基于最大熵阈值分割的电气二次回路故障三维可视化识别模型

为了更直观地、实时监测了解二次回路运行工况,减少故障事后排查工作量,研究了基于最大熵阈值分割的电气二次回路故障三维可视化识别模型。采集二次回路各项运行数据,生成电气二次回路三维虚拟场景,标定电压传感器的位置以及红外成像仪的监控角度和距离;基于最大熵阈值分割处理图像,提取识别目标和背景;建立二次回路故障三维可视化识别模型,实现二维图像和三维场景的匹配,完成电气二次回路故障识别。经实验论证分析,最大熵阈值分割处理后的三维可视化图像清晰,不存在像素点丢失情况;故障识别准确率均在95%以上,误检率和漏检率均低于5%,具有更好的三维可视化识别效果和质量。

基于灰度-梯度共生矩阵模型的最大熵阈值处理算法

阈值法是图像分割的一种重要方法 ,在图像处理与识别中广为应用 .本文提出了基于灰度 -梯度共生矩阵模型和最大熵原理的灰度图像的自动阈值化技术 ,该方法不仅利用了图像的灰度信息 ,而且也利用了图像的梯度信息 .该方法通过计算基于灰度 -梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量 .

灰关联空间中基于最大熵阈值的医学彩色图像分割算法

将灰关联理论引入彩色图像分割领域,提出一种在灰关联空间中面向医学彩色图像的最大熵阈值分割算法.通过对分辨系数和色彩影响因子的选取,避免了传统彩色图像分割中三维色彩信息的丢失现象,并使算法具备了一定的抗噪性能,分割的精度和实时性也获得了较大提高.实验结果证明了算法的有效性.

基于灰关联分析和最大熵阈值的医学彩色图像分割算法

在彩色图像分割领域,因色彩信息丢失而导致的分割精度差和因运算量大而导致的实时性不好是两大亟待解决的问题。文中将灰关联分析理论引入彩色图像分割领域,提出一种基于灰关联分析和最大熵阈值的医学彩色图像分割算法。避免了传统彩色图像分割中因三维色彩信息发散而造成的信息丢失现象,提高了分割精度,又能提高分割实时性。实验结果证明了该算法的有效性。

复杂背景下基于AD-GAC模型和最大熵阈值法的叶片病斑分割

旨在研究复杂背景下叶片病斑的分割。由于复杂背景会带来巨大的噪声,产生过多的边缘和灰度值不均匀的区域,很容易导致过分割的现象,因此在复杂背景下,很难通过1次分割就完成对叶片病斑的分割。为了解决复杂背景下过分割的现象,提出两步分割的策略。第1步先用笔者提出的各向异性扩散测地线活动轮廓模型(anisotropic diffusion geodesic active contour model,简称AD-GAC模型)进行预分割,在此过程中构造新的边缘检测函数(edge stop function,简称ESF);第2步通过最大熵阈值法完成最终的分割。随后,提取并计算预分割部分各像素灰度值的最大熵,以得到病斑部分与叶片部分的灰度值阈值,通过阈值来完成最后1步的分割。通过MATLAB仿真,可以证明该算法可以有效地将病斑从复杂背景下的叶片上分割出来。研究结果后续的病斑识别作了铺垫。

基于二维最大熵阈值分割的钙化点检测算法

在数字乳腺X线图像中,钙化是早期乳腺癌的重要征象之一。为了提高钙化点检测的准确度及降低检测的假阳性率,提出了一种结合数学形态学滤波和二维最大熵阈值分割的钙化点检测算法。算法首先采用top-hat算子对图像的背景进行抑制,然后利用二维最大熵阈值分割算法得到可疑钙化点区域,最后采用SVM分类的方法去除假阳性区域,得到最终的钙化点检测结果,并采用MIAS乳腺影像库进行仿真实验,钙化点检测的敏感性为94.6%,假阳性率为10.5%。实验结果表明,方法对钙化点的定位精确,具有较高的检出率及较低的假阳性率。

最大熵阈值的红外图像人体目标分割方法

为了有效地分割红外图像中的人体,提出了一种基于最大熵阈值的红外图像人体目标分割方法.对红外图像进行滤波处理消除噪声干扰,分别计算图像的目标熵和背景熵,最大化目标与背景熵的和,在目标和背景的分布中获得最大信息,以此为准则选择分割阈值.利用形态学方法进行后处理进一步消除噪声干扰.实验结果表明:与经典的阈值分割方法相比,文中方法效果更好,且运算速度快.

基于最大熵阈值算法的织物疵点检测与疵点织物应用

对织物表面出现的断经、断纬、破洞、油污等疵点进行识别并在实际中应用。将熵阈值分割应用于图像处理,通过最大熵阈值分割的迭代运算,将目标区域与背景区域分割开,即将织物疵点区域与正常区域划分出来,然后进一步对图像进行特征化处理,同时将实际生活中的乞丐装样式织物进行特征化处理,经过二者之间的特征化图像比对,确定疵点织物应用于实际生产的样式,以实现对疵点织物的有效利用。

基于优化粒子群的最大熵阈值法叶片图像分割

以分割植物叶片图像中的叶片作为研究目的,采用基于优化粒子群算法(Improved Particle Swarm Optimization,IPSO)的最大熵阈值分割法对阈值向量进行寻优。传统的最大熵分割法存在算法运算速度慢和效率不高等问题。本文提出的优化粒子群算法改善传统粒子群算法易陷入局部最优等问题,改进后的分割方法具有收敛速度快和精度高的特点。针对植物叶片图像分割中的叶片重叠等问题,将RGB图像转换成HSV(Hue,Saturation,Value)图像并提取其中的V分量,应用IPSO算法对最大熵阈值分割法的适应度函数进行寻优。实验对比最大熵值和算法运行时间,结果显示本文方法在算法分割精度和收敛效率上均有较大的提升,表明本文提出的分割方法优于传统最大熵法。因此,该方法能够更加高效的对植物叶片图像进行分割,具有较强的工程实用性。

基于最大熵阈值分割法的颅脑CT图像血肿自动诊断系统研究

目的:探讨颅脑CT图像中血肿区域自动分割的图像处理方法,以解决人工处理颅脑CT图像效率低及误差大等问题。方法:选取在医院进行治疗的出血性脑卒中病患的颅脑CT图像,基于颅脑解剖结构及CT成像原理分析得到CT图像的先验模型,并根据其一维灰度直方图特征为基础,进行颅骨区域图像和颅内组织的分割,依据病灶一维灰度直方图的曲线特征完成病灶的分类检测,并采用最大熵阈值分割法(KSW熵算法)确定最佳分割阈值实现血肿区域的分割,并完成颅脑CT图像血肿自动检测系统的设计。结果:通过对颅脑CT图像实施分割,结果表明该方法能够明显降低血肿区域的分割误差<6.5%。结论:基于KSW熵算法能够确定颅脑CT图像中血肿区域的最佳分割阈值,较好实现血肿病灶的自动化诊断。

基于二维最大熵阈值的SAR图像分割算法

本文针对复杂陆地SAR图像,提出改进的图像二维最大熵阈值分割法,在检测门限的判别函数中引入加权系数。由于加权系数的引进,增强了模型对复杂陆地SAR图像的适应能力,提高了图像分割的精度,降低了漏警率和虚警率,取得了较好的分割效果。

基于最大熵阈值处理算法的视频图像人物分割方法

为了满足计算机视觉技术的需求,获得高质量的分割图像,提出基于最大熵阈值处理算法的视频图像人物分割方法。获取视频图像人物灰度直方图,并均衡化、归一化处理灰度直方图。利用信息熵理论计算图像总熵值,以图像总熵值最大值为目标。通过粒子群算法寻找图像分割最佳阈值,依据最佳阈值分割图像,实现了基于最大熵阈值处理算法的视频图像人物的分割。为了验证提出方法的优劣,选取区域间对比度、区域内一致性以及图像分割合理性作为评价指标。实验结果显示,该方法的区域间对比度、区域内一致性测度以及分割合理性测度值均达到标准要求,且图像分割可以较好地保存细节信息。

基于遗传算法的最大熵双阈值分割的芯片缺陷图像分割

本文着重提出一种针对塑封芯片缺陷的基于遗传算法的最大熵双阈值分割算法,对芯片缺陷进行识别分割提取。塑封是指把支撑集成芯片的引线框架、集成芯片和键合引线等部分用塑封材料包裹密封起来,从而为集成芯片提供保护和隔热的功能。由于塑封为非气密性封装,故塑封工艺流程中容易产生各类缺陷,降低芯片的可靠性。对塑封完成的芯片进行质量检测可以避免缺陷芯片进入下一生产环节。传统的的图像缺陷阈值分割方法对其焊层图像缺陷分割的效果并不理想,本文结合缺陷超声图像本身的灰度高度图和自身特点进行分析后,提出基于遗传算法的最大熵双阈值分割法进行图像分割,最大熵结合了遗传算法的鲁棒性,并行性,效率高等优点,很好的对缺陷的细节进行分割,明显优于传统的算法。

叠加噪声干扰图像双阈值像素级分割方法

受干扰噪声的影响,在对图像进行分割处理时,难以实现对目标区域边缘的准确判断,导致错分的情况。为此,提出了叠加噪声干扰图像双阈值像素级分割方法。以叠加噪声干扰图像的灰度直方图为基础,在计算熵值的前提下,设置两个初始阈值为灰度范围的三等分点,按照步长5的标准迭代,并确定熵最大的阈值组合为叠加噪声干扰图像的最大熵双阈值。在分割阶段,利用计算得到的叠加噪声干扰图像最大熵双阈值进行边缘检测,并引入了一个3×3的窗口,计算噪声周围像素的平均值,实现对噪声像素的赋值,实现像素级分割。测试结果表明,该方法不仅实现了对背景的有效分割,还未造成目标区域缺失,且像素错分情况始终处于较低水平,对应的占比未超过0.60%。

基于最大熵阈值分割算法的激光选区熔化过程溅射特征研究

激光选区熔化(SLM)加工过程中的溅射形态随工艺参数变化,难以实现所有工艺参数下的溅射提取。基于传统阈值分割的溅射提取方法仅支持部分工艺参数且没有误差分析工作,处理结果不能反映真实溅射状态。基于高速摄像机采集的SLM过程溅射图像,提出一种强鲁棒性图像处理方法对其进行提取和处理。图像处理方法包含五个步骤,其中阈值分割过程基于最大熵阈值分割算法完成。结果表明,该溅射图像处理方法可准确提取多工艺参数下的溅射信息。当激光功率在100~150 W范围时,溅射面积和数量的变化取决于粉末熔化状态;当激光功率在150~200 W范围时,溅射面积和数量的减少由溅射叠加导致。

一种基于标记阈值的分水岭分割新算法

为了克服分水岭算法的过分割问题,提出了一种新的带标记(marker)的分水岭分割算法。该方法首先根据邻接像素的连通性提取原始图像梯度的局部极小值点,然后采用最大熵阈值法去除由噪声及图像细节纹理所产生的伪极小值点,将修改后得到的极小值点强制作为标记,并在原始梯度图像上应用带标记的分水岭算法。该方法的优点是可以自适应地提取标记而不需要先验知识,克服了标记提取的困难。实验结果表明,该算法能有效地减少分水岭的过分割现象。

最大熵和高斯模型在锂电池缺陷识别中的应用

锂电池极片缺陷在线识别系统中采用最大熵阈值法实现图像的阈值分割,采用缺陷面积排序的方法取出最大缺陷目标,提取二值化图像中缺陷的几何形状和投影参数作为特征值,最后采用高斯混合模型算法实现对缺陷目标的识别分类。实验结果表明:该系统能自动实现阈值分割,准确提取缺陷特征,识别准确率达到94%。

基于最大熵与密度聚类相融合的毛羽检测

为能够更加精确地计算出纱线毛羽的根数及毛羽长度,基于最大熵与密度聚类相融合对纱线毛羽的长度及根数进行检测。该方法首先利用双边滤波对采集到的纱线图像进行预处理,滤除图像中的噪声,同时增强纱线毛羽特征;然后利用最大熵对预处理后的纱线图像进行阈值分割,去除条干提取毛羽,并对毛羽进行细化;最后利用密度聚类算法(DBSCAN聚类)对细化后的毛羽进行分类统计,根据所分类的个数以及每类所含像素点的个数计算出毛羽的根数及长度。将实验结果与目测法和基准线法进行比较,结果表明,该方法与目测方法检测的结果非常接近,结果比基准线法更加精确,检测结果准确、有效。

木材缺陷的阈值分割算法研究

阈值分割算法包括迭代阈值分割、最大方差阈值分割、最大熵阈值分割等,使用3种阈值分割算法进行木材缺陷图像分割,多次实验证明,最大方差阈值分割算法的分割效果最好。在此基础上,对最大方差阈值分割算法进行增强,调整灰度级,增大目标和背景区域的对比度。实验表明,该方法可以明显改善最大方差阈值分割的分割效果。

基于无人机可见光遥感和阈值法的玉米植被覆盖度提取

为了快速获取夏季玉米四叶期、拔节期和抽穗期的植被覆盖度信息,以无人机拍摄的夏季玉米3个时期的可见光图像为研究对象,通过计算获取可见光波段的差异植被指数、过绿指数和归一化绿蓝差异指数.利用上述3种植被指数,通过时序交点阈值法和最大熵阈值法提取玉米3个生长时期的植被覆盖度信息,将监督分类结果作为真值对上述两种方法的提取效果进行评价.结果表明,与时序交点阈值法相比,利用最大熵阈值法确定的阈值提取玉米植被覆盖度精度较高,玉米3个生长时期的可见光波段差异(VDVI)植被指数的提取误差分别为4.66%、3.42%和5.81%.