ENVISAT卫星先进合成孔径雷达数据水体提取研究——改进的最大类间方差阈值法

星载雷达遥感是目前洪涝灾害水情监测的重要技术手段之一,而欧空局ENVISAT卫星上搭载的先进合成孔径雷达ASAR是目前功能最为强大的星载雷达系统。依据微波遥感影像中水体后向散射系数相对较低的特征,将图像分割中的常用算法——阈值法应用到ENVISAT ASAR数据水体提取中。进行了洞庭湖地区2007年枯水期和洪水期两景ENVISAT/ASAR APP-1P影像的实例研究,结果表明,综合考虑类间和类内方差两个因素的改进的最大类间方差法较之双峰法和最大类间方差法,其确定的最优阈值水体提取精度最高。另外,该方法相对简单、容易实现,可极大地提高当前ASAR数据计算机水体识别的自动化水平,进而推动ASAR数据于阴雨或多云天气条件下在洪涝灾害水情监测中的应用。

一种邻域均值加权最大类间方差的阈值分割法

对应用广泛的阈值图像分割的最大类间方差法进行了研究,在深入分析了现有的Neighborhood Valley-Emphasis Method存在的问题的基础上,提出一种邻域均值加权最大类间方差的阈值分割法Neighborhood-Mean Valley-Emphasis Method.其核心思想是,对最大类间方差法进行邻域均值加权;根据灰度值出现的次数生成直方图,取每个灰度值的邻域区间,求得灰度值出现次数的邻域均值,同时求得类间方差,用邻域均值加权类间方差,使得阈值在类间方差最大且是直方图的极小点处取得,提高了算法的准确性,另一方面,邻域均值有均值滤波器的效果,增强了算法的抗噪性.实验结果表明,改进的最大类间方差法NeighborhoodMean Valley-Emphasis Method大大降低了因加权溢出而导致算法失效的可能性,扩大了适用范围,增强了鲁棒性.

融合视觉模型和最大类间方差的阈值分割算法

针对传统二维直方图的区域划分方法存在把图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点的缺点,以及传统二维最大类间方差阈值分割算法的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了该二维直方图的区域划分方法,同时还把提出的二维直方图应用到最大类间方差阈值分割算法中。根据分割时间、分类误差、均匀性等定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出的阈值分割算法在降低计算复杂度的同时还具有很好的分割性能。

2维最大类间平均离差阈值选取快速递推算法

阈值分割是广泛使用的最为有效的图像分割方法之一。阈值选取是阈值分割的关键。Otsu提出的基于L2范数的最大类间方差法是备受关注的一种方法,而基于L1范数的最大类间平均离差法则更为简捷,效果很好。2维最大类间平均离差阈值选取方法分割精确、抗噪性能好,其效果优于2维最大类间方差法,但存在计算量大、难以实用等缺点。提出了2维最大类间平均离差阈值选取的两种不同的快速递推算法,都可将计算复杂性由O(L4)减少为O(L2)。给出了2维最大类间平均离差两种快速递推算法的分割结果及运行时间,并与原始算法及原有的快速算法进行了分析和比较。实验结果表明,这两种递推算法都可以大幅度地提高运算速度,运行时间可减少到原始算法的0.1%,使2维最大类间平均离差阈值分割方法更为实用,目前已被应用于红外目标、车牌、指纹等自动识别系统中。

基于2D-WLDH和最大类间方差的图像阈值分割及其快速递推算法

本文提出了一个新的二维直方图(2D-WLDH),同时提出了基于2D-WLDH和最大类间方差的图像阈值选取方法,并导出相应快速递推算法。新提出的2D-WLDH在区域划分时可以避免传统直方图区域划分时面临的不合理的假设,通过计算比较小的归一化的WLD值来准确估计目标和背景的概率。本文实验结果表明:与现有的有关算法相比,本文提出的阈值选取快速递推算法不仅使分割后的图像区域内部更均匀、边界形状更准确、抵抗噪声稳健,而且同时其运行时间还减少了约84.93%。

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。

改进三维最大类间方差的SAR图像海陆分割算法

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种在气象条件较差的条件下工作的高分辨率成像雷达。无论在民用还是军事领域,用合成孔径雷达进行海上舰船图像目标检测都能起到关键作用。海陆分割作为一种SAR图像预处理的手段,可以为后续的目标检测、识别与跟踪技术研究奠定良好的基础。本文对包含较复杂岛岸背景的SAR图像的海陆分割算法进行研究,在传统三维最大类间方差算法的基础上提出一种改进的SAR图像海陆分割算法,将原有算法第三维度邻域中值改为Prewitt算子的梯度运算,Prewitt算子适合处理灰度渐变复杂的图像,SAR图像能够更好地进行图像分割。考虑到维度上增加一维会使得算法效率降低,运用分解的思想,将三维最大类间方差拆分成3个一维最大类间方差算法。通过两组SAR图像进行实验,结果表明本文提出的改进三维最大类间方差算法具有可行性,并且在海陆分割效果方面优于一维、二维最大类间方差算法,在运算复杂度方面优于传统的三维最大类间方差算法。

基于优化最大类间方差法阈值分割与滑动窗口法的车道偏离预警

为了改善因传统边缘算子在车道线特征提取时鲁棒性差、传统霍夫变换弯道拟合能力较弱导致车道偏离预警率降低的问题,提出了一种基于优化最大类间方差法(OTSU算法)阈值分割与滑动窗口法的车道偏离预警方法。首先,使用遗传退火算法优化求解OTSU算法的最优阈值并调用整体嵌套边缘检测(HED)模型获取车道线边缘特征,将感兴趣区域转换成鸟瞰图形式;然后,使用滑动窗口法将车道线切分并逐个对窗口内的车道像素点进行二阶多项式拟合;最后,根据车辆与车道线的相对位置关系进行车道偏离预警以及弯道预警。试验结果表明,该方法的综合路况预警准确率为95.92%,检测速率可达34 ms/帧。

基于最大类间方差法与Mahalanobis距离的IC芯片彩色图像多阈值分割技术研究

针对彩色IC芯片图像的分割问题,提出基于最大类间方差法与Mahalanobis距离的多阈值彩色图像分割方法,通过建立最大类间方差数学模型,对彩色图像Mahalanobis距离进行最优分割距离阈值进行求解,并在计算目标点与待处理点的Mahalanobis距离并确定待处理点所从属的分割阈值区间基础上,对像素点赋予伪彩色值,从而进行图像彩色区域的确定和划分。通过编程处理,证实此方法对实际彩色图像进行分割处理后能获得稳定准确的分割效果。

一种改进的最大类间方差图像分割法

该文根据脑部切片图像中白质的特点,将均方差因素引入传统分割方法,提出了一种改进的最大类间方差图像分割方法。采用连通域标记进行图像预分割,借助形态学的开运算进行滤波处理,根据改进的最大类间方差分割原理进行白质提取。将该方法与传统最大类间方差法对序列脑切片的白质分割结果进行定性比较,并借助漏检率和误检率指标进行定量评估,发现两种方法的平均漏检率均约为0.03,平均误检率分别为0.251和0.026,表明该方法能够综合利用图像的区域特性和边缘特性,分割更加准确有效。

一种改进的基于最大类间方差的图像分割方法

在分析最大类间方差阈值图像分割算法原理的基础上,根据实际图像直方图中目标与背景的像素分布特点,提出了一种改进的最大类间方差图像分割算法。该算法充分考虑了图像直方图中目标与背景存在交叉的情况,通过与传统阈值分割算法的实验比较,证明该算法具有分割精度高、效果好、速度快的特点。

一种改进的基于类间方差的阈值分割法

在图像的目标和背景像素灰度均服从正态分布时 ,提出了一种改进的基于最大类间方差法的图像分割算法 .对新算法进行了测试并与最大类间方差法和最大熵法进行了比较 ,结果表明 ,新的改进算法在图像分割过程中具有速度快。

一种改进的最大类间方差法

最大类间方差法 (Ostu法 )因其计算简单、自适应强 ,而成为使用最为广泛的图像阈值自动选取方法之一。在分析该方法的基础上 ,提出了一种针对红外图像的改进的Ostu法。实验结果表明 ,本文提出的方法可以完整。

基于改进最大类间方差法的手势分割方法研究

针对手势图像中由于噪声和成像干扰造成的手势模糊和边界不清晰的问题,提出了一种基于改进最大类间方差法的手势分割方法.首先建立手势图像的二维灰度直方图,在二维灰度直方图上确定噪声点位置,在原图的相应区域滤除噪声.然后重建二维灰度直方图将内点区的点集投影到45度线,得到投影灰度直方图.接下来在灰度投影直方图上采用全局Otsu确定局部Otsu的左边界,用高斯函数拟合得到局部Otsu右边界,最后采用局部Otsu分割手势.该方法可以有效地对手势图像进行精确分割,实验结果验证了本文算法的有效性.

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。

基于进化规划的最大类间方差的图像分割算法

图像分割是计算机视觉中一个关键的技术。在分析了最大类间方差算法(Ostu算法)求阈值进行图像分割以及进化规划原理的基础上,提出了一种自动阈值选取的图像分割的算法。该算法以灰度图像的灰度最大类间方差作为适应度值,将图像分割问题看作为一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割。最后基于实例对其与传统Ostu算法进行性能比较和效果验证。结果表明,本方法在图像分割过程中具有速度快,效果好的特点。

一种基于最大类间方差和区域生长的图像分割法

提出一种基于一维最大类间方差和区域生长的图像分割法。首先用一维最大类间方差法确定最佳分割阈值,再用改进的区域生长法分割得到目标。实验结果表明,该分割算法不仅适用于简单的图像分割问题,而且对于背景复杂、光照不均匀的图像也能取得较好的分割效果。该算法计算量小,实时性和分割精度均有一定优势,在提取目标的同时,不留下任何背景像素,使下一步的目标识别更为简单。

基于最大类间方差法的黄瓜病害叶片分割

以黄瓜病害叶片为研究对象,采用直方图阈值分割法去除背景,分别采用最大类间方差法(Otsu)和边缘检测法来分割黄瓜叶片中的病害部位,对比这2种方法的分割效果。最后,对已有的最大类间方差法进行了改进,对病害叶片图像的红色分量进行了病斑分割。结果表明,边缘检测法分割出来的病斑部位轮廓具有不完整性,而最大类间方差法的分割效果较好。采用最大类间方差法对黄瓜病害叶片分割取得了较理想的效果,为后续病害识别奠定了基础。

基于最大类间方差法与GA相结合的图像分割算法研究

采用一种基于最大类间方差法与GA相结合的分割算法,先对GA的初始种群进行交叉、变异操作寻找分割阈值的最优解;并在此基础上,结合最大类间方差法的自适应性,在设定的阈值范围内进行局部最优搜索;最后,获取图像分割的最佳阈值。通过Matlab仿真实验得出,本算法在图像分割过程中具有速度快、效果好的优势。

最大类间方差法在图像分割中的应用

基于阈值分割的方法,在图像分割过程中,物体像素的灰度级与背景像素的灰度级有不同,可以将物体从背景中较好的分割出来,总能用封闭而且连通的边界定义不交叠的区域。本文针对细胞图像的特点,首先对细胞图像分别利用经典的Sobel算子和Log边缘检测进行阈值分割,此分割方法是基于最大类间方差准则的分割。然后利用最大类间方差法对图像进行阈值分割。分割效果较令人满意。经实验证实运算速度较快,实现起来较为简单。