态图像的整体性。为了解决绝缘子紫外电晕动态图像的量化评估问题,提出一种基于单帧同位叠加的绝缘子动态图像诊断方法。该方法采用形态学运算对动态图像进行图像滤波,抑制图像噪声;通过类间方差分割算法提取绝缘子串及紫外电晕部分,实现动态图像的单帧特征提取;以单帧同位叠加算法为基础,生成动态图像综合特征;最后,根据动态图像的综合特征,构建数据可视化雷达图。实验结果表明:该方法不仅保障绝缘子动态图像评估的整体性,还分析不同类型绝缘子的动态图像表现和雷达图,为实际工程中绝缘子带电检测提供了一定的参考。