基于模糊隶属度中值的阈值分割算法

针对图像模糊集模型的构造问题,提出一种基于模糊隶属度中值的阈值分割算法。该算法选取有代表性的几种隶属度函数在给定灰度处的中值作为新的隶属度值,即提取多个隶属度值的一维统计特征,将灰度图像转化为一个模糊集合,再以α-型模糊散度为目标函数寻找最佳阈值。仿真结果显示了该算法的有效性。

基于改进的算术平均算子的阈值分割算法

针对图像模糊集模型的构造问题,提出一种基于改进的算术平均算子的阈值分割算法。该算法先对指数型限制等价函数进行修正,然后选取5种代表性的隶属度函数,剔除最大和最小的隶属度值,采用算术平均算子对剩余的模糊隶属度值进行集结,将灰度图像转化为一个模糊集合,再以α-型模糊散度为目标函数寻找最佳阈值。仿真结果表明,该算法比其他算法准确率更高,分割效果更好。

基于标准离差法的模糊散度多阈值图像分割

由于图像具有模糊性且单阈值分割算法不能满足实际需求,同时考虑单一隶属度函数适应性较差,提出基于标准离差法的模糊散度多阈值图像分割算法。将常用的单阈值隶属度函数推广至多阈值形式,并利用标准离差法计算客观权重,通过线性加权为待分割图像构造新的隶属度函数;推导出多阈值α-型模糊散度作为选取最佳阈值的准则函数;采用粒子群算法优化准则函数以降低多阈值分割算法的运行时间。实验结果表明,该算法可以实现复杂图像多阈值分割,改善分割精度。