狼群优化的二维Otsu快速图像分割算法

传统二维Otsu快速图像分割算法选取阈值时常采取穷尽搜索方式,而这种搜索方式降低算法的实时性,且延长算法的分割时间,从而对图像分割结果产生不良影响。为提高二维Otsu快速图像分割算法的运行效率,可采取狼群算法对最优阈值进行搜索,每匹人工狼就代表着一个可行的二维阈值向量,而狼群进行游走、围攻和召唤等智能行为的不断迭代和狼群间的信息交互,从而获取到最佳的阈值,这样既能够缩短算法的分割时间,又能够提高图像分割结果的精确度。论文用狼群算法取得最优的二维阈值向量,来解决快速图像分割问题。

狼群优化的二维Otsu快速图像分割算法

传统二维Otsu算法的阈值选取大都采用穷尽搜索方式,造成算法分割时间较长、实时性差等缺点,影响图像分割效果。为提高算法的运行效率,采用狼群算法来搜索最优阈值,每匹人工狼代表一个可行的二维阈值向量,狼群通过游走、召唤、围攻这三种智能行为的不断迭代以及狼群间的信息交互来获取最佳阈值。仿真结果表明,与标准粒子群优化二维Otsu算法和传统二维Otsu算法相比,狼群优化算法降低了分割时间并提高了图像分割精度。

二维Otsu的Z字折线阈值分割方法

针对二维直方图阈值分割算法存在的因误分类而导致的分割精度下降的问题,结合二维直方图的先验知识的阈值分割方法,提出了二维Otsu的Z字折线阈值分割方法。基于二维Otsu区域斜分法的基础上进行改进。我们结合二维直方图中的边界区域和噪声区域的信息,采用Z字折线阈值作为分割标准,纠正了普遍存在的错误分类,并利用小概率事件原则自适应确定折线方程,实现高精度图像分割的同时还有效提高了算法的适应性。实验结果表明,改进方法能够有效提高图像分割的精度,增强自适应性,与同类分割算法比较,性能有了明显提升。

多策略融合鲸鱼算法与二维最大熵的图像分割

传统的图像分割算法存在抗噪声差、迭代速度不高等缺陷,为了提高图像分割的质量,提出一种引入反向学习策略的鲸鱼优化算法(WOA)与二维最大熵结合的图像分割方法,并通过结合Sobol序列、自适应权重系数、收敛因子的非线性调整优化后的WOA算法,得到目标图像的最优阈值,并对其进行分割。通过与原始WOA算法在测试函数上的对比,表明改进算法具有较好的收敛性和较快的收敛速度。将改进算法实际运用到草坪背景下,分割后图片的峰值信噪比值相较于另外2种对比算法分别提高了5.2%、3.5%,在天空背景下分别提高了3.6%、2.2%,证明了改进后的算法可以提高分割的图片质量,体现了该算法的优越性。

基于文化算法和二维Otsu方法的快速图像分割

针对二维Otsu方法计算量大的缺点,提出一种采用文化算法和二维Otsu法相结合的快速图像分割法.该方法利用文化算法的全局寻优能力,对图像的二维最大类间方差进行优化,通过文化算法的种群空间和信念空间的相互协作来获取二维Otsu的最佳二维阈值向量.实验结果表明,该方法具有良好的抗噪声性能,能得到较好的分割效果,缩短了寻找最佳二维阈值向量的时间,提高了二维Otsu方法的运算效率.

基于萤火虫算法的二维熵多阈值快速图像分割

提出了基于萤火虫算法的二维熵多阈值快速图像分割方法以改善分割复杂图像和多目标图像时存在计算量大、计算时间长的问题。首先,分析了二维熵阈值分割原理,将二维熵单阈值分割扩展到二维熵多阈值分割。然后,引入萤火虫算法的思想,研究了萤火虫算法的仿生原理和寻优过程;提出了基于萤火虫算法的二维熵多阈值快速图像分割方法。最后,使用该方法对典型图像进行阈值分割实验,并与二维熵穷举分割法、粒子群算法(PSO)二维熵多阈值分割法进行比较。实验结果表明:该方法在单阈值分割、双阈值分割和三阈值分割时分别比二维熵穷举分割法快3.91倍,1040.32倍和8128.85倍;另外,在阈值选取的准确性和计算时间方面均优于PSO二维熵多阈值分割法。结果显示,基于萤火虫算法的二维熵多阈值快速图像分割方法能快速有效地解决复杂图像和多目标图像的分割问题。

基于积分图像的快速二维Otsu算法

Otsu自适应阈值算法是图像分割的经典方法之一,在其基础上发展起来的二维Otsu阈值算法却因为计算复杂而制约了其应用。本文针对二维Otsu的耗时瓶颈问题,引入积分图像简化了二维直方图最佳阈值搜索过程的计算复杂度,从而大大缩短了算法处理时间。实验结果表明,本文提出的算法在分割效果上与原始算法完全相同,但计算时间远远小于后者,具有很好的实时性。

二维直方图准分的Otsu图像分割及其快速实现

传统二维Otsu法主要由于对二维直方图采用主对角线区域概率和近似为1的假设等原因,以致分割结果不够准确.针对此问题,提出了一种二维直方图准分的Otsu快速图像分割方法.(1)准确选择邻域模板构建二维直方图并将Otsu阈值法用于此直方图上以便提高分割性能;(2)对二维直方图主对角线上的目标和背景两区域的Otsu公式中对应量准确取值使阈值选取更准确;(3)对二维直方图投影进行分析得到其特性,并证明三个定理的存在,利用此特性和三个定理导出新型、快速的递推算法来降低计算复杂度.实验结果表明:与当前二维Otsu阈值法相比,本文提出的方法分割更准确和抗噪性更强,而且其运行时间少,与当前二维Otsu斜分递推算法的运行时间相近.

基于自适应加权中值滤波的二维Otsu图像分割算法

为解决传统二维Otsu算法在含噪声较多的图像应用中分割效果较差这一问题,提出一种基于自适应加权中值滤波的二维Otsu图像分割算法。该算法首先利用一种新的自适应加权中值滤波对噪声图像中值滤波;然后将中值图像的二维直方图区域划分由四分法改为二分法;最后利用改进的二维Otsu算法对图像作精确分割。实验结果表明,该算法对灰度噪声图像具有更强的抗噪性且分割效果也更为理想。

基于粒子群和二维Otsu方法的快速图像分割

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,通过粒子群之间的协作来获得最优阈值.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.

一种新的自适应二维Otsu图像分割算法研究

现有二维Otsu图像分割算法的阈值识别函数是通过计算类间离散度矩阵的迹来实现的,没有考虑目标和背景这两类像素自身的内聚性且计算复杂度高,为此提出一种新的阈值识别函数设计算法.该算法先统计待分割图像目标类和背景类各自类内的绝对差,相加得到总体类内绝对差之和;再统计目标类和背景类两类之间的总体平均离差;然后把总体类内绝对差和类间总体离差的商式作为阈值识别函数.实验结果表明,与现有的识别函数相比,利用新构造的阈值识别函数来自适应寻优阈值,从主观上和客观上都取得了较好的分割效果,而且计算量较小.

改进二维OTSU和自适应遗传算法的红外图像分割

为提高电路板热红外图像分割效果,解决电路板故障诊断的问题,提出了一种将自适应遗传算法和改进二维OTSU算法相结合的新算法。自适应遗传算法采取快速排序法,利用遗传代数的变化改进交叉、变异概率;根据邻域像素点与中心像素点之间的距离对二维OTSU邻域均值算法的比例系数进行加权,判断噪声点并对热红外图像进行降噪处理;引入类内方差法,对阈值进行优化。利用了遗传算法的并行性和强大的空间搜索能力,提高了二维OTSU的阈值查找速度,提高了热红外图像的分割效率。实验结果表明,该算法提高了热红外图像的分割准确度,有一定的应用前景。

改进二维Otsu法和果蝇算法结合的图像分割方法

针对传统二维Otsu方法中分割精度不高和抗噪性能不足的缺陷进行了研究,提出一种改进的二维Otsu图像分割方法。在二维直方图区域叉分的基础上,根据灰度级大小的信息改进联合概率密度,考虑类间方差和类内方差对图像分割效果的作用,保证类间方差越大和类内方差越小,使得目标与背景差别越大和内聚性越高;同时依据目标与背景在图像中所占比例对阈值求取公式进行加权,使得求得的阈值更接近理想阈值,然后采用果蝇优化算法(FOA)搜索最优二维阈值向量。仿真实验结果表明,该方法能得到更准确的分割结果,更好地抑制噪声,同时运行时间更少,达到了快速分割的目的,满足图像处理的实时性要求。

改进的二维Otsu法阈值分割快速迭代算法

常用的灰度级-平均灰度级二维直方图存在错分,导致二维Otsu法阈值分割结果不够准确;其快速迭代算法搜寻最佳阈值时避免了穷举搜索,但仍需遍历整个解空间。为此,提出了一种改进的二维Otsu法阈值分割快速迭代算法。采用灰度级-梯度直方图及其区域划分方法,导出了基于该直方图区域划分的Otsu法阈值分割快速迭代算法公式;在实验结果和分析中给出了分割结果和运行时间,并与基于灰度级-平均灰度级二维直方图的Otsu法阈值分割的快速迭代算法及其改进算法进行了比较,实验结果表明,所提出的算法使分割后的图像更为准确,且搜寻最佳阈值时无需遍历整个解空间,运行时间减少了50%左右。

基于二维直方图重建的Otsu图像分割算法

针对二维Otsu算法因区域误分而产生的抗噪性差和计算量较大这一问题,提出了一种基于二维直方图重建的Otsu图像分割算法。该算法首先分析了原始算法中二维直方图所存在的误分和不足;然后重建二维直方图,以此来减弱噪声的干扰;最后将二维直方图区域划分由原来的四分法改为二分法,从而提高了计算速度。实验结果表明,本算法具有更强的抗噪性,分割效果也更为理想。

噪声图像的快速二维Otsu阈值分割

为了提高二维阈值分割法处理速度,提出了二维Otsu法的快速实现方法。基于二维随机变量的边缘概率分布,将二维最佳阈值(s*,t*)的求解拆分成两个一维最佳阈值s*和t*的求解;同时为了改善原算法的分割效果,引入类内方差的定义,提出了新的最佳阈值判别式。实验结果表明,本方法不仅保留了原二维阈值法抗噪性强的特点,其时间复杂度由O(L4)降为O(L),空间复杂度由S(L2)降为S(L),且分割错误率低于原二维Otsu法。该方法适合处理高斯噪声图像的快速阈值分割问题。

改进的二维Otsu算法在SF_6压力表盘图像分割中的研究

为了提高SF_6压力表盘图像分割准确度,对比了传统二维Otsu和Otsu双阈值分割算法,给出了一种改进二维Otsu算法。针对二维Otsu算法选取最佳阈值时存在的缺陷,将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值,提高了目标图像的阈值分割效果。实验结果表明:所提算法不仅满足对SF_6压力表盘图像进行目标区域分割,同时具有更高的稳定性、快速性和分割精度。

基于改进布谷鸟搜索算法的二维Tsallis熵多阈值快速图像分割

为了改善二维Tsallis熵在分割复杂图像时存在计算量大、耗时长、实用性差的问题,提出基于改进布谷鸟搜索算法的二维Tsallis熵多阈值图像分割方法.首先,分析了二维Tsallis熵单阈值分割原理并将其推广到多阈值分割,同时推导出了二维Tsallis熵多阈值选取公式.其次,借鉴逐维更新评价策略,同时加入逐维扰动策略来对布谷鸟搜索算法进行改进,并用于求解二维Tsallis熵函数的最优问题.最后,用穷举法、粒子群算法、布谷鸟算法以及改进的布谷鸟算法分别对典型图像进行多阈值分割实验并将分割效果、分割数据和各算法的收敛性能分别进行比较.实验结果表明,所提算法能够快速、准确地对复杂图像进行分割.

基于二维OTSU和遗传算法的红外图像分割方法

为了改善红外图像的分割效果,将二维OTSU算法应用于红外图像分割,通过二维OTSU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 OTSU算法寻找阈值的速度,提高分割效率。实验结果表明,该方法分割效果好,分割速度快,是一 种可行的红外图像分割方法。

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。