基于全局阈值分割的泥沙粒度分布测量及校正

针对泥沙颗粒灰度图像中的噪声和边缘模糊问题,提出了一种新的基于全局阈值分割方法。通过利用背景像素的正态分布特征和像素灰度值的突变点作为参考阈值,实现了有效的阈值分割,进而采用SURF检测和FLANN匹配方法验证了图像分割的准确性和可靠性。构建了泥沙颗粒形状测定系统,通过线性修正方法对系统误差进行了修正,将误差范围控制在±0.01 mm以内。进一步将该方法与马尔文激光粒度仪法进行了比较分析。结果表明:在D50—D60尺度下,两种方法的测量结果基本一致;当颗粒粒径小于D50时,测量结果偏大,大于D60时,测量结果偏小,平均百分位偏差在±0.02 mm范围内,相对百分位偏差在7%以内,证明了该方法的可靠性。

动态阈值结合全局阈值对图像进行分割

首先讨论了图像阈值分割的两种方法 :全局阈值图像分割和动态阈值图像分割 .当背景的灰度值可看作恒定时 ,使用全局阈值一般会有较好的效果 ;在许多情况下 ,背景的灰度值并不是常数 ,物体和背景的对比度也有变化 ,我们可将一个随图像位置缓慢变化的函数设为阈值 ,即采用动态阈值 .但由于我们要对图像分块 ,简单的动态阈值分割所得的图像通常包含人为的边界和阴影 ,为改善图像分割效果 ,本文提出了把全局阈值和动态阈值结合起来对图像进行分割的一种新的图像阈值分割方法 .实验表明 ,该方法比单独采用全局阈值或动态阈值方法性能优越 .

一种基于全局阈值二值化方法的BP神经网络车牌字符识别系统

本文针对车牌字符识别系统在工程应用中存在识别准确率不高、效率低的问题,从工程实践的角度描述了一种新的基于BP神经网络的识别系统在车牌字符识别中的应用。详细介绍了车牌字符识别中的样本集和测试集的组织、图像二值化、归一化、图像去噪、神经网络构建和训练。实践结果表明,本系统适用于自然场景中的车牌自动识别问题,并且具有较强的适应性。

基于自适应全局阈值融合标记的遥感图像建筑群分割

针对分割遥感图像建筑群时,标记不完全所产生的过分割和欠分割并存问题,提出一种基于自适应全局阈值融合标记的图像分割算法。该算法根据建筑群的分布和纹理特点,利用小波变换提取图像梯度,通过形态学重构对梯度图像进行滤波;采用局部极小值法提取背景标记,并应用自适应全局阈值法提取建筑群标记。采用逻辑运算进行标记融合,用融合后的标记修改加权像素的Sobel梯度图实现精准分割。实验结果表明,该算法能够弥补形态学滤波梯度图的局部极值标记不足问题,抑制了建筑群的过分割和欠分割,准确地将建筑群从背景中提取出来,分割正确率达到90.7%。

基于全局阈值迭代的苹果图像分割计数方法

针对苹果分拣生产线检测分级过程中面临的多个苹果堆叠而产生的计数精度不高的问题,提出了一种全局阈值迭代算法,在RGB图像空间利用抓取的彩色苹果图像R值矩阵生成灰度图,通过多次迭代计算,提取了各连通域质心的欧式距离特征,并针对堆叠苹果的粘连连通域进行了堆叠质心的剔除,进行了三次迭代计算之后,最终确定了图像中苹果的数量,计数精度达到90%,该研究可为苹果分拣生产线的自动化设计提供技术支持。

方差不对称先验信息引导的全局阈值分割方法

图像分割是图像分析的关键步骤,其中阈值分割方法是最简单也是应用最广泛的方案。Otsu方法在应用于通用的现实图片时,由于其保持着良好的稳定性和分割目标的形状测度,被认为是最好的方法之一。但是大量研究表明对于2类方差差异很大的图像,其阈值严重偏离最优阈值,而偏向方差大的一类。研究了Otsu最优准则和现有改进算法的特性,进而基于前景与背景方差差异先验信息提出了新的最优化准则。与现存的非类间方差阈值法和对Otsu阈值法进行改进的方法进行比较表明,该方法具有最优的特性,同时不需要可变参数。

遗传算法的全局阈值在图像分割中应用

图像分割是将其中的重要信息部分从图像中分割出来,是图像处理、图像分析和模式识别的前提与基础,其图像分割的质量和分割所需计算时间对后续处理有直接影响。本文提出了采用遗传算法和全局阈值结合起来对图像进行分割的一种新的图像阈值分割方法。实验表明,该算法可以正确分割图像,能够大幅度提高分割效率,有效提高图像分割的鲁棒性和精度,对具有不同目标大小和信噪比的图像也能得到较好的分割效果。

激光多普勒测速信号的小波包全局阈值消噪研究

针对实际的激光多普勒测速信号中混有大量的噪声信号,难以找到所需要的多普勒频移的问题,提出了一种小波包全局阈值消噪方法,并在MATLAB中运用此方法对多普勒测速信号进行处理。根据多普勒信号的特点,通过对小波包分解尺度的选取、阈值估计方法的对比和对阈值thr的调整,可以快速有效地消除信号中的噪声信号,提高信噪比,得到有用信号。

车牌识别中全局阈值的优化选取

文章提出了一种可用于车牌识别全局阈值的优选方法。运用多元线性回归方法,对影响阈值的各因子进行分析,初步建立了阈值优化模型,克服了以往主要靠经验来选择阈值而导致的阈值适应范围窄的缺陷。利用该模型计算出的阈值进行图像分割,可以满足工程实用。

全局阈值与局部阈值相结合的视网膜血管分割方法

针对视网膜血管图像使用单一阈值方法无法有效提取整体血管网络的问题,提出了一种全局阈值与局部阈值相结合的视网膜血管分割方法.该方法采用匹配滤波方法来增强图像,然后在增强图像上分别使用全局阈值二维最大熵与局部阈值移动平均算法对图像进行分割以获取视网膜的主血管与细小血管部分,最后通过区域连通性的判断,将视网膜的主血管与细小血管进行结合,分割出最终的血管网络.在Drive公共数据库上进行实验,结果表明,该方法分割得到的血管准确率达到93.56%,真阳性率值达到80.46%,均高于Perez算法,并且在细小部分更为丰富,能够得到较好的血管分割结果.

结合梯度边缘信息改进的全局阈值法与GVF Snake模型的宫颈细胞图像分割

主要对单个宫颈细胞中的细胞核与细胞质边缘进行精确提取。为了让GVF Snake模型提取出细胞图像边缘,首先需要得到初始轮廓。对于细胞质,通过Otsu法粗分割得到初始轮廓;对于细胞核,由于被分割物体与背景的相对大小差距过大时,Otsu法不能正确地进行分割,因此使用梯度边缘信息改进的全局阈值法粗分割得到细胞核初始轮廓。通过放置精确的初始轮廓,提高GVF Snake的效率和准确度。

采用时—频分割的改进全局阈值的暂态电能质量信号降噪

针对噪声成分严重影响电能质量扰动信号分析的问题,引入基于时—频分割的图像平滑改进全局阈值的方法开展电能质量信号降噪。通过时—频分割,降低对信号整体采用统一阈值降噪导致的高频域微弱扰动成分损失缺陷。首先,通过S变换对电能质量信号进行时—频分析,根据不同扰动信号扰动成分时—频域分布特点,开展时—频分割;然后,利用图像平滑改进全局阈值降噪方法针对不同时—频区域计算最优阈值,开展去噪处理;最后,采用S变换逆变换对降噪后的信号进行波形还原。仿真试验表明,该方法有效降低了噪声干扰,且改善了采用单一阈值降噪导致的波形失真问题。

基于二维直方图的彩色图像全局阈值分割方法研究

当前彩色图像分割采用手动选择种子点随机性大,且未考虑轮廓生长规则存在分割准确度低的问题.故此,文中提出基于二维直方图的彩色图像全局阈值分割方法.建立彩色图像全局阈值分割的边缘轮廓特征提取模型,采用水平集法获取彩色图像的初始轮廓;结合二分法确定彩色图像全局轮廓生长规则,构建彩色图像规划的视觉图像采集模型;采用高分辨灰度直方图特征提取方法进行彩色图像的视觉信息增强处理,构建彩色图像的多维特征提取和关键特征点检测模型;采用小波多尺度特征分集方法实现彩色图像的分布式重组和二维直方图重构,建立彩色图像的全局阈值分割模型;通过统计形状分析法实现对彩色图像的优化分割.仿真结果表明,采用该方法进行彩色图像分割的自适应性较好,分割后的彩色图像种子点区域具有高度的连通性,提高了分割的精度,从而提高了彩色图像的视觉表达和特征提取能力.

基于改进的全局阈值的唇部提取方法

通过唇读获得的视觉信息可提高语音识别的识别率,而一个完整的唇读系统由口唇定位,口唇运动特征提取和口型训练,识别三部分组成。口唇定位是唇读系统的首个环节,它的定位准确与否对口唇运动特征提取、口型识别的影响很大,该文采用了一种改进的全局阈值分割法能够准确地提取唇部。

基于S变换与全局最优阈值的暂态扰动信号降噪

现有的电能质量扰动信号降噪处理方法容易损失信号中包含的高频暂态扰动细节。提出一种基于S变换与全局最优阈值的扰动信号降噪方法。首先,通过S变换获得扰动信号的时-频矩阵;其次,将S变换模矩阵转化为灰度表示;之后,采用Otsu’s算法,计算全局最优阈值,进行滤波降噪;最后,将降噪后的时-频矩阵进行S变换逆变换获得降噪后的扰动信号。仿真实验证明,新方法能够有效保留信号中的高频扰动成分,降噪效果好,能够满足扰动信号分析要求。

基于自相关函数特性的CEEMD全局阈值去噪方法研究

完备总体经验模态分解(CEEMD)克服了经验模态分解(EMD)的模态混叠问题,依据信号自身的特点,将待分析的复杂信号分解为一系列不同尺度的固有模态函数(IMF)的子信号,且各IMF分量的频率由高到低依次排列,是一种适用于分析处理非线性非平稳信号的强大的信号分析技术.地震资料中的随机噪声一般属于高频率的信号,在CEEMD中往往分布在前几个高频IMF分量,本文针对基于CEEMD的分频去噪和基于CEEMD的小波阈值去噪等方法的不足,在前人基于EMD阈值去噪的基础上设计了自相关函数统计特性与CEEMD全局阈值联合去噪方法.该方法先对CEEMD分解的若干个模态分量进行自相关,寻找到噪声主导模态和信号主导模态,然后利用设计的全局阈值对噪声主导模态进行去噪,最后将处理后和未处理的固有模态函数进行重构,得到最终的去噪结果.模型试算和实际地震资料处理都验证了此方法在提高信噪比,保留原信号高频有效成分和弱信号信息上的有效性.

图像分割的阈值法综述

图像分割是图像处理中的一个重要问题 ,也是一个经典难题。阈值法计算简单 ,具有较高的运算效率 ,是图像分割中广泛采用的方法 ,主要分为全局阈值法和局部阈值法。系统地讨论了阈值法在图像分割中的应用 ,给出了一个比较全面的综述 。

痕量微生物图像的阈值分割方法研究

探讨阈值分割算法,把其应用于痕量微生物图像的处理。基于阈值算法提出了适合痕量微生物图像的目标信号提取方法。对阈值分割算法进行分析,对比传统阈值方法和提出的改进阈值算法的实际图像处理效果。传统阈值算法可实现对图像中微生物信号的提取,但存在一定失真。基于阈值分割方法的改进算法具有抑制噪声信号,及区分背景与目标的能力,可高效实现微生物信号的提取。所成微生物分布二值图像具有轮廓清晰、易于观察的特点。

一种全局和局部相结合的二值化方法研究

为了得到清晰准确的二值化图像,且避免全局阈值化对图像细微信息的二值化不清晰和局部阈值二值化中往往存在伪影现象,提出了一种借助Candy算子检测边缘特征,将改进的二维Otsu最佳全局阈值与局部Bernsen阈值法在边缘信息的基础上相结合的二值化方法。实验表明这种方法能很好地处理带有噪声和低对比度的图像,通过改进的二维Otsu法降低了传统二维Otsu法的时间复杂度,并且可以减少局部阈值法的块效应,避免了大量虚假信息,又能保留图像的细节信息。

图像分割的阈值法研究

阐述了阈值分割法的基本原理,介绍了常用的阈值选取方法,并实现了全局阈值和动态阈值对图像的分割,给出了实验结果,分析了阈值法的特点,讨论了阈值法在图像分割中的应用.