改进沙猫群优化算法的2D-OTSU多阈值图像分割

针对传统多级阈值图像分割方法精度低、收敛速度慢的问题,提出一种改进的沙猫群优化算法(Improved Sand Cat Swarm Optimization, ISCSO)用于全局优化,并应用于2D-OTSU多阈值图像分割任务。通过使用Henon混沌映射和反向折射机制初始化种群,使得种群的分布更加均匀,提高搜索的起始状态,从而增加算法的全局搜索能力;采用非线性灵敏度更新公式来平衡搜索多样性和收敛精度;引入可变螺旋搜索策略改进位置更新算法,以确保算法具有较好的搜索多样性和跳出局部最优解的能力。选取6张测试图像对ISCSO算法进行2DOTSU多阈值图像分割实验,采用峰值信噪比(PSNR)、特征相似性指数(FSIM)和结构相似性指数(SSIM)对实验结果进行评价。实验结果表明,基于ISCSO算法的2D-OSTU多阈值图像分割方法在图像分割任务中85.2%的结果优于对比算法,具有较强的搜索精度和收敛速度,这证明了ISCSO算法在图像分割领域的有效性和潜力。

基于WFSOA的2D-Otsu钢轨缺陷图像分割方法

针对二维最大类间方差阈值法(2D-Otsu)抗噪性较弱、计算时间较长的问题,文中提出了一种基于随机权重及异步价值因子取值的人群搜索算法,并将其应用于2D-Otsu中对钢轨缺陷图像进行分割。该算法采用随机权重加快收敛速度,采用异步价值因子提高搜索能力,有利于全局收敛到最优值。根据测试函数分析,WFSOA算法能够快速收敛,寻优值结果精度高,收敛时间短,算法稳定性好。在钢轨缺陷图像分割中,将2D-Otsu的迹函数作为WFSOA的目标函数,实验结果表明图像检测实时性高,对表面灰度不匀或生锈的钢轨缺陷分割结果清晰,有效降低了钢轨缺陷误检率和漏检率,在计算时间上仅占2D-Otsu算法的2%,可满足实际工程对实时性的需求。

一种适用于SAR图像的2维Otsu改进算法

Otsu法是图像阈值分割中的经典算法之一,在图像处理中得到广泛的应用。针对原始2维Otsu法直方图区域划分上的缺陷和运算速度慢的缺点,分析了适用于SAR图像相干斑乘性噪声的直方图区域划分方法,提出了一种更符合实际图像模型的阈值选取准则。实验结果表明,该改进算法的分割效果良好,运算速度也有很大提高。

基于Otsu算法的木材缺陷图像分割

提出了基于Ostu算法的木材缺陷图像分割。该方法借助于二维中值滤波器对木材图像进行平滑处理,将平滑过的图像用Otsu算法确定图像分割阈值。实验结果表明,该方法可以有效地实现木材表面缺陷图像分割。

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。

二维Otsu法的降维递推综合改进算法

二维Otsu法是一种经典的图像分割算法,在其基础上发展的降维算法由于存在大量冗余计算限制了其实际应用,针对这一问题,提出二维Otsu法的降维递推综合改进算法。先把二维阈值形式降低到一维,计算区域改为对角线两侧的带形区域;然后采用递推思想给出递推公式,应用递推公式得到图像分割阈值,去除了原有的冗余计算。结合降维与递推,时间复杂度由降维算法的O(L3)降低为O(L2)。实验结果表明,该种算法在保证分割效果的同时大大提高了降维算法的计算效率。

基于平均方差和邻域信息的改进型二维Otsu算法

针对传统二维Otsu算法忽略边界信息对图像分割结果有一定影响、计算时间长的问题,研究提出了一种基于平均方差和邻域信息的改进型算法。新算法先利用中值滤波来重新构建一个二维直方图,再用平均方差定义一个新的二维阈值选取函数,最后对图像进行二值化处理。实验结果表明,与传统二维Otsu法及其快速递推算法相比,新算法有效提高了分割精度,减少了算法的运行时间,其运行时间仅为传统二维Otsu算法的1.55%,大约是快速递推算法的40.69%。

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio,PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。

基于改进二维Otsu算法的电机故障识别研究

热成像图像处理技术已广泛应用于电机故障诊断中。在电机热成像灰度图像的基础上,采用二维Otsu图像阈值分割方法自动提取电机灰度图像的高温区域,针对传统二维Otsu图像阈值分割方法计算复杂、实时性差的缺点,论文提出一种以改进萤火虫算法为求优方式的二维Otsu图像分割算法,即引入模拟退火因子的萤火虫算法与二维Otsu图像阈值分割法相结合,经实验结果表明,改进后的算法图像分割效果良好,并且计算时间短,实时性好。

基于二维Otsu的舰船目标图像分割方法

针对图像分割问题,论文研究提出了一种基于局部网络区域划分技术的二维Otsu阈值分割方法。首先,该方法采用整体到局部的研究思路,基于原始图像的二维直方图划分为多个局部矩形子区域,并将子区域视为一个独立的像素点,构建一个新的二维直方图,实现阈值的初步计算;其次,由阈值的计算结果,确定其所在的区域,以此建立阈值求解模型;最后采用基于粒子群多目标优化模型对阈值进行二次计算,即获取最终结果。理论分析和试验结果表明,该算法的时间复杂度降低为O(L)(L表示图像的像素灰度级),且获得了较好的分割效果。

基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法

针对传统2维Otsu法由于计算量大而无法实时对路面裂缝图像进行分割的问题,将粒子群算法和遗传算法相结合,提出了一种基于混合粒子群优化的2维Otsu路面裂缝图像阈值分割方法。实验结果表明:与标准粒子群优化的2维Otsu阈值分割法相比,文中方法可以完整分割出图像中的裂缝目标;与传统2维Otsu法相比,文中方法减少了算法运行的时间,提高了路面裂缝图像的分割效率。

基于量子粒子群算法的Ostu图像阈值分割

二维Ostu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Ostu方法计算量大的特点,采用量子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,通过各个粒子的飞行来获得最优阈值。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Ostu方法的实时应用。

红外车辆目标的自动模糊分割

针对红外图像的特点,提出了一种基于遗传算法的自动模糊分割红外车辆目标图像的方法。首先选取图像的感兴趣区域以加快运算速度;然后对感兴趣区域图像进行模糊增强,借助于二维OTSU方法对增强后的感兴趣区域进行阈值分割,为了加快分割算法的速度,先限定一个最佳阈值范围,再利用遗传算法在此阈值范围内自动搜索最佳分割阈值;为了弥补单独利用二维OTSU方法分割的不足,采用缩短模糊边缘宽度的方法来提取感兴趣区域红外车辆目标图像的边缘。最后把二维OTSU方法分割的图像与模糊边缘提取得到的边缘图像进行或运算后进行填充以得到最终的车辆目标分割图像。实验结果表明,对于红外车辆目标图像,一维OTSU和二维OTSU算法只是基本分割出了红外车辆目标的主体,而本文提出的自动模糊分割技术不仅准确分割出了红外车辆目标的主体,而且对于坦克的模糊炮塔亦得到了完整的分割。

改进的红外弱小目标检测方法

为了进一步提高红外弱小目标检测的准确性和实时性,针对红外图像的特点利用修正的Top-Hat算子对目标图像进行背景抑制以提高目标检测概率。根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景和噪声的干扰。利用改进的OTSU算法进行图像分割以检测目标。为了提高分割算法运算速度,把快速递推算法推广应用到了本文算法中。实验选取了不同类型的红外图像,将本文算法和其他文献中算法的分割结果进行了比较。实验结果表明,本文算法具有更好的分割效果,目标分割准确,运算速度提高了60%以上。属性直方图可以针对具体问题,利用已有的先验知识灵活构造,具有较好的通用性。

基于改进粒子群算法的二维阈值图像分割

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,采用量子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,通过各个粒子的飞行来获得最优阈值。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。

一种新颖的Ostu图像阈值分割方法

二维Ostu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Ostu方法计算量大的特点,采用含维向量变异量子粒子群算法,计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异:让所有粒子在该维上的位置重新均匀分布在可行区域上,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,通过各个粒子的飞行来获得最优阈值。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Ostu方法的实时应用。

二维最大类间方差和遗传算法在红外图像分割中的应用

为了改善红外图像的分割效果,将二维最大类间方差算法应用于红外图像分割,通过二维最大类间方差算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维最大类间方差算法寻找阈值的速度,提高分割效率。

基于自适应量子遗传算法的图像阈值分割

一维最大类间差法(Otsu)是一种广泛使用的图像阈值分割方法,虽然处理速度快,但是没有考虑到像素的领域空间信息,当图像受到噪声干扰等因素影响时,难以获得满意的分割效果,鉴于此,本文提出了一种基于自适应量子遗传算法和二维Otsu的分割方法。二维Otsu法兼顾了图像的灰度信息以及邻域信息,具有抗干扰以及分割精度高的优点,但存在计算量大、实时性差的缺点;利用自适应量子遗传算法则能迅速找到最佳分割阈值,提高运算速度。仿真实验表明,本文方法减少了阈值寻优的时间,提高了分割精度,同时兼具较强的抗干扰能力。

基于二维直方图的TEM图像阈值分割

将二维自适应阈值分割算法应用于材料的TEM图像的分割中,并对算法的快速实现进行了详细的研究,给出了快速算法的计算机程序。实验结果与性能比较表明,该分割方法非常有效,为进行材料粒度统计奠定了基础。

基于改进Canny算子的铁路扣件定位方法

边缘特征是铁路扣件定位及缺陷分类的重要依据.针对传统Canny算子人为设定高低阈值会影响边缘检测效果,以及对多余信息消除能力较弱等缺点,提出一种轨道扣件边缘定位的改进Canny算子算法.首先,改变梯度幅值计算,除考虑水平和垂直两方向外,再增加计算45°与135°方向的梯度幅值,以有效避免边缘间断;其次,采用二维最大类间方差算法确定最优阈值以消除伪边缘,并以此进行Canny算子优化.仿真表明,该方法有效优化了Canny算子,能够准确检测所确定目标的真实边缘,在光照不均匀条件下的效果尤其突出,且具备较强的自适应性与抗噪能力,可基本消除因伪边缘而影响Hough变换的直线提取性能,定位准确率可达99.3%.