基于改进交叉视觉皮质模型的图像分割新方法

从人类视觉特性出发,将具有"中心抑制,周边加强"性能的人眼视觉侧抑制现象与交叉视觉皮质模型相结合,形成了一种与人类视觉保持一致的适合图像分割的侧抑制-交叉视觉皮质模型。在此基础上,利用灰度级-邻域平均灰度级二维直方图,将一维卡方散度推广至二维,构造出了基于最小二维卡方散度的分割准则,进而提出一种实时性高的图像分割新算法。实验仿真表明,这种分割算法效果优于原始ICM算法和经典的Otsu算法,同时该准则计算速度远高于基于二维最小交叉熵准则的计算速度。

基于模糊熵的GLLE熵阈值分割方法

图像分割是计算机视觉中基础且重要的一个问题.熵阈值图像分割作为一种有效的分割方法,被广泛应用于模式识别和图像处理中.传统的图像分割方法并不能获得足够有效的图像特征.为解决这个问题且进一步探究熵阈值在图像分割中的应用,引入一种GLLE(Gray Level and Local Entropy)二维直方图改进熵阈值图像分割模型,并提出了基于模糊熵的方法计算所建立的二维直方图模型.通过标准实验数据集上的对比实验表明,基于模糊熵的GLLE熵阈值分割方法可以得到更加准确的阈值,提高了分割精度.同时在处理不同类型图像的表现上优于往常的算法,具有更强的鲁棒性.

基于交叉视觉皮质模型的图像快速分割新算法

为了使光学图像分割处理达到实时性标准,本文引入了具有生物学背景的交叉视觉皮质模型用于图像分割。在不降低分割效果的前提下,将交叉视觉皮质模型的阈值衰减函数调整为线性衰减函数,形成了线性衰减阈值-交叉视觉皮质分割新模型;引入了运算简便且抗噪性强的Chi-square散度,采用灰度级-邻域平均灰度级二维直方图将其推广至二维空间,设计了一种新的分割准则以确定模型的参数与循环迭代次数。