一种快速二维熵阈值分割算法

在二维熵阈值基础上 ,利用量化图像直方图概念讨论了一种快速二维熵阈值分割算法 ,这种算法能够递推运算和自动寻找阈值 ,将计算复杂性大大降低。实验表明 ,该算法将每一幅图像运算时间降到 2秒以内 。

基于二维熵阈值的图像分割及其快速算法

阈值分割是图像分割技术中的一种重要方法,在图像处理和模式识别中广为应用。本文提出了一种基于二维熵阈值的图像分割快速算法。该算法能够有效地区分图像中边界、背景和物体三种区域,并使得传统二维阈值方法的复杂度从O(W^2S^2)降至O(W^(2/3)S^(2/3))。

基于二维最大熵阈值分割的钙化点检测算法

在数字乳腺X线图像中,钙化是早期乳腺癌的重要征象之一。为了提高钙化点检测的准确度及降低检测的假阳性率,提出了一种结合数学形态学滤波和二维最大熵阈值分割的钙化点检测算法。算法首先采用top-hat算子对图像的背景进行抑制,然后利用二维最大熵阈值分割算法得到可疑钙化点区域,最后采用SVM分类的方法去除假阳性区域,得到最终的钙化点检测结果,并采用MIAS乳腺影像库进行仿真实验,钙化点检测的敏感性为94.6%,假阳性率为10.5%。实验结果表明,方法对钙化点的定位精确,具有较高的检出率及较低的假阳性率。

基于二维最大熵阈值的SAR图像分割算法

本文针对复杂陆地SAR图像,提出改进的图像二维最大熵阈值分割法,在检测门限的判别函数中引入加权系数。由于加权系数的引进,增强了模型对复杂陆地SAR图像的适应能力,提高了图像分割的精度,降低了漏警率和虚警率,取得了较好的分割效果。

基于三帧差法和交叉熵阈值法的车辆检测

考虑运动车辆图像的时间相关性和空间相关性,采用三帧差分法与二维交叉熵阈值法相结合的方法对运动车辆进行检测。利用三帧差分法对视频图像进行运动车辆的检测,得到灰度图像的差分图像,使用二维交叉熵阈值法对差分图像进行二值化。实验结果证明,该方案能够检测出完整的运动车辆,具有良好的可靠性和鲁棒性,满足智能交通系统的要求。

基于CT图像的颅内血肿体积测量方法的研究

颅内血肿尤其是急性颅内血肿是危害患者生命健康的颅脑损伤之一。颅内血肿的大小是衡量病人手术与否的重要指标之一。本文对CT图像的处理与分割问题进行研究,得到了临床需要的自动颅内血肿体积测量方法。

基于变邻域变步长LMS背景预测检测红外小目标

在分析强起伏背景信号的基础上,利用背景局部信号统计特征和目标运动特性,提出了一种基于变邻域变步长LMS自适应背景预测的红外弱小目标检测方法。首先将两类背景交界处像素的邻点按最大类间平均离差准则分成两类,和中心像素点相近的一类构成预测邻域,而背景内部区域采用固定预测邻域;然后提出了一种改进的变步长LMS自适应算法,在所得预测域上进行背景预测,由实际值和预测值相减得到残差图像;最后采用二维Tsallis-Havrda-Charvat熵阈值选取方法对残差图像进行分割,并根据目标运动的连续性和一致性确认真实小目标。针对实际红外图像序列的实验结果表明:该算法能有效地抑制强起伏杂波,增强目标能量,降低虚警率,对强起伏背景下弱小目标具有很好的检测性能。

水下退化图像处理方法

针对水下图像退化现象严重、有效信息提取困难等问题,提出了水下退化图像处理方法.该方法通过分析水下图像退化过程,提出了基于大气湍流模型获取水下图像退化函数的方法,并利用频域滤波完成了退化图像的复原工作;进而将人工鱼群优化算法与图像二维Abutaleb熵信息相结合,利用一种二维最大熵阈值分割算法进行图像有意义区域分割.由于人工鱼群算法不需要了解问题的特殊信息,只进行问题优劣比较,使得该算法自适应性和收敛速度得到大幅提升.水池实验结果表明:该方法明显改善水下退化图像模糊度高、对比度低的问题,具有较优的分割效果,处理过程时间较短,具有一定的实用性.

基于数学形态学的机场跑道快速识别方法

提出了一种航拍机场跑道的快速识别方法。采用二维最大熵阈值方法分割出目标区域,利用Kirsch算子提取主要物体的边界轮廓,然后基于数学形态学的开、闭运算消减云层等物对目标边界的干扰,断开细线连接,削弱狭窄的部分,再应用细化剪枝剔除毛刺和各段孤立的短骨架线;利用Hough变换搜索出平行直线对作为机场跑道的候选区域;利用跑道区域的灰度特征对候选区域进行验证,去除虚假目标。实验结果表明:该方法具有较高的目标识别率和计算实时性,抗噪性强,能够消除背景中诸如云朵等物体的干扰。

基于车载CCD序列影像的建筑立面纹理映射

在车载LIDAR系统中,CCD相机系统侧重于获取精度的建筑物立面信息,非常适用于城市建筑物模型的快速构建。使用二维最大熵阈值分割对最佳影像进行有效地快速分割,采用Hough算子检测纹理边界,并利用点特征对纹理轮廓和模型轮廓进行匹配纠正。实验证明,该方法简单、快速,适合于大范围城市建筑物立面纹理映射。

一种高噪声显微图像分割方法研究

传统的图像分割算法在处理高噪声显微图像时,由于背景复杂,很难得到目标完整的区域轮廓。通过对不同图像分割算法的性能进行对比,提出了一种改进的二维最大熵阈值遗传算法结合数学形态学除噪分割的方法。首先用改进的二维最大熵阈值算法结合遗传算法对高噪声显微图像进行粗分割,除去图像中大量的背景噪声,然后运用数学形态学进行细分割,滤除剩余少量杂质和孔洞,提取出目标轮廓。实验结果表明改进的方法较传统分割方法具有更强的抗噪声能力及更快的处理速度,有效地实现了高噪声显微图像的除噪分割。