基于改进雁群算法的Otsu多阈值图像分割

阈值分割是一种被广泛应用的图像分割技术。然而,传统的最大类间方差法(Otsu算法)在多阈值图像分割中面临着计算复杂度高、执行时间长及分割准确性不够等挑战。针对这些现象,提出一种基于改进雁群优化算法(CBLSGSO)的Otsu多阈值图像分割算法,该算法将Cubic混沌映射模型嵌入雁群算法初始化过程中,提高种群的多样性;提出多区域引导式结构,对种群动态切分并设计不同的进化机制,扩大种群寻优范围;引入自适应正余弦策略和蝴蝶算法搜索策略,提高算法的收敛精度,有效地平衡了算法的全局寻优能力和局部寻优能力。为验证改进后Otsu算法性能,选取ACC、Jaccard、Specificity、F1-score、FSIM、SSIM和PSNR等指标作为评价指标,并与近年来不同学者提出的图像分割算法进行实验对比,验证了算法的有效性。实验结果表明,基于改进雁群算法的Otsu图像分割法能更快速精确地解决复杂图像分割问题。

基于Otsu准则及图像熵的阈值分割算法

在图像分割中,阈值的选取至关重要,在经典的Otsu准则基础上,结合图像熵提出了一种改进的局部递归的阈值选取及分割算法。基于图像像素熵信息,运用递归思想局部搜索图像的最佳阈值,这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或图像不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,有利于分割后的特征提取。对Lena图像进行了实验,获得了较好的分割结果。

基于OTSU准则及图像熵的局部递归分割算法研究

在图像分割中,门限的选取至关重要,本文在 Otsu 门限选择准则[1]的基础上,研究了一种基于图像熵的局部递归的门限选择及分割算法,该算法在图像背景不均或图像不是简单的单峰、双峰图像的情况下可以有效的分割,分割后图像的细节更加丰富,有利于分割后的特征提取。对几种不同的目标进行了实验,获得了较好的实验结果。

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。

基于改进的Otsu准则的递归图像分割算法

基于最大类间方差阈值图像分割算法的基本原理,然后结合目标与背景两类之间间距和类内距离对图像分割效果的影响,提出了一种改进的最大类间方差法,运用递归思想局部搜索图像的最佳阈值。这样不但缩短了计算时间,而且具有较好的自适应特点。该算法在图像背景不均匀或者图像的直方图不是简单的单峰、双峰图像的情况下可以进行有效的分割,分割后的图像细节更加丰富,能有效的去除噪声的干扰,有利于分割后的特征提取。本文对理论结果进行了仿真实验,获得了较好的分割效果。

融合OTSU与形态学图像处理的非结构化道路分割

非结构化道路通常具有不规则的道路边界,缺少车道线和道路标识,背景环境较为复杂。针对非结构化道路场景中的道路区域分割问题,提出了融合OTSU算法与形态学图像处理的道路分割算法,即首先将摄像头获得的彩色场景图像转换为灰度图像;其次进行高斯滤波,减少噪声;再次利用OTSU算法计算出合适的分割阈值,得到初始分割二值图像;从次使用形态学图像处理减少噪声和平滑图像;最后对得到的分割图像进一步处理,保留分割图像中最大的连通区域,得到道路区域分割结果。实验结果表明,融合算法可以更加精确地分割非结构化道路场景中的道路区域,可为非结构化道路场景下无人驾驶车辆的安全运行提供参考。

基于Otsu准则的红外图像快速分割算法

为实现红外图像快速目标检测,提出了一种基于Otsu准则的红外图像快速分割算法.首先运用模糊算法调整全局滤波的权值进行预处理,利用像素点的二维信息直接建立阈值直线的截距直方图;然后根据Otsu准则求解最佳截距阈值,使用该阈值直接对含二维信息的图像进行分割;最后通过自适应参数的形态学操作提升图像质量.实验结果表明,与二维直分法和Otsu直线阈值法相比,本文算法分割精度较好,具有噪声抑制能力,占用较少内存空间,对多目标图像具有较好的分割效果.

基于改进PSO-Otsu的电气设备红外图像分割算法

红外图像分割对于电气设备的热故障检测至关重要。鉴于红外图像存在图像模糊、分辨率不高等缺点,为了增强红外图像的清晰度,改进红外图像分割效果,文章提出一种基于改进PSO优化的Otsu电气设备红外图像分割方法。该方法首先使用Sobel算子锐化图像;其次通过PSO-Otsu算法对电气设备红外图像进行分割;最后依据红外图像的特征优化PSO-Otsu算法中的参数,提高算法运行效率。实验结果表明,所提算法分割后的图像轮廓清晰,可识别性高,在图像分割效果和分割速度上都优于对比算法,能够满足对电气设备红外图像实时处理的需求。

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。

Otsu准则下分割阈值的快速计算

传统Otsu法在确定阈值时需要穷举计算图像中每个灰度值为阈值时的类间方差.文中利用Otsu阈值的性质,提出了一个新算法以快速计算Otsu阈值.新算法搜寻出与两类类内均值的平均值的整数部分相等的阈值,从中确定一个符合Otsu准则的阈值.传统Otsu法在对梯度图像中的小目标分割时分割性能不佳,文中提出了一个Otsu阈值的改进算法,该算法使用快速计算Otsu阈值的新算法递归求解分割阈值.实验结果表明,与传统Otsu算法相比,计算Otsu阈值的快速算法速度更快,而阈值的改进算法对梯度图像中的小目标分割效果更好.

基于多阈值Otsu准则的阈值分割快速计算

针对传统多阈值Otsu方法在寻找最佳阈值过程中穷举计算效率低的问题,该文分析了多阈值Otsu的阈值性质,证明了使用Otsu方法找到的一组最佳阈值与分割出的各类均值之间的数学对应关系。根据多阈值Otsu的阈值性质,该文提出一个新算法用来快速计算所需最佳阈值,建立了一种新的阈值搜索模型。该算法搜寻满足Otsu多阈值与以此阈值分割出的各类均值之间关系的一组最优阈值,从而确定符合Otsu准则的最佳阈值。该算法有效减少了阈值搜索范围,并且在均值、方差等计算上引入了查找表,优化了底层运算。实验结果表明,与传统多阈值Otsu方法相比,该算法的分割速度大幅度提高,相比于其他多阈值Otsu快速算法,不仅在计算速度上有所提升,而且得到的最佳阈值克服了随机性和偶然性的缺点,是严格符合Otsu原则的。

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。

改进的二维Otsu图像分割方法及其快速实现

通过实验和理论验证2维直方图的副对角区域的概率和不一定很小而不能忽略,因而传统2维Otsu法中关于主对角区域的概率和近似为1的假设不够合理。针对该问题,该文提出了一种改进的2维Otsu法及其快速实现。新方法舍弃了不合理的假设,通过单独计算2维直方图主对角区域概率的方法,来准确估计主对角区域中目标和背景的概率,并重新计算2维Otsu。实验结果表明,改进的2维Otsu法能够获得明显优于传统2维Otsu法的分割效果,其快速算法的计算复杂度与传统2维Otsu法的快速算法相当。

基于边缘检测与Otsu的图像分割算法研究

Otsu算法作为图像分割领域的经典算法得到了广泛的应用,在其基础上发展起来的2维Otsu算法由于运算时间长、抗噪能力差,应用受到限制。为此,提出一种改进的Otsu算法。通过更改2维直方图的区域划分方式,分别运用Sobel,Log和Canny边缘检测算法与直线拟合法相结合,将图像的目标和背景区域限制在一对平行于对角线的界线内,使用噪声点的邻域均值代替其灰度值,利用2维Otsu斜分法将目标从背景中分割出来。实验结果表明,与传统2维Otsu算法及其改进算法相比,该算法不仅运算时间较短,而且具有较好的分割质量、抗噪性能和自适应能力。

一种改进粒子群优化算法的Otsu图像阈值分割方法

阈值法分割图像时只利用图像的灰度信息,具有直观、实现简单的特点。针对传统的粒子群优化算法(Particle Swarm Optimization,PSO)分割图像易陷入局部最优的缺点,提出一种基于改进粒子群优化算法的Otsu图像阈值分割方法。以Otsu算法的类间方差作为适应度函数,在每次迭代中选取适应度较好的粒子同时加入新的粒子,以提高粒子多样性。实验表明,与Otsu算法和PSO算法相比,改进的粒子群优化算法不仅加快了收敛速度和运算速度,而且提高了图像分割的准确率。

基于改进Otsu方法的振动图像分割研究

在振动位移的机器视觉测量方法中,振动处标记点图像的分割作为处理过程中的关键,其分割结果直接影响最终的测量精度,但由于标记点图像中目标像素数目过小的特点及测量干扰因素,传统的Otsu阈值分割方法及相关改进算法的分割效果均不理想。为得到更优的分割算法,首先探讨了相关改进算法分割脉冲噪声、强光及阴影干扰下标记点图像时存在的问题,然后提出了一种基于阈值与目标波峰之间灰度分布信息的改进Otsu算法,在相关改进算法的基础上,将阈值与邻近目标波峰之间灰度值的差值及二者的像素数量之和在总体中的比例共同作为权重,最后进行多幅复杂干扰情况下标记点图像的分割实验和振动位移测量实验,实验结果表明,改进的算法在干扰下依然能对标记点图像进行有效分割,且目标的位置偏差值总体优于其他算法,同时准确地实现了振动位移的测量。

一种改进的Otsu图像阈值分割算法

Otsu法是图像阈值化分割法中的经典算法之一,在图像处理中有广泛的应用。本文针对红外吊舱图像的特点,在对Otsu法进行分析的基础上,提出了一种改进的Otsu图像阈值分割算法。首先,采用整幅图像的平均灰度值作为初始阈值对图像进行分割;然后,推导出了Otsu法四个参数的递推公式;最后,在缩小的灰度级范围内用递推的Otsu法来计算最终的分割阈值T。实验仿真结果表明,改进的Otsu算法在图像分割效果方面和时间效率方面明显优于Otsu法。

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。

基于双截距直方图的Otsu图像分割法

针对二维Otsu图像分割法在分割质量、抗噪性能和算法复杂度方面的不足,本文提出了一种新的分割方法.首先在Sobel边缘检测的基础上获取所有噪声和边缘点,将噪声和边缘转换为目标或背景像素;然后根据灰度分布情况将图像分区;再将所有区域归为两类,分别获取两类的直线截距直方图;最后采用改进的一维Otsu法进行分割.实验结果表明,该方法的分割耗时不超过传统二维Otsu法的0.1%,平均面积交迭度(AOM)和峰值信噪比(PSNR)分别是传统二维Otsu法的1.35和1.33倍.与现有二维Otsu法相比,该方法在复杂度方面接近最快算法,在分割质量和抗噪性能方面均有明显改善.