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。

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。

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Deeplabv3+与Otsu模型的输电线电晕放电紫外图像分割方法

电晕放电严重威胁输电线路的安全运行,如何提高其放电区域识别分割准确率是一个亟待解决的问题。而因环境影响及设备性能限制,夜间型紫外成像仪常出现成像不清晰、放电区域对比度不明显等特征,导致难以有效实现电晕放电区域的分割,从而影响放电故障的判定。为此提出了基于Deeplabv3+与Otsu模型的输电线电晕放电紫外图像精确分割方法,首先构建基于Deeplabv3+语义分割模型,对放电区域进行类别分割得到大致区域;然后,利用改进Otsu算法对语义分割结果中放电目标区域方差自适应加权,使得分割阈值近似理想阈值,从而实现电晕放电区域的精确分割。实验结果表明,本文提出的分割方法在测试集中平均像素精度为93.97%,平均交并比为90.85%,分割性能良好。

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。

基于改进红绿色差和Otsu的葡萄果穗图像分割

为提高田间复杂环境下传统图像分割法分割葡萄果穗图像准确度低的问题,提出一种基于改进红绿色差和Otsu算法的田间葡萄果穗图像分割方法。选取与人类视觉相近的RGB颜色空间,提取并分析R、G特征图的直方图,经分析对其点乘特征图并进行Otsu运算,再经过形态学处理,实现对田间环境下葡萄果穗图像的分割。与灰度图、(R-G)特征图和(R-G)/(R+G)特征图分别采用最大阈值分割法(Otsu)分割的结果进行对比,试验结果表明,红绿色差点乘Otsu分割法的分割结果最优,准确率为92.37%,F_(1)值90.13%。对50幅图像做了测试,其中图像准确率最高为97%,准确率最低为79%,其平均准确率为88.75%。所提出的方法能够实现葡萄果穗较完整的分割,并可为葡萄果穗的识别、定位提供研究基础。

基于改进区域生长法分割CT图像肝肿瘤的研究

针对腹部内存在组织器官多、解剖结构复杂、组织器官边界模糊等特点,该文提出改进区域生长法分割CT图像肝肿瘤。算法根据肝肿瘤CT值与正常肝组织CT值差异遍历整幅图像预判种子点位置。种子区域的生长结合局部区域像素的均值和局部区域像素梯度均值。通过对不同类型的CT图像肝肿瘤进行分割,并以面积迭代度和误分率评判分割效果。研究结果表明,改进算法的面积迭代度是0.98±0.16、误分率是0.08±0.03,明显高于传统区域分割法(面积迭代度是0.78±0.32、误分率是0.35±0.18)。因此,改进区域生长法可以较好地实现肝组织中感兴趣区域的提取,并保持肝组织的完整,为后续肝脏肿瘤的三维重构和外科手术治疗提供准确的临床数据。

改进蜜獾算法优化OTSU的图像分割研究

群体智能算法结合图像分割技术已经成为图像处理领域中的新热点,传统的图像分割方法需要大量的人力和时间,蜜獾算法(honey badger algorithm,HBA)可以通过模拟蜜獾觅食的行为来执行优化任务,在寻找解决问题的过程中可以逐步逼近最优解来实现图像分割任务;通过反向学习策略改进蜜獾种群的初始化,提高种群多样性和分布平衡,从而提高算法的整体搜索能力;引入柯西变异因子,对算法计算得到的可行解进行扰动,使算法更易于跳出局部最优,增强算法的局部搜索能力和收敛精度;选取三幅测试图像进行分割验证,实验结果显示,融合改进蜜獾算法和二维OTSU算法得到的分割图像精度更高、效果更细致,验证了方法的有效性;综上所述,改进蜜獾算法具有更好的鲁棒性和泛化性,优化的二维OTSU算法可以更好地处理复杂场景和图像。

基于OTSU图像分割算法的碎米检测

碎米作为大米加工过程的常见产物,常会对产品的口感、味道产生影响,因此针对整米中碎米的有效筛分尤为重要。针对上述问题,该文建立基于大津法(maximal variance between clusters,OTSU)图像分割算法的逻辑回归模型用以检测整米中的碎米。将检测结果与国标法进行对比,结果表明逻辑回归模型的曲线线下面积(area under the curve,AUC)值为0.987,柯尔莫可洛夫-斯米洛夫(Kolmogorov-Smirnov,KS)值为0.909,0.5为最佳阈值;而国标法的AUC值为0.922,KS值为0.669,21为最佳阈值。该文所建立的逻辑回归模型的准确率、精确率、召回率及F1分数均高于国标法。此外,逻辑回归模型的AUC值比国标法的AUC值更接近于1,KS值也更高,表明逻辑回归模型能够更好地区分碎米与整米。长轴(x_(1))、面积(x_(2))、短轴(x_(3))与长短轴比(x_(4))4个特征参数都是模型中具有显著影响的因素,对应的线性关系为z=-139.97-5.35x_(1)+10.93x_(2)+2.86x_(3)+34.59x_(4)。

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。