自动图像阈值分割算法

该文提出了一种新的图像阈值分割算法。该算法通过求取最大模糊熵准则下,灰度均值直方图的最佳模糊划分参数来确定两个模糊集A和B,图像分割阈值即选取为两个模糊集的交点。该算法用Zadth的模糊熵定义适应度函数,采用改进的遗传算法寻求最佳模糊参数。该文对遗传算法的改进包括,给出了缩短染色体码长的编码方法和性能良好的改进的单点交叉算子和均匀变异算子。实验结果表明,该算法的分割效果与二维模糊熵算法接近,而计算时间还没有用到二维模糊熵算法的一半。

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。

改进沙猫群优化算法的2D-OTSU多阈值图像分割

针对传统多级阈值图像分割方法精度低、收敛速度慢的问题,提出一种改进的沙猫群优化算法(Improved Sand Cat Swarm Optimization, ISCSO)用于全局优化,并应用于2D-OTSU多阈值图像分割任务。通过使用Henon混沌映射和反向折射机制初始化种群,使得种群的分布更加均匀,提高搜索的起始状态,从而增加算法的全局搜索能力;采用非线性灵敏度更新公式来平衡搜索多样性和收敛精度;引入可变螺旋搜索策略改进位置更新算法,以确保算法具有较好的搜索多样性和跳出局部最优解的能力。选取6张测试图像对ISCSO算法进行2DOTSU多阈值图像分割实验,采用峰值信噪比(PSNR)、特征相似性指数(FSIM)和结构相似性指数(SSIM)对实验结果进行评价。实验结果表明,基于ISCSO算法的2D-OSTU多阈值图像分割方法在图像分割任务中85.2%的结果优于对比算法,具有较强的搜索精度和收敛速度,这证明了ISCSO算法在图像分割领域的有效性和潜力。

基于改进蜜蜂觅食算法的多阈值图像分割

为解决传统多阈值图像分割方法搜索最优阈值效率低的问题,利用蜜蜂觅食算法中蜂群对蜜源的智能搜索机制,提高多阈值图像分割的最优阈值搜索效率。针对蜜蜂觅食算法邻域收缩过快易陷入局部最优问题,引入自适应邻域收缩策略,根据搜索陷入停滞的状态,自适应调整邻域收缩率,在保证算法搜索效率的同时,进一步提高算法寻优精度。仿真实验结果证明该方法提升了蜜蜂觅食算法的优化性能和算法鲁棒性,基于最大类间方差的图像多阈值分割实验验证了该方法的有效性。

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的Sobol序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明:该改进算法在分割准确性、计算时间、结构衡量指标(structure similarity index measure,SSIM)和峰值信噪比(peak signal-to-noise ratio,PSNR)上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。

改进ISCA算法的工业炉火焰图像阈值分割方法

工业炉是一种利用燃料燃烧的热量对物料进行加工的高温设备。若使用不当,极易发生爆炸现象,通过观测工业炉火焰图像可准确了解燃料的燃烧情况,避免事故的发生。但工业炉火焰图像易受燃烧工况等因素的影响,选取分割阈值存在一定的难度,无法准确地分割火焰图像。为此,提出一种基于改进ISCA算法的工业炉火焰图像阈值分割算法。利用混沌映射、归一化方式改进ISCA算法,根据贪婪选择设立对立学习机制,增加种群多样性,有效避免陷入局部最优解。基于中值滤波算法,对火焰图像噪声进行去除,利用阈值分割、灰度直方图,建立火焰图像阈值分割函数模型,结合Kapur熵最大化、累积分布函数求解该模型,完成工业炉火焰图像阈值分割。实验结果表明,所提算法的误分率始终低于2%,阈值分割用时在0.3 s以下,第17次迭代即可完成收敛,该算法在工业炉火焰图像阈值分割过程中运算速度快且阈值分割误分率低,可以有效提高工业炉火焰图像阈值分割精度。

增强蒲公英算法优化乳腺癌图像多阈值分割

针对显微镜下乳腺癌病理组织图像结构复杂,细胞边界模糊等情况,基于传统的阈值分割在乳腺癌图像的分割应用中不能很好地实现把病灶区准确分离开来的问题,提出一种基于增强蒲公英优化算法(IDO)的乳腺癌图像多阈值分割方法.该方法引入IDO计算类间方差的最大值(Otsu)作为目标函数寻找最佳阈值,IDO建立回守策略解决传统蒲公英算法(DO)无限制搜索,超出像素范围的问题;引入对立式学习(OBL)避免算法陷入局部最优.实验结果表明,与哈里斯鹰算法(HHO)、人工猩猩部队优化算法(GTO)、传统蒲公英优化算法(DO)、海洋捕食者算法(MPA)相比,在相同阈值个数情况下IDO算法适应度值最大、收敛最快,并且在峰值信噪比(PSNR)、结构相似度(FSIM)、特征相似度(SSIM)这3个性能指标上也比其他对比算法更具有优势.

基于粒子群算法的模糊散度多阈值图像分割方法

模糊散度图像中含有多个不同灰度级的区域,单阈值分割方法无法有效处理图像,导致图像分割方法效果较差.为此,提出一种基于粒子群算法的模糊散度多阈值图像分割方法.将彩色图像转换为灰度图像,简化数据复杂度,为后续处理做准备.采用均值滤波法去除图像中的噪声,通过计算滤波模板内像素的均值来替代中心点像素值,以减少冗余像素点对分割结果的影响.构建直方图均衡化图像增强模型,增强图像中目标信息与背景信息的对比度,恢复过明或过暗环境中丢失的细节信息,提高图像分割的准确性.利用粒子群算法,基于模糊散度的概念,将原始图像与分割图像之间的模糊散度作为适应度函数,通过迭代优化找到最优的多阈值分割方案.结果表明,所提方法的结构相似度指数和均匀性指数相对更大,由此说明所提方法有效提高了图像分割的准确性和效率.

改进鲸鱼算法优化Ostu多阈值图像分割

针对传统Ostu多阈值图像分割方法确定最优阈值效率低、分割效果差的不足,提出基于改进鲸鱼算法优化Ostu多阈值的图像分割算法。利用鲸鱼优化算法中种群对食物源的启发式搜索机制确定图像分割的最优阈值有效降低了算法时间复杂度。在传统鲸鱼优化算法中引入伪对立学习和混沌Tent映射提高初始种群多样性,设计非均匀衰减收敛因子加快算法收敛,利用自适应惯性权重位置更新机制平衡全局搜索和局部开发,进而有效提升算法寻优精度。

基于图像分割和边缘提取相融合的射线缺陷图像增强算法研究

在实际工业生产中,噪声、环境以及人为等非理想因素会导致图像出现退化问题,另外还会致使缺陷形态各异并且特征变化十分复杂。由于图像质量的下降会影响人的主观感受以及后续计算机机器视觉应用的性能,所以图像预处理过程对于低质量图像来说是十分必要的处理步骤。然而,图像增强算法能否针对射线缺陷图像对比度提高等问题鲜有系统性研究。针对上述问题,本文以焊缝射线缺陷图像为例,研究图像增强算法对缺陷目标检测性能以及图像对比度的影响。首先对5种边缘提取技术进行分析对比,结合霍夫变换拟合焊缝边界,然后利用大津法灰度阈值处理,最后提出了基于射线缺陷图像增强与边缘检测的融合算法,另外针对未融合缺陷利用基于改进的形态学分水岭算法进行研究,并对比分析其结果。实验发现,分割和边缘提取相融合的图像增强算法对于低质量射线未融合缺陷图像作用较为明显,对线性缺陷或圆形缺陷图像作用表现出一定的负面影响。为了实现工业射线缺陷图像数据分析研究的目的,如何根据相应的需求进行后续图像识别操作需要进一步研究。

基于通用学习均衡优化器的多阈值图像分割

传统的元启发式多阈值图像分割算法计算复杂度高且容易陷入局部最优,通用学习均衡优化器在搜索过程中使粒子从不同维度的候选粒子中学习,在求解复杂问题最优解时有很强的能力,克服了容易陷入局部最优的问题。提出将通用学习均衡优化算法优化最大类间方差法来实现多阈值图像分割,实验选择标准灰度图像,以峰值信噪比、结构相似度、运行时间和适应度值为评价标准,将该算法与均衡优化算法、粒子群优化算法进行了比较。结果表明,基于通用学习均衡优化器的多阈值图像分割算法结果的峰值信噪比、结构相似度在绝大多数情况下优于另外两个算法,并且收敛速度快,执行效率高。

一种改进萤火虫算法的指印图像分割方法

为提高指印图像准确率,有效提取指印采集图像中与指印相关的部分,提出一种改进萤火虫算法的指印图像分割方法。实验结果表明,与对比算法相比,该算法成功降低了时间复杂度,减少了计算所需的时间,并且算法表现稳定。

基于蜜獾算法的破片序列图像多阈值分割

针对静爆试验中拍摄的图像中破片目标小、背景复杂等情况,基于经典阈值分割法在破片图像分割的应用中存在不能将目标所在像素准确分离的问题,提出一种基于蜜獾算法(HBA)的多阈值图像分割方法,该方法引入HBA求解Tsallis相对熵的最小值作为目标函数值来计算最佳阈值,在分析经典阈值分割方法处理破片图像的不足后,选择合适的阈值数,将HBA与遗传算法(GA)、蝗虫优化算法(GOA)、麻雀搜索算法(SSA)三种优化算法进行性能对比,利用分离出的目标绘制破片轨迹图并确定有效破片。分析结果表明,阈值数为2时分割效果满足需求,HBA运行时间1.32 s,进行100次重复实验后其结果的标准偏差约为0,分割出的目标中有效破片达83.8%,说明该算法的实时性和稳定性强,分割效果可满足对破片群运动参数测试的需求。

基于贝叶斯学习的数字化图像多阈值分割方法

经典Otsu分割算法精度高,适应度强,但由于其分割稳定度较差,计算效率较低,在实际使用时具有一定的应用局限。为提升Otsu图像分割的稳定度与计算效率,提出一种基于贝叶斯网络结构学习算法对搜索节点进行优化,提高整体计算效率。首先通过在BN层通过独立性测试,构架初始种群BN_0,并利用GR算法不断修正进化方向;然后构建MSWT树网解决种群扩张时多父节点导致算法收敛速度低的问题;接着采用ACO算法规划个体转移禁忌表,通过结合个体转移概率,完成最优阈值规划;最后构建OEA-Otsu数字图像多阈值分割模型,通过解析适应函数进行并利用最优Gbest结构规划完成图像多阈值分割输出。仿真结果表明,较其它基线优化算法相比,经OEA优化后的图像多阈值分割模型,FSIM指标整体提高了5.91%,SSIM指标至少提升了2.33%,PSNR指标分析在实验数据上分别增加了12.76%、10.74%以及12.48%。即提出的OEA-Otsu模型有效的提高了图像分割的稳定度差与计算效率。

基于改进被囊群算法的图像多阈值分割方法

为提升图像分割的准确度和性能,提出改进被囊群算法(improved tunicate swarm algorithm,IMTSA)的多阈值分割方法。基于折射反向学习初始化种群,采用精英反向学习重新选择优势个体,结合学生分布协调全局和局部搜索能力。在图像分割中,基于Otsu和最大熵方法,在不同阈值场景下,IMTSA与其它算法进行性能对比。实验结果表明,IMTSA在3类基准函数中均表现更好,图像分割效果与阈值数量成正比,其整体分割性能具有一定优势。

基于图像自动分割算法的MRI成像对脑小血管病患者脑白质病变的诊断分析

目的分析基于图像自动分割算法的磁共振扫描(MRI)成像对脑小血管病患者脑部病变的诊断价值。方法回顾性分析本院2021年1月~2022年4月收治的106例可疑脑小血管病患者的临床资料,构建基于图像自动分割算法的MRI成像方法对脑白质病变情况进行诊断。比较常规MRI和基于图像自动分割算法的MRI成像对脑白质病变的诊断的效能。结果106例受试者中有73例确诊为脑小血管病,余33例中有17例帕金森病、10例周围神经病、6例特发性震颤;脑白质病变常规MRI检查可见T1加权成像(T1WI)低信号,T2加权成像(T2WI)和液体衰减反转恢复序列(FLAIR)呈高信号,且可累及脑室周围、深部脑白质,早期可见散在、斑片状、大小不等病灶,晚期可见片状信号;基于图像自动分割算法的MRI成像检出脑白质病变诊断脑小血管病的灵敏度、特异度、准确度分别为89.04%、93.94%、90.57%,均高于常规MRI的68.49%、66.67%、67.92%(P<0.05),且前者的Kappa值为0.815,也高于后者的0.648。结论 基于图像自动分割算法的MRI成像可用于判断脑白质病变进而诊断脑小血管病。

基于自动阈值的CT图像快速肺实质分割算法

首先给出了一个肺实质分割的基本框架,结合最佳阈值法、数学形态学方法,对图像进行了粗分割;然后,针对左右肺未完全分离的情况,提出了快速自适应的优化细分割方法。在实际临床胸部CT图像上的实验表明,该方法的分割结果和专家的人工分割结果很接近,特别是对于左右肺的分离有很好的实验效果,成功分割率达到94.8%。

自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法 ,试验表明该算法能够避免过分割现象 。

基于改进非洲秃鹫优化算法的图像阈值分割研究

针对非洲秃鹫算法(AVOA)全局搜索能力不足与局部搜索策略冗杂的缺点,提出一种改进非洲秃鹫算法(β-PAVOA)。算法采用分段线性混沌映射(PWLCM)初始化种群,增强种群多样性。引入β分布与基于饥饿率的搜索策略,增强算法全局搜索能力。改进原算法局部搜索策略,帮助算法及时跳出局部最优。通过8个测试函数验证算法的有效性,并将其应用于二维Otsu图像阈值分割模型。实验结果表明,在测试函数上,β-PAVOA相比较于非洲秃鹫算法(AVOA)、金豺狼优化算法(GJO)、灰狼算法(GWO)、鲸鱼优化算法(WOA)和粒子群算法(PSO)有着更好的精度与收敛速度;在二维Otsu图像阈值分割模型上,β-PAVOA在搜到最优解的情况下收敛速度也仍然领先,这也证明了改进算法的有效性。

基于分块采样和遗传算法的自动多阈值图像分割

图像多阈值分割在图像压缩、图像分析和模式识别等很多领域具有重要应用,但是阈值数的自动选择一直是至今未解决的难题.为此,基于分块采样和遗传算法提出一种自动多阈值图像分割算法.首先将一幅图像看成是由像素值组成的总体,运用分块采样得到若干子样本;其次在每一个子样本中运用遗传算法来使样本的均值与方差比极大化;再基于获得的样本信息对阈值数目和阈值进行自动预测;最后利用一种确定性的算法对阈值数和阈值做进一步的优化.该算法无需事先考虑图像的纹理和分割数等先验信息,具有较高的易用性,其计算复杂性对图像阈值个数敏感性较低,且无需进行灰度直方图分析.在Berkeley图像分割数据集上的大量仿真实验结果表明,文中算法能获得较准确、快速和稳定的图像分割.