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。

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。

基于逻辑回归算法的复杂背景棉田冠层图像自适应阈值分割

棉田冠层覆盖度是监测棉田棉花长势的重要指标,针对棉田复杂环境中冠层图像难以准确分割的问题,该文提出了一种基于逻辑回归算法的复杂背景棉田冠层图像自适应阈值分割方法。首先将棉田冠层图像像素分成叶片冠层和地表背景2类,在HSV颜色空间中分别提取两类像素的H通道值,在RGB颜色空间中分别提取绿色占比值(G/(G+R+B))作为颜色特征;再利用逻辑回归算法确定出各颜色特征的分割阈值,通过H通道分割阈值实现图像的初次分割;再对初次分割结果中的低亮像素使用逻辑回归算法计算出的超绿特征阈值进行低亮像素分割,同时采用绿色占比分割阈值对图像高亮像素及低亮像素分割结果整体实现二次分割,最后采用形态学滤波方法对分割结果进行优化。为评价该分割方法,利用从新疆棉花产区采集到的320幅棉田冠层图像进行试验。结果表明,该方法可在棉田复杂自然背景下,有效分割出棉田冠层区域,平均相对目标面积误差率仅为5.46%,总体平均匹配率达到93.07%;优于超绿特征OTSU分割方法(平均相对目标面积误差率11.78%,总体平均匹配率76.43%)、四分量分割方法(平均相对目标面积误差率24.11%,总体平均匹配率71.67%)、显著性分割方法(平均相对目标面积误差率36.92%,总体平均匹配率66.92%)。该方法的平均处理时间为4.63 s,相对于超绿特征OTSU法(3.84 s)和四分量分割法(2.56 s),耗时多一些,但与显著性分割法(6.25 s)对比,花费时间要少。研究结果可为棉田自然复杂环境下机器视觉技术监测棉花覆盖度提供一种有效途径。

基于改进遗传算法的最佳熵多阈值三维医学图像分割算法

借鉴模拟退火思想对三维医学图像的最佳熵函数进行拉伸,构造出改进的遗传算法适应度函数,同时采用精英选择策略保留各代最优个体以加快算法收敛速度,从而提出了一种新的基于多阈值最佳熵的三维医学图像分割遗传搜索算法。根据文中算法得到的阈值,成功实现了三维医学脑部图像中脑白质、脑灰质、脑脊液的分割。实验证明,当种群规模为30的情况下,即可搜索到较好的阈值用于三维分割,运算速度较传统穷尽搜索法更快,且比原简单遗传算法具有更强的稳定性和精确性。

用于显微细胞图象的二维自适应阈值分割算法的优化

为了改善细胞图象的分割效果 ,考虑将二维自适应阈值分割算法应用于显微细胞图象的分割 .针对细胞图象的二维直方图特点和分割要求 ,在对传统二维阈值分割算法进行优化和简化的基础上 ,通过改变阈值取值范围、优化阈值搜索方法等措施 ,提出了一种快速实现细胞图象二维自适应阈值分割算法 .仿真结果表明 ,新算法与传统算法相比 ,不仅大大减少了计算复杂性 。

二维Otsu自适应阈值分割算法的改进

在二维Otsu自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法。这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其邻域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法 ,通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善 。

自适应阈值新闻视频镜头分割算法

针对新闻视频镜头的转换基本上都是切变的特点,提出了一种自适应阈值新闻视频镜头分割算法。通过计算视频中相邻两帧的颜色直方图并进行比较得到帧间差,用帧间差与自适应阈值比较来判定镜头是否发生切换。该算法的最大优势是能够根据镜头内容的复杂程度自动确定阈值,在一定程度上避免了固定阈值算法适应性不强的问题,同时算法还考虑了如何消除新闻视频中常见的闪光灯对镜头检测的影响。实验结果表明,该算法对新闻视频镜头分割具有较好的效果。

基于自适应布谷鸟搜索算法的Tsallis熵阈值图像分割

针对现有图像分割算法中计算复杂度大的问题,提出一种基于自适应布谷鸟(adaptive cuckoo search,ACS)算法的Tsallis熵阈值图像分割方法,能够改善学习过程和收敛速度,减少分割时间.该方法使用Tsallis熵作为ACS的适应度函数值,实现无参数搜索过程,在搜索空间中使用当前位置的知识来自适应步长,最后使用ACS最大化Tsallis熵来获得最优阈值,得到分割图像.实验结果表明,该文方法能够有效实现图像分割,且分割时间低于粒子群优化算法、布谷鸟搜索算法和改进布谷鸟搜索算法,结构相似性(Structural Similarity, SSIM)和收敛成功率高于其他算法.

基于自适应量子遗传算法的图像阈值分割

一维最大类间差法(Otsu)是一种广泛使用的图像阈值分割方法,虽然处理速度快,但是没有考虑到像素的领域空间信息,当图像受到噪声干扰等因素影响时,难以获得满意的分割效果,鉴于此,本文提出了一种基于自适应量子遗传算法和二维Otsu的分割方法。二维Otsu法兼顾了图像的灰度信息以及邻域信息,具有抗干扰以及分割精度高的优点,但存在计算量大、实时性差的缺点;利用自适应量子遗传算法则能迅速找到最佳分割阈值,提高运算速度。仿真实验表明,本文方法减少了阈值寻优的时间,提高了分割精度,同时兼具较强的抗干扰能力。

基于适应性阈值和遗传算法的图像分割

图像分割是自动目标识别的关键和首要步骤,其目的是将目标和背景分离,为计算机视觉的后续处理提供依据。提出了一种基于适应性阈值和遗传算法进行图像分割的方法,对图像的不同区域分别作灰度值的评价标准,把图像分割问题定义为一个多区域的独立优化问题,利用遗传算法的寻优高效性,搜索到能使分割质量达到最优的图像分割阈值。试验表明,使用该方法可使图像分割获得满意的效果。

基于多策略融合的灰狼算法的多阈值图像分割

为充分利用灰狼算法良好的搜索能力并进一步提升算法的收敛速度和计算精度,提出融合多种策略的灰狼算法,分割Renyi熵多阈值图像。文章提出非线性收敛因子,提高算法收敛性;采用自适应搜索策略,自动调整迭代初期和后期的头狼等级划分方式,对个体位置更新范围进行前期扩展和后期压缩,从而加快了寻优速度;应用柯西变异策略,帮助种群跳出局部极值;对比分析此算法与其他元启发式算法的多阈值分割方法。结果表明:所提算法在同样迭代次数下,得到最低的适应度值,且迭代曲线下降速度最快;当达到与次优算法相同的最小收敛值时,迭代次数平均可节省64.2%;在峰值信噪比和特征相似性分割指标上,得到至少一项最高分。

一种自适应阈值的模糊连接算法及其在肝脏血管分割中的应用

近年来模糊连接算法已经在医学图像分割中得到了应用.然而将此算法直接应用于肝脏血管分割时,由于其过高的计算成本以及需要手动选取阈值,分割效率并不是非常理想.为此,提出一种基于查找表计算模糊场景的方法,能够使模糊连接算法的运算速度提高1.5~2倍;同时提出一种类分水岭的自适应阈值搜索算法,能够对肝脏血管分割的阈值进行自动选取,从而实现了整个模糊连接分割流程的自动化处理.并且以3套肝脏CT数据为实验对象进行了验证,实验结果表明基于查找表的计算方法具有高效性,并且根据自适应阈值进行肝脏血管分割能产生正确的结果.

基于局部自适应阈值与K近邻算法的空气滤芯漏粘识别

空气滤芯产品生产时如果出现漏粘会导致空气直接进入发动机,过滤失效。针对该情况,设计了基于局部自适应阈值与K近邻算法的空气滤芯漏粘识别算法:首先,利用局部自适应阈值分割算法对滤芯图像分割,并通过区域标号算法定位到粘胶亮孔;然后,利用K近邻算法以每个粘胶亮孔为中心,通过该中心亮孔与周围近邻亮孔的灰度相似性,判断中心孔是否为漏粘孔。实验表明所提算法漏粘识别率达到99%,有效提高滤芯产品合格率。

基于改进遗传算法的最佳熵阈值图像分割法

基本遗传算法的最佳熵阈值图像分割(SGA-KSW)存在收敛性差、最大熵的结果不稳定,导致图像分割过当或不足等现象。为了使图像分割效果更好,提出了改进型遗传阈值算法(IGA-KSW),即改进基本遗传算法中的选择、交叉和变异的算子方法,通过精英策略和赌轮盘相结合选择法、交叉概率与变异概率随着进化代数而变化的遗传算法来搜索图像最大熵的阈值。结果表明,该方法使图像最大熵的阈值范围缩小,平均最佳阈值更接近图像的实际最优阈值,达到了使分割图像更加清晰、准确和稳定的目的。

基于改进遗传算法的最佳阈值的图像分割

设计了改进的遗传算法,通过内外两层的选择、交叉和变异等遗传操作,快速逼近最佳阈值,大大缩短最佳阈值图像分割中阈值的选取时间,提高分割效率;通过实验比较,证实改进的遗传算法在最佳阈值的图像分割上优于传统的遗传算法。

多分辨率下自适应阈值判定的分水岭车辆图像分割算法

针对分水岭算法产生过分割现象,提出一种基于自适应阈值判定分水岭算法的图像分割方法,首先对图像进行多分辨率小波分解,再在某一尺度下计算梯度图像,并对该梯度图像进行自适应阈值判别,最后使用分水岭算法进行图像分割。实验结果表明该方法能取得较好的分割效果,有效的降低了过分割现象。

基于小波滤波与自适应阈值分割算法的玫瑰叶片病斑提取研究

针对玫瑰叶片白粉病病斑分布离散、无序且边缘细节复杂、传统图像分割算法提取病斑困难等问题,提出了一种基于小波滤波与自适应均值阈值分割(WT-AAT)的叶片病斑图像提取算法。首先,为了去除原始图像噪声,使用二维离散哈尔小波变换将图像进行二层小波分解,并依据高、低频子图像自动提取噪声系数,进而设定滤波阈值;然后,将高于阈值的噪声系数置零,并逆序对每层进行小波重构,最终生成等尺度的去噪图像;最后,采用可滑动窗口分割算法对去噪图像进行自适应分割,再根据子图的灰度均值设定二值化阈值,在二值化处理的基础上析取白粉病病斑。结果表明,与WaterShed、Prewitt、Otsu等传统分割算法相比,WT-ATT的像素漏警率的降低率分别为18%、18%和6%,说明该方法能够较为准确地分割出病斑,并达到良好的病斑辨识效果。

灰度图像的最佳阈值分割算法

图像的分割是图像识别的前提和基础。在图像识别技术日益发展的今天,图像的分割技术自然倍受瞩目。本文提出了灰度图像的最佳阈值法分割算法。实验结果表明:该方法能够从图像中获取较为理想的目标图像,并具有一定的抗噪声性能。

基于自适应阈值的网格图像行分割算法

针对网格图像文字自动识别受网格横线影响的问题,提出将网格图像按照网格横线进行行分割的自适应阈值算法。在对网格图像行分割过程中,首先对灰度图像使用类别方差自动门限法(OSTU算法)取得图像二值化的阈值,将此阈值作为全局阈值对图像进行二值化操作。然后针对图像的二值化数据进行了水平投影,利用统计法取得行分隔的阈值,并结合行分隔阈值实现了网格图像行分割的算法。最后将算法在Matlab中进行了验证和分析。

自适应分级粒子群算法的阈值图像分割研究

提出了一种改进型的粒子群算法,并与阈值法相结合应用于图像分割。该改进粒子群算法通过调节惯性权重而获得合理有效的收敛速度;采用分级思想对粒子进行分类并对普通粒子速度更新公式进行修改,从而有效避免了优化过程中粒子的早熟现象;结合遗传算法中的交叉思想增加种群的多样性,增强全局搜索能力从而避免算法陷入局部最优解。将其应用于的阈值图像分割,试验结果表明:相对于标准PSO算法,该自适应分级粒子群算法具有较强的全局寻优能力,且收敛速度快、鲁棒性好,能很好地应用于阈值图像分割。