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。

改进?鱼优化算法和熵测度的图像多阈值分割

针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进?鱼优化算法并结合熵测度(weight lens remora optimization algorithm,WLROA)的图像多阈值分割方法。针对?鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。

改进沙猫群优化算法的2D-OTSU多阈值图像分割

针对传统多级阈值图像分割方法精度低、收敛速度慢的问题,提出一种改进的沙猫群优化算法(Improved Sand Cat Swarm Optimization, ISCSO)用于全局优化,并应用于2D-OTSU多阈值图像分割任务。通过使用Henon混沌映射和反向折射机制初始化种群,使得种群的分布更加均匀,提高搜索的起始状态,从而增加算法的全局搜索能力;采用非线性灵敏度更新公式来平衡搜索多样性和收敛精度;引入可变螺旋搜索策略改进位置更新算法,以确保算法具有较好的搜索多样性和跳出局部最优解的能力。选取6张测试图像对ISCSO算法进行2DOTSU多阈值图像分割实验,采用峰值信噪比(PSNR)、特征相似性指数(FSIM)和结构相似性指数(SSIM)对实验结果进行评价。实验结果表明,基于ISCSO算法的2D-OSTU多阈值图像分割方法在图像分割任务中85.2%的结果优于对比算法,具有较强的搜索精度和收敛速度,这证明了ISCSO算法在图像分割领域的有效性和潜力。

圆形直方图线性化的高精度高适应性多阈值分割方法

针对已有彩色图像多阈值分割方法存在的分割精度不高、分割适应性较差等问题,提出一种圆形直方图线性化的高精度高适应性多阈值分割方法。在对输入彩色图像进行超像素预处理后,构建累积分布方差最大化准则,将圆形直方图截断后延展为线性直方图。在线性直方图上,结合Tsallis熵和类间方差构建一个新的多阈值分割目标函数。引入麻雀搜索算法,快速求解多阈值分割目标函数得到最优阈值进行阈值分割。在8幅合成图像和500幅真实世界图像上将提出方法和9种不同的彩色图像分割方法进行全面比较,在峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似度(FSIM)、概率兰德指数、全局一致性误差(GCE)、信息差异6个量化评价指标上的综合实验结果表明,提出方法在计算效率方面与比较方法大致持平,但在分割精度和分割适应性方面明显优于比较方法,在PSNR、SSIM、FSIM和GCE等评价指标上分别以19.95 dB、0.80、0.94和0.16取得最优结果。

基于改进袋獾算法的破片图像多阈值分割

针对静爆场中所拍摄图片存在破片目标小、背景复杂的问题,提出一种基于改进袋獾算法的破片图像多阈值分割。基于Tent混沌映射初始化种群,加入自适应权重策略以提高算法全局搜索能力,结合精英反向学习策略来避免算法过早陷入局部最优。基于优化袋獾算法求解Tsallis相对熵的最小值,作为目标函数值计算最佳阈值对破片图像进行目标分割。仿真结果表明,ITDO在12类基准函数上相较于其他算法表现出更强的收敛性和稳定性。ITDO-Tsallis算法与其他两种先进算法相比,收敛时间更快、求解目标更精准,说明该算法能有效解决静爆场破片图像目标分割问题。

基于通用学习均衡优化器的多阈值图像分割

传统的元启发式多阈值图像分割算法计算复杂度高且容易陷入局部最优,通用学习均衡优化器在搜索过程中使粒子从不同维度的候选粒子中学习,在求解复杂问题最优解时有很强的能力,克服了容易陷入局部最优的问题。提出将通用学习均衡优化算法优化最大类间方差法来实现多阈值图像分割,实验选择标准灰度图像,以峰值信噪比、结构相似度、运行时间和适应度值为评价标准,将该算法与均衡优化算法、粒子群优化算法进行了比较。结果表明,基于通用学习均衡优化器的多阈值图像分割算法结果的峰值信噪比、结构相似度在绝大多数情况下优于另外两个算法,并且收敛速度快,执行效率高。

一种基于多阈值模板的快速分类在线检测方法

传统离线数据分析方法对于处理即时性高和流量大的数据存在缺陷,而在线检测模型可以满足数据流分析的实时性要求。文中提出了一种基于多阈值模板的在线检测方法。该方法结合多路搜索树突变点检测(Ternary Search Tree and Kolmogorov-Smirnov,TSTKS)算法进行在线检测,基于突变点密度更新窗口长度从而提高了突变点检测精度。采用等量分级策略实现对时序数据的自学习、匹配和分类,进而对大规模病变数据进行状态检测和预测。仿真实验和病变数据的实验结果表明,所提方法具有效果高、分类准确等优点,为大规模时序数据进行快速分类研究提供了新方法。

基于贝叶斯算法优化的多阈值图像分割仿真

在多阈值图像分割过程中,若分割精度较低,会直接影响图像的分割效果。为提升图像的分割精度,提出基于贝叶斯算法优化的多阈值图像分割方法。通过确定贝叶斯算法优化时存在的影响因素,建立对应的适应度函数实时更新算法中种群个体适应度值;利用最小爬山法对算法中的变量展开独立性测试,建立算法的优化框架,利用蚁群算法学习贝叶斯网络结构,寻找算法种群的高阶优良模式,从而实现贝叶斯算法的优化;基于贝叶斯优化算法对图像灰度级的发生概率均值展开计算,获取图像类间方差,确定最佳分割阈值完成多阈值图像的分割处理。实验结果表明,所提方法在图像分割时,概率兰德系数(PRI)值接近1,全局一致性误差指数(GCE)与信息变化指数(VOI)值小,表明所提方法性能高、图像分割效果好。

基于改进蜜蜂觅食算法的多阈值图像分割

为解决传统多阈值图像分割方法搜索最优阈值效率低的问题,利用蜜蜂觅食算法中蜂群对蜜源的智能搜索机制,提高多阈值图像分割的最优阈值搜索效率。针对蜜蜂觅食算法邻域收缩过快易陷入局部最优问题,引入自适应邻域收缩策略,根据搜索陷入停滞的状态,自适应调整邻域收缩率,在保证算法搜索效率的同时,进一步提高算法寻优精度。仿真实验结果证明该方法提升了蜜蜂觅食算法的优化性能和算法鲁棒性,基于最大类间方差的图像多阈值分割实验验证了该方法的有效性。

基于改进灰狼优化算法的QFN芯片图像多阈值分割方法

在QFN芯片封装缺陷检测中,增加图像分割环节可有效提高缺陷检测准确性与检测效率。针对图像分割中传统算法效率低、智能优化算法分割精度低稳定性差的问题,本文提出一种基于改进灰狼优化算法(IGWO)的图像多阈值分割方法。首先,改进原始灰狼优化算法非线性因子,平衡算法搜索效率与挖掘能力;其次,引入反向学习策略提高种群整体质量,引入正弦函数、调整头狼权重以改进灰狼更新策略,增强算法多样性与挖掘能力;然后,提出头狼靠拢与种群变异交替进行的位置更新策略,平衡算法收敛性能与跳出局部最优能力;最后,以Kapur熵为适应度函数,求解最优分割阈值。将本文提出的改进灰狼优化算法的多阈值图像分割方法,与灰狼优化算法(GWO)、基于翻筋斗觅食策略的灰狼优化算法(DSF-GWO)、基于莱维飞行的樽海鞘群优化算法(LSSA)、改进北方苍鹰算法(INGO)的图像分割方法进行实验对比,结果表明:本文方法在分割用时方面,约为DSF-GWO的1/2,INGO的1/4;在分割精度与稳定性方面,在进行QFN芯片缺陷图像的连续30次分割时,本文方法具有最大Kapur熵平均值、最小标准差与最短分割时间。因此本文方法可实现高精度、高稳定性与高效率的QFN芯片图像多阈值分割。

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的Sobol序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明:该改进算法在分割准确性、计算时间、结构衡量指标(structure similarity index measure,SSIM)和峰值信噪比(peak signal-to-noise ratio,PSNR)上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。

基于增强算术优化算法的多阈值图像分割

针对传统多阈值图像分割方法中存在的分割质量一般、分割速度较慢等问题,提出一种基于改进的增强算术优化算法的多阈值图像分割方法。利用双重反向学习初始化种群,增强算法的搜索性能,将金枪鱼群优化算法的螺旋搜索策略引入到算术优化算法的加减策略中,帮助算法摆脱局部最优解。提出一种自适应余弦加速函数,更好地平衡算法的开发和探索能力。试验结果显示,提出的方法能够在提升算法收敛效率的同时分割出较好质量的图像。

增强蒲公英算法优化乳腺癌图像多阈值分割

针对显微镜下乳腺癌病理组织图像结构复杂,细胞边界模糊等情况,基于传统的阈值分割在乳腺癌图像的分割应用中不能很好地实现把病灶区准确分离开来的问题,提出一种基于增强蒲公英优化算法(IDO)的乳腺癌图像多阈值分割方法.该方法引入IDO计算类间方差的最大值(Otsu)作为目标函数寻找最佳阈值,IDO建立回守策略解决传统蒲公英算法(DO)无限制搜索,超出像素范围的问题;引入对立式学习(OBL)避免算法陷入局部最优.实验结果表明,与哈里斯鹰算法(HHO)、人工猩猩部队优化算法(GTO)、传统蒲公英优化算法(DO)、海洋捕食者算法(MPA)相比,在相同阈值个数情况下IDO算法适应度值最大、收敛最快,并且在峰值信噪比(PSNR)、结构相似度(FSIM)、特征相似度(SSIM)这3个性能指标上也比其他对比算法更具有优势.

基于贝叶斯学习的数字化图像多阈值分割方法

经典Otsu分割算法精度高,适应度强,但由于其分割稳定度较差,计算效率较低,在实际使用时具有一定的应用局限。为提升Otsu图像分割的稳定度与计算效率,提出一种基于贝叶斯网络结构学习算法对搜索节点进行优化,提高整体计算效率。首先通过在BN层通过独立性测试,构架初始种群BN_0,并利用GR算法不断修正进化方向;然后构建MSWT树网解决种群扩张时多父节点导致算法收敛速度低的问题;接着采用ACO算法规划个体转移禁忌表,通过结合个体转移概率,完成最优阈值规划;最后构建OEA-Otsu数字图像多阈值分割模型,通过解析适应函数进行并利用最优Gbest结构规划完成图像多阈值分割输出。仿真结果表明,较其它基线优化算法相比,经OEA优化后的图像多阈值分割模型,FSIM指标整体提高了5.91%,SSIM指标至少提升了2.33%,PSNR指标分析在实验数据上分别增加了12.76%、10.74%以及12.48%。即提出的OEA-Otsu模型有效的提高了图像分割的稳定度差与计算效率。

基于粒子群算法的模糊散度多阈值图像分割方法

模糊散度图像中含有多个不同灰度级的区域,单阈值分割方法无法有效处理图像,导致图像分割方法效果较差.为此,提出一种基于粒子群算法的模糊散度多阈值图像分割方法.将彩色图像转换为灰度图像,简化数据复杂度,为后续处理做准备.采用均值滤波法去除图像中的噪声,通过计算滤波模板内像素的均值来替代中心点像素值,以减少冗余像素点对分割结果的影响.构建直方图均衡化图像增强模型,增强图像中目标信息与背景信息的对比度,恢复过明或过暗环境中丢失的细节信息,提高图像分割的准确性.利用粒子群算法,基于模糊散度的概念,将原始图像与分割图像之间的模糊散度作为适应度函数,通过迭代优化找到最优的多阈值分割方案.结果表明,所提方法的结构相似度指数和均匀性指数相对更大,由此说明所提方法有效提高了图像分割的准确性和效率.

基于引导滤波的多阈值图像分割算法研究

由于缺少对图像背景信息的识别与剔除,导致图像分割精度较低,分割效果不佳。为此,提出基于引导滤波的多阈值图像分割算法研究。采用引导滤波算法对图像像素点进行平滑处理,根据多线性图像特征属性对图像去噪,对图像的背景信息进行识别与剔除,提取图像区域级信息,以此为依据,修正处理图像隶属度矩阵,得到新的隶属度矩阵与最佳分割阈值,实现图像多阈值分割。实验结果表明,所研究算法对于图像分割具有较高的精度,分割效果较好。

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。

典型Otsu算法阈值比较及其SAR图像水域分割性能分析

遥感图像中水域呈现低灰度、灰度起伏小特性。该文从实时性出发,采用1维Otsu算法分割SAR图像。证明了两种典型Otsu分割算法的阈值关系,提出了分割性能评估方法,并通过实测SAR图像对比分析了多阈值分割与单阈值递归分割的水域分割性能。结果表明,与单阈值递归分割相比,多阈值分割能够更好地提取水域轮廓,且漏警率低,可应用于桥梁自动目标识别和景象匹配等方面。

改进的多阈值动态二值化算法

在模式识别中,二值化效果的好坏直接影响着识别率。文章在研究现有二值化算法的基础上,对多阈值动态二值化进行了改进,并以身份证为例来验证该算法的有效性,实验结果表明所提算法有较高的抗噪音能力。

基于方向的多阈值自适应中值滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保持图像细节,提出一种基于滤波值二次修正的图像椒盐噪声滤波算法。该算法首先利用基于阈值的自适应中值滤波改进算法实现对噪声点的检测与初级滤波,然后对滤波值采用基于方向信息的多阈值自适应滤波算法,实现对初级滤波值的二次修正。算法结合了基于阈值的自适应中值改进算法良好地噪声检测性能及基于方向信息的多阈值自适应滤波算法的细节保护能力。实验结果表明,在客观评价指标和主观视觉效果方面,新算法均取得了优于传统自适应中值滤波算法及其改进算法的效果。