二维直方图区域斜分阈值分割及快速递推算法

指出了二维直方图区域直分法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,即通过4条平行斜线将直方图分成内点区、边界点区和噪声点区,并采用与主对角线垂直的斜线进行阈值分割;然后导出了基于二维直方图区域斜分阈值选取的公式及其快速递推算法;最后给出了分割结果和运行时间,并与Otsu快速算法进行比较。结果表明二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部均匀,边界准确,抗噪更稳健,同时其运行时间大幅减少。

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的Otsu法的快速迭代算法。在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较。结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少。

二维直方图斜分Tsallis–Havrda–Charvát熵图像阈值分割

本文指出了现有二维直方图区域直分法中存在明显的错分,提出了二维直方图区域斜分方法,即通过与主对角线平行的四条斜线将直方图分成内点区、边界点区和噪声点区,并按灰度级与邻域平均灰度级之和的大小进行分割。该方法可以运用于所有的基于二维直方图的阈值分割。文中导出了基于二维直方图区域斜分的Tsallis–Havrda–Charvát熵阈值选取公式及其快速递推算法,给出了分割结果和运行时间。与基于二维直方图直分的Tsallis–Havrda–Charvát熵原始算法相比,本文提出的基于二维直方图斜分的Tsallis–Havrda–Charvát熵阈值分割算法,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性,其运行时间减少了五个数量级。

基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的O tsu原始算法及其他三种改进算法进行了比较。结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性。基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维O tsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分O tsu快速递推算法的1/4,不到文献[11]中快速算法的4%。

快速二维直方图斜分最小误差的图像阈值分割

鉴于二维斜分法的优势,提出了一种快速二维直方图斜分最小误差的阈值分割方法。首先将二维直方图斜分原理运用到最小误差阈值法中使得分割更准确,然后对其阈值选取公式进行简化得到最简公式,并利用此公式导出其一般递推算法,最后将二维直方图概率分布特性与这种算法有机结合得到新型的递推算法来提高运行速度。实验结果表明,与二维直线型最小误差阈值分割法相比,算法效率更高,与其递推算法相比,所提出的新型递推算法的运行速度更快,约快4倍。

二维直方图斜分最大散度差阈值分割算法

最大散度差法是经典的Otsu法一种很好改进算法,为了提高它在图像受到噪声干扰或光照不均匀时的分割准确性,现提出一种基于二维直方图斜分的最大散度差法,该算法不仅综合考虑了类间散度及类内散度对图像信息分类的作用,同时还利用图像空间区域信息以提高抗噪声能力,为减少计算量、提高分割速度,文中给出了快速递推算法,实验结果表明该算法比二维斜分Otsu法、二维斜分最大熵法等算法具有更准确的分割效果、更强的抗噪声能力,同时运行时间更少。

二维直方图斜分最大类间交叉熵的图像分割

利用二维直方图斜分原理,提出了一种基于最大类间交叉熵的快速图像分割方法。首先依据二维直方图斜分法构建最大类间交叉熵阈值选取公式,然后导出这种最大类间交叉熵阈值选取的快速递推算法,最后将定义的数组运算与这种快速算法相结合搜索最佳阈值向量,使整个算法更简明高效。实验结果表明,与当前二维直方图斜分阈值方法相比,此算法效率更高,通用性更强。

基于二维直方图斜分的图像预处理方法

提出一种新的基于二维直方图区域斜分的图像预处理方法,该方法通过分析每个像素的局部统计信息,评价每个局部像素点的噪声污染情况,然后根据像素点的属性采用不同的平滑方法来达到去除图像噪声的目的。实验结果表明,该方法在有效地去除噪声的同时又能保持图像边缘等重要特征。摘要:

二维直方图θ-划分最小误差图像阈值分割

针对常用二维直方图区域直分法存在错分的问题,并为适应实际中不同图像及分割目的的需要,提出了更具普适性的二维直方图θ-划分最小误差阈值分割方法(θ为分割直线的法线与灰度级轴的夹角).导出了相应的阈值选取公式及其快速递推算法,根据实验结果分析了θ取值对分割结果和算法运行时间的影响.与二维直方图直分最小误差法相比,所提方法的分割结果更为准确,抵抗噪声更为稳健,且所需运行时间也大为减少;而直线形最小误差法只是文中方法中θ=45°的特例.

二维直方图θ-划分最大平均离差阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷,提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差的图像阈值分割算法.首先给出了二维直方图θ-划分方法,采用4条平行斜线及1条其法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45°的特例;然后导出了二维直方图θ-划分最大类间平均离差阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间.θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值.与常规二维直方图直分最大类间方差法及最大类间平均离差法相比,所需运行时间相近,但本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且存储空间也大为减少.

二维直方图θ-划分Tsallis熵阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而Tsallis熵与传统的Shannon熵相比,具有普适性且更为有效,本文提出了适用面更广的基于二维直方图θ-划分和最大Tsallis熵的图像阈值分割算法。首先给出了二维直方图θ-划分方法,采用四条平行斜线及一条法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=450的特例;然后导出了二维直方图θ-划分最大Tsallis熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值。与常规二维直方图直分最大Tsallis熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减少。

二维Fisher准则函数在区域生长算法中的应用

本文针对传统区域生长算法中“种子”和“相似性准则”不能自适应获得的缺点,将二维Fisher准则函数算法[1]应用到区域生长算法中,根据图像特征,利用二维阈值,自动确定“种子”和“相似性准则”。实验表明,该算法不仅利用了二维Fisher准则函数算法的优点,而且也使区域生长算法具有自适应性,对荧光磁粉图像具有较好的分割效果。

基于节点编码的区域分解算法及其在二维散射中的应用

研究了一种高效率的基于节点编码的区域分解算法。将原始的求解区域分割为若干个相对独立的子区域,使原问题转化为若干个相对独立的子问题,通过求解公共边界上的场值,可以快速获得整个求解区域上的场值,极大地减少了存储量和计算量。此外,这种区域分解算法不仅能够快速、高效、并行地计算电大尺寸柱体的电磁散射,还特别适合于求解具有几何重复性特征的结构,如天线阵列、有限周期频率选择表面、PBG/EBG等的电磁仿真问题。数值算例验证了该方法的准确性和有效性。

基于二维直方图和模糊熵准则的阈值化方法

图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视;阈值化法是图像分割的一种重要方法,在图像处理与识别中广为应用;针对图像分割中细节往往被忽略导致后续处理困难的问题,基于模糊关系和最大模糊熵原理提出了一种阈值化方法,对二维直方图进行模糊分割;为了获得图像分割中的细节,提出的方法根据最大熵原则自动确定模糊区域和门限,进而获得二维模糊熵和遗传算法最优解,最后获得图像细节;通过对不同灰度水平和颜色类型图像进行实验比较,实验结果表明提出的方法优于二维非模糊方法和一维模糊熵分割法,得到该方法在图像分割中获得细节的结论。

基于二维对称Tsallis交叉熵的小目标图像阈值分割

现有的阈值分割方法应用于目标与背景面积相差悬殊的小目标图像时,几乎都失效。为此,提出了基于对称Tsallis交叉熵及背景与目标面积差的小目标图像阈值分割方法。对称Tsallis交叉熵准则能确保准确分割时目标和背景内部的灰度均匀,而背景与目标面积差可抑制均等分割的趋势,二者综合构成了更为合理的阈值选取准则函数。首先导出了一维阈值选取公式;然后经推广得到基于二维斜分对称Tsallis交叉熵及背景与目标面积差的阈值选取公式,给出了其快速递推算法及相应的简化方法。大量实验结果表明:与目前性能较优越的二维斜分Otsu、最大熵、非对称交叉熵阈值分割方法相比,所提出的方法在小目标图像分割效果上具有极为明显的优势。

矩不变调整的二维Shannon熵图像分割及其快速实现

为了克服二维Shannon熵阈值法的缺陷,提出了一种使用矩不变法来调整二维直方图斜分Shannon熵的阈值分割方法。首先将二维直方图斜分原理运用到两种Shannon熵阈值法中,然后利用矩不变法从两种熵阈值法获取的阈值中选择最佳阈值,并提出二维直方图斜分Shannon熵阈值法的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,提出的方法不仅分割效果优于当前的二维直方图斜分的最大熵阈值法,而且运行速度更快,约快4倍。

两种二维交叉熵阈值法等价性证明及快速实现

二维直方图斜分最大类间交叉熵阈值(TOSMICE)法和二维交叉熵直线型阈值(TMCELT)法是两种有效的分割方法,且都是二维交叉熵阈值法,为了考查二者分割结果是否相同,提出对两种二维交叉熵阈值法的等价性探讨。首先分析两种二维交叉熵阈值法:虽然名称不同但经过证明其分割原理相同,然后对两种选取公式进行推导得到一种最简阈值选取公式,从而证明了二者的等价性,随之提出基于最简公式的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,两种方法获取的阈值相等,分割结果相同;并且与当前二维直方图斜分递推算法相比,所提出的新型递推算法速度更快。

双曲线二维Otsu阈值分割算法

由于二维直方图阈值分割算法存在的区域错分导致分割质量和抗噪性能的不足,提出一种新的自适应区域划分阈值图像分割算法。采用两条曲线划分二维直方图,获得符合图像信息分布的区域划分结果。该算法用边缘检测算子获得图像边缘信息,再用三次样条曲线拟合法拟合边缘得到两条曲线,将所有像素划分为噪声和目标背景两类,对噪声灰度值进行替换;用改进的二维Otsu算法对噪声处理后的图像进行阈值分割。与改进的传统二维直方图分割算法和改进的二维直方图斜分算法的实验结果对比表明,论文算法运行效率高,且具有更好的分割质量,更强的抗噪能力和自适应能力。

结合边缘信息的二维Otsu阈值分割算法研究

针对传统二维直方图灰度———平均灰度法存在的区域错分,导致图像分割质量和抗噪性能的不足,提出了一种结合边缘信息的二维直方图灰度-非局部均值的算法。非局部均值能综合利用各像素点与其邻域点、邻域块之间的相关信息,降低图像受噪声干扰的影响。在二维直方图区域划分中,该算法通过边缘检测算子提取出图像边缘点,利用一定约束下的两个边缘点与主对角线,来确定噪声和目标背景区域的界线。通过状态转移算法结合截距阈值法求取阈值,实现了降维简化处理。实验表明,该算法能获得更好的图像分割效果。

二维直方图区域斜分的最大熵阈值分割算法

指出现有二维直方图区域直分法中存在明显的错分,提出一种二维直方图区域斜分方法.导出基于二维直方图区域斜分的最大熵阈值选取公式及其快速递推算法,给出图像分割结果和运行时间.并与基于二维直方图直分的最大熵原始算法及其快速算法进行比较.结果表明二维直方图区域斜分可使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.本文算法的运行时间约为二维直方图斜分最大熵法原始算法的2%,不到二维直方图直分最大熵法的两种快速递推算法的1/3.