基于边缘信息的图像阈值化分割方法

针对现有几种利用边缘信息来进行图像阈值分割的方法存在的对噪声高度敏感 ,梯度阈值难以选取 ,且不具有自适应性的特点 ,提出一种抗噪声影响的形态学梯度算子和一种基于梯度直方图统计特征的梯度阈值自适应选取算法 ,得出了一套完整的基于边缘信息的图像阈值化分割算法。

基于分解的灰度图像二维阈值选取算法

作为一维Otsu法的推广,二维Otsu法综合考虑了像素点的灰度信息及其邻域灰度的均值信息,可以有效地滤除噪声.其快速算法采用递归的方式构建查找表,将算法的时间复杂性由O(L4)降到O(L2)提出基于分解的阈值选取算法,求解两个一维Otsu法的阈值来替代原始的二维Otsu法的最佳阈值,指出在原算法的假设成立的条件下,该方法可以得到与原二维Otsu法相同的分割阈值,而算法的时间复杂性可以进一步降低到O(L).而在实际中,原算法的假设一般不成立.本文的实验结果表明此时该阈值选取方法也可以在保证原二维Otsu算法良好的抗噪性的前提下,计算阈值所需的时间更短、空间更小,且阈值化结果也可以达到或优于二维Otsu算法的结果.

一种基于EZW改进算法的图像压缩方法研究

针对原EZW算法未能很好利用图像小波系数特点及按照频率特性量化小波系数的不足,提出了对图像小波系数进行信噪分离、阈值化处理以及对低、高频图像信息进行分阈值量化的改进算法,并给出了在保证复原图像质量情况下扫描终止的判别条件,以节省压缩时间,在实时传输中能有效地提高图像压缩效率。仿真实验结果表明,改进算法无论在扫描相同次数下的信噪比,还是相近信噪比下的压缩比都获得了较大改善,为小波变换下的图像压缩方法提供了新的思路。