基于节点评估与最大类间方差的孤立森林异常值检测

针对孤立森林(isolation forest, iForest)无法有效检测局部异常值且异常值分数阈值难以精确设定的问题,提出一种基于节点评估(node evaluation, NE)与最大类间方差(Otsu)的iForest异常值检测方法。首先,在样本评估过程中将节点深度与相对质量同时引入评分机制,使算法对全局和局部异常值敏感;然后,为了准确设定分数阈值,采用Otsu自适应设定异常值分数阈值;最后,在不同数据集上验证所提方法的有效性。实验结果表明,该方法可以有效兼顾全局和局部异常值的检测,提高iForest检测异常值的准确性。

一种基于二维最大类间方差的图像分割算法

本文提出了一种二维最大类间方差的图像分割算法。该方法不仅利用了图像像元点的灰度分布信息 ,而且充分考虑了像元点之间的空间相关信息。理论分析和实验表明 ,对于低对比度、低信噪比的地面目标 ,该方法具有良好的分割效果。在该算法的基础上 ,又提出了一种快速递推二维最大类间方差法 ,减少了计算量 ,节约存储空间 。

基于最大类间方差的图像分割改进遗传算法

在基于最大类间方差传统遗传算法实现图像分割的基础上对其改进,提出了基于染色体、基因位的"双自适应交叉概率"的改进遗传算法.该方法利用待分割图像的直方图作为先验知识,缩小了初始种群的选取范围,提高了遗传算法的寻优能力.实验表明,改进的遗传算法应用于图像分割较传统遗传算法有更好的效果.

二维最大类间方差阈值分割的快速迭代算法

传统的二维Otsu阈值分割算法采用穷举搜索法搜寻最佳阈值向量。与此不同,本文提出了一种二维最大类间方差阈值分割的快速迭代算法,用迭代的思想解决原始二维Otsu方法计算复杂、实时性差的问题。文中导出了迭代算法的公式,给出了算法流程。实验结果表明,与二维Otsu原始算法及其他两种快速算法相比较,本文提出的二维Otsu快速迭代算法分割结果准确,实现简单,其运行时间仅为原始算法的0.4%左右,大大减少了计算量和存储空间,是一种快速有效且实时性好的图像阈值分割算法。

基于最大类间方差遗传算法的图像分割方法

分析了最大类间方差阈值图像分割算法的基本原理 ,结合遗传算法及其特点提出了一种自动阈值选取的图像分割算法 ,在本算法中对传统最大类间方差图像分割的算法及遗传算法进行了改进 ,提高了传统算法的速度 ,改善了遗传算法的收敛速度与最优解的协调关系 ,最后从速度及性能上进行了分析比较 ,并对实际图像分割做了反复实验 ,结果表明 ,本遗传算法的图像分割方法在图像分割过程中具有速度快 ,效果好的特点 .

基于改进的最大类间方差算法的图像分割研究

每种图像分割方法都只利用了图像信息中的部分特征,必然带有局限性,因此只能针对各种实际应用领域的需求来适当选择所需的方法。比较了几种阈值分割和边缘检测算法,着重研究了最大类间方差算法,并对其进行改进。针对不同的图像进行了仿真,对实验结果进行了分析、研究、比较。结果表明,改进的Otsu算法能有效地提高图像分割的质量。

二维最大类间方差和遗传算法在红外图像分割中的应用

为了改善红外图像的分割效果,将二维最大类间方差算法应用于红外图像分割,通过二维最大类间方差算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维最大类间方差算法寻找阈值的速度,提高分割效率。

基于遗传算法的最大类间方差法的改进

通过对遗传算法的基本概念、遗传算法的流程、普通最大类间方差法(Otsu法)和研究遗传算法的最大类间方差研究;对基于遗传算法的最大类间方差进行改进,使得图像分割损失减少,分割效果增强。

基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。

一种结合遗传算法和最大类间方差法的图像分割新方法

传统的一维图像Otsu方法,只能对图像的灰度信息进行处理,对空间信息、像素等部分不能得到处理,因此在图像受到噪声或其他干扰时灰度直方图中的波峰、波谷会呈现不明显的分布,造成分割失误.本文结合遗传算法和最大类间方差法的图像分割新方法,是以遗传算法确定阀值空间中的最优阀值,最大类间方差法确定图像背景和目标图像之间的灰度方差面的最大值,避免受到噪声等因素的干扰.通过仿真实验发现该图像分割方法可降低分割时间,分割质量较好,发展前景广阔.

改进的最大类间方差用于路面分割算法

在智能交通系统中,需要快速正确识别路面,为智能驾驶提供很好的辅助手段。本文在传统的最大类间方差图像分割的基础上,提出一种改进的最大类间方差算法,并将现代智能算法之一遗传算法用到快速的最优解的查询上。这样不但提高了算法分割的性能,还大大提高了算法的运算速度,在智能交通系统中起到了很好的作用。

基于遗传算法的二维最大类间方差法的优化

针对经典的二维最大类间方差法存在时效性差的问题,提出一种快速实现方法。通过对原有的二维灰度直方图计算其边缘概率分布,将作为判别标准的离散度矩阵分解为2个一维类间方差之和,在保证原有鲁棒性的同时降低了算法的时间和空间复杂度。同时,与遗传算法相结合,加快寻优过程,且遗传过程中可以自动调节遗传控制参数,避免早熟。实验证明其运算速度提升约50%。

基于最大类间方差的图像分割算法研究

图像分割算法是当前计算机图像处理的难点之一,由于图像区域内部像素的灰度变化相似度高,而在图像边界上的像素变化不连续。为了将图像分割成不同的区域,实验分析了最大熵阈值分割法和迭代式阈值分割法原理,并在此基础上对比研究了最大类间方差法。实验结果表明:最大类间方差法的峰值信噪比最大,均方根误差,图像分割效果最好。

免疫遗传算法最大类间方差图像分割法研究

图像分割是图像处理技术的一个重要的环节,传统采用GA-Otsu算法分割图像容易陷入局部最优、获得的最佳阈值不够稳定,图像分割不够清晰,伴有分割不足或过当等问题。针对传统GA-Otsu方法分割图像存在不足的问题,提出一种基于免疫的GA-Otsu算法(IGA-Otsu算法),基本思路是在传统GA-Otsu算法上引入免疫算子和浓度自适应调节,有效地增加了种群结构的复杂性,避免早熟。利用该方法可使获得的图像最佳阈值比较稳定,有效地避免了早熟,使分割的图像也更加清晰。

基于最大类间方差遗传算法的岩心CT扫描图像分割方法

目前，CT技术在油气勘探领域中应用越来越广泛，尤其是在岩心分析方面。本文在分析岩心CT扫描图像特征的基础上，提出一种消除岩心CT图像背景影响的分割方法。首先对岩心CT扫描图像统计灰度直方图，根据该直方图确定一个灰度值，并用该灰度值代替图片的背景灰度值，然后利用最大类间方差法结合遗传算法确定最优闲值并对原始CT扫描图像处理。结果表明，该方法能消除岩心CT扫描图像背景的影响，将目标从CT扫描图像中提取出来，为岩心分析提供很好的基础。

基于最大类间方差的快速图像分割算法的研究

通过对毫米波技术与成像算法的研究,重点研究了基于最大类间方差的快速图像分割算法。该算法根据最大类方差原理,通过二分逼近逐次逼近最佳分割阈值,相对于传统的最大类间分割方法提高了速度,该算法也可以扩展到一般数字图像的分割,其效果也较好。

基于顶帽变换和最大类间方差法的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法。然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,提出的方法可以实现快速、准确地分割。

基于灰度空间相关性最大类间方差的图像分割

一维最大类间方差1D-Otsu和二维最大类间方差2D-Otsu在目标和背景比较模糊时,图像分割效果较差。针对该问题,提出一种基于灰度空间相关性(GLSC)最大类间方差的图像分割算法。该算法使用各像素的灰度值与其邻域内相似像素的数目构建直方图,通过计算GLSC直方图的最大类间方差得到分割阈值,应用积分图的思想将运算复杂度由O((N2×L)2)降到O(N2×L),节省了运算时间。针对5幅大小不同和直方图类型不同的真实图像,与1DOtsu、2D-Otsu和灰度空间相关性熵算法进行分割实验比较,结果表明该算法具有较好的鲁棒性。

基于空间截面投影的Otsu图像分割算法

针对传统三维Otsu法存在抗噪性差、计算复杂度高、难以多阈值扩展等不足,提出了一种基于空间截面投影的Otsu法。该方法采用垂直于主对角线的平面截三维直方图,并将截面内的点投影到主对角线上,进而建立一维的截面投影直方图以降低计算复杂度,然后基于该一维直方图进行Otsu分割;对于分割结果,运用基于阈值的后处理策略做进一步的处理以增强算法的抗噪性。实验结果表明,与现有三维Otsu法相比,该算法计算效率高、抗噪性好,能对含不同噪声的图像进行较好的分割。

改进二维最大类间方差法及其在黄瓜目标分割中的应用

为了提高图像阈值分割算法的应用广适性和处理实时性,该文在二维最大类间方差分割算法的基础上,研究邻域模板尺寸对最佳阈值的影响,将图像的灰度值、邻域尺寸及邻域均值进行遗传基因编码,利用遗传算法得到阈值最优解的小范围,在此小范围内进行二次遗传算法运算寻求全局最优解。将此基于两级遗传算法的二维最大类间方差分割算法应用于黄瓜计算机视觉识别目标试验中,试验结果表明,在计算类间方差次数上,基于两级遗传算法的二维最大类间方差算法分别为二维最大类间方差耗时的0.18%和一维Otsu算法耗时的46.87%,耗时上也较传统二维最大类间方差算法和一维Otsu算法有很大缩短,分割效果也有了明显改善。同时该算法也为目标识别领域提供了一种新型的实时图像分割方法,具有一定的推广价值。