自适应粒子群集优化二维OSTU的图像阈值分割算法

为了解决红外相机采集行人图片时图像分割效果问题,提出一种自适应粒子群优化二维OSTU的阈值分割算法。利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,通过计算二者的均值和方差,建立二维最大类间方差模型,结合自适应粒子群集算法,估计出图像的最佳阈值,该方法不仅能够准确估计阈值且计算时间减少。仿真结果表明,阈值最佳时,当结合自适应粒子群集优化算法后计算时间减少到原来的50%,所提出的算法能够快速准确得到最佳阈值,提高了图像预处理的分割效果。

基于改进二维Ostu算法的SAR图像分割方法研究

INS／SAR组合导航系统对SAR图像分割提出了较高的实时性和准确性要求。文章针对SAR图像的特点与二维Ostu方法在区域划分以及运行速度上的缺陷，提出了一种改进的二维Ostu方法，更为准确地划分了目标和背景区域，并且将阈值搜索空间由二维降为一维。经仿真验证，该方法具有良好的分割效果并能有效提高分割速度，满足了组合导航系统相应的设计要求。。

基于改进CS算法的二维Ostu快速图像分割

针对应用布谷鸟搜索算法进行二维Ostu分割时计算时间长、效率低、易陷入局部最优的问题,提出了基于改进布谷鸟搜索算法的二维Ostu快速图像分割方法。通过引入逐维更新与整体更新相结合的混合维度更新策略,对布谷鸟搜索算法进行修正,以方差可调的正态分布进行步长有区分的整体邻域搜索,提高了算法的搜索精度与效率,解决了二维Ostu图像分割效率低的问题。实验结果表明,与穷举法、布谷鸟算法相比,改进算法图像分割效率最高,效果最好。

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。

基于加权融合特征与Ostu分割的红外弱小目标检测算法

为提高红外弱小目标在复杂背景干扰与低信噪比条件下的检测精度与效率,基于局部加权融合特征与分类二维Ostu分割,提出红外弱小目标检测算法。利用红外弱小目标与背景的灰度差异,基于Top-Hat算子设计红外背景过滤机制,使弱小目标从背景中凸显出来,使用图像的熵值定义局部加权融合特征,完成弱小目标的粗定位。采用分形理论计算粗定位区域内所有像素的分维值,构建像素分维像模型完成弱小目标的细定位,并通过特征分类二维Ostu分割机制实现红外弱小目标的精确检测。测试结果表明,与现有红外弱小目标检测算法相比,该算法具有更高的检测精度与更短的检测耗时。

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。

加权融合特征耦合Top-Hat变换的红外目标检测算法

当前红外目标检测算法在复杂背景干扰下通过单帧技术来实现目标的检测,使其难以过滤固定噪声等虚警,为此提出一种基于多尺度Top-Hat选择变换与加权融合特征的红外目标检测算法。通过对经典Top-Hat变换的结构元素进行分割,形成多尺度结构元素,考虑真实目标与背景的灰度差异,构建多尺度Top-Hat选择变换,从不同尺度提取图像的感兴趣信息,将真实目标从背景中分离出来;考虑序列图像的帧间差异,提取红外目标的运动特征,联合灰度特征与梯度特征,建立加权融合特征模型,精确定位候选目标区域;引入二维Ostu分割机制,对提取的候选目标区域进行分割,完成弱小目标检测。实验结果表明,与当前红外目标检测技术相比,在复杂背景下,所提算法可更好地抑制背景与过滤虚警,具有更高的检测精度与效率。

基于图像处理与RBF神经网络的绝缘子憎水性识别方法的研究

为了快捷准确地识别复合绝缘子的憎水性等级,提出了基于图像处理与RBF神经网络的绝缘子憎水性识别方法。首先,对图像进行直方图均衡增强、自适应中值滤波处理;然后,利用二维Ostu阈值法对图像进行分割;最后提取4个与绝缘子憎水性相关的特征量,以这4个特征量作为输入向量,以相应的憎水性等级作为输出向量,通过训练得到优化的RBF神经网络识别模型,并用于绝缘子憎水性等级的识别。试验结果表明,该方法能够准确识别绝缘子的憎水性等级,总识别率高达90%,准确度达到了实际应用的要求,为在线检测绝缘子憎水性奠定了基础。

基于天牛须优化算法的图像分割

本文将天牛须算法(BAS)应用于二维Ostu图像分割算法,提出了基于BAS的二维Ostu图像分割算法。为了快速准确地分割图像,将灰度形态学、二维Ostu与BAS算法相结合,利用二维灰色Ostu模型来作为BAS算法的适应度函数。实验结果表明,所提算法在收敛速度和分割效果两方面均优于基于遗传算法的分割算法。

基于人工蜂群优化的MR图像分割算法研究

针对传统图像阈值分割算法在MR图像分割时存在的易受采集图像灰度不均、医学图像易受噪声干扰,因而难以得到准确分割阈值的问题,本文将人工蜂群算法与二维OSTU阈值分割算法相结合,提出一种基于人工蜂群优化的MR图像分割算法。使用医学图像的离散度矩阵的迹作为人工蜂群优化的目标函数,得到二维OSTU的最佳分割阈值;根据得到的最佳阈值,对图像采用二维OSTU分割的方法进行分割。实验结果证明,对于医学MR图像,本文所提出的算法具有精度高和鲁棒性强的特点,能够得到精确的分割后图像。

改进粒子群算法安检图像阈值分割方法研究

将二维OSTU阈值分割法引入被动毫米波（PMMW）安检图像处理中。但是，传统二维OSTU法计算量大，运算效率低。故本文提出一种多阶段粒子群优化（MP-PSO）算法来达到快速分割的目的。实验表明，相对于其他优化算法，MP—PSO算法用时更少，效率更高，便于PMMW图像的实时处理。