基于最小类内绝对差和最大差的图像阈值分割

阈值分割是图像处理中一种简单有效的图像分割方法,应用极为广泛。阈值选取是阈值分割的关键。最小类内方差法(Otsu法)因其分割精确,适用范围广而成为广泛采用的一种图像阈值分割方法,它实质上是最小二乘法(基于L_2范数)。与此不同,本文提出了基于最小类内绝对差(基于L_1范数)及最小类内最大差(基于L_∞范数)的图像阈值分割算法,并导出了这两种方法的二维算法形式。文中给出了实验结果,并进行了分析与比较。结果表明,这两种方法在某些类型图像下,阈值分割效果明显优于最小类内方差法,而其二维算法的分割效果普遍优于相应的一维算法。

改进的最小类内绝对差阈值分割及快速算法

现有的最小类内绝对差阈值分割方法分割结果不够准确及计算效率过低,为此,本文提出了基于递推昆沌粒子群的改进最小类内绝对差阈值分割方法。首先引入了灰度级-梯度直方图以提高分割准确性,然后简化了阈值选取公式并推出了相应的递推算法,最后利用基于改进的Tent混沌粒子群算法寻找最优阈值,提出了以递推方式计算适应度,大大减少了重复计算。实验结果表明:与基于灰度级-平均灰度级最小绝对差穷举算法相比,本文方法剔除了边缘点和噪声点的影响,选取的阈值更为准确,同时,利用群体智能优化搜索过程,运算时间降低了两个数量级;与基于灰度级-梯度最大类间方差及Logistic混沌粒子群递推算法相比,本文方法基于改进的Tent混沌映射,遍历性更高,因此收敛性更好。

基于LWT和递归最小类内绝对差的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于提升小波变换(LWT)和递归最小类内绝对差的检测方法。一方面先利用提升小波对原始图像进行去噪,再利用Top-hat算子抑制背景;另一方面先利用Top-hat算子抑制原始图像的背景,经提升小波去噪后,再进一步使用Top-hat算子;上述两方面得到的图像求和即为预处理图像。然后采用递归最小类内绝对差阈值选取方法分割预处理图像。针对红外小目标图像进行了大量实验,并与基于形态滤波及基于小波和形态学的红外小目标检测方法进行了比较。结果表明本文方法提高了信噪比,检测率分别提高15%和10%。

基于类内绝对差和混沌粒子群的红外图像分割

提出了基于类内绝对差、背景与目标面积差及混沌小生境粒子群优化(NCPSO)的红外目标图像阈值分割方法。类内绝对差小能确保分割后类的内聚性好,背景与目标的面积差可抑制均等分割的趋势,两者综合构成更为合理的阈值选取准则函数。给出了一维阈值选取公式,通过推广到二维,抗噪性能明显改善;针对二维阈值分割计算量大的问题,利用混沌变异的小生境粒子群算法搜索最佳阈值向量;最后与Fisher准则法、Otsu方法和最大熵阈值分割法作了比较。实验结果表明,该方法在分割效果和运行时间上都具有明显的优势。

利用区域信息融合混合活动轮廓模型的河流遥感图像分割

目的河流遥感图像是背景复杂的非匀质图像,利用传统的活动轮廓模型进行分割往往不够准确。针对这一问题,提出了基于区域信息融合的混合活动轮廓模型来分割河流遥感图像。方法该混合模型将Chan-Vese(CV)模型和基于交叉熵的活动轮廓模型的外部能量约束项相结合,并赋予归一化调节比例系数。通过计算轮廓曲线内外区域像素灰度的方差和交叉熵,指导曲线逼近目标边缘。为了加速混合模型的演化,引入曲线内外区域像素灰度的类内绝对差,取代原有的内外区域能量权值,以提高混合模型的分割效率。结果大量实验结果表明,相较于CV模型、测地线模型、基于交叉熵的活动轮廓模型、CV模型和测地线模型的混合模型以及局部全局灰度拟合能量模型(LGIF),本文混合模型分割河流遥感图像的灵敏度和上述方法都接近于100%,准确率大幅提升,在90%以上,虚警率则下降了约50%,且所需迭代次数和运行时间更少。结论本文提出的混合模型主要适用于具有一定对比度的河流遥感图像,在分割性能和分割效率两个方面,都有明显的优势。

改进型PCNN在绝缘子图像分割中的应用

针对高压输电线路绝缘子状态检测中光照不均匀、对比度不强的红外绝缘子图像分割,提出了一种基于类内绝对差准则的改进型PCNN图像分割算法。对最小类内绝对差法进行改进,引入背景与目标的面积差因子,确定最佳分割阈值后通过PCNN算法迭代优化进行图像分割。与经典OTSU算法、基于最小类内绝对差准则的PCNN算法进行比较。实验结果表明,本文方法能够取得更好的分割效果,并且具有较强的实用性。