基于改进的2D Otsu方法和YCgCr空间的肤色分割

为了弥补基于固定阈值的肤色分割方法存在的缺陷,在对多种彩色空间和肤色模型进行分析的基础上,提出采用改进的2-D Otsu方法和YC_gC_r彩色空间进行肤色分割。首先将光照补偿之后的肤色样本图像从RGB彩色空间转换到YC_gC_r彩色空间,并利用样本图像上的179221个肤色点建立2维高斯模型;进而将待分割的图像进行光照补偿并转换到YC_gC_r彩色空间,利用已经建立的高斯模型计算图像的肤色相似度,得到肤色相似度图像;最后,结合像素的空间邻域信息,使用改进的2-D Otsu方法对肤色相似度图像进行2值化处理。对这种方法进行了理论分析和实验验证。结果表明,该肤色分割算法有效地克服了使用固定阈值法进行图像分割时缺乏针对性和抗噪性的缺陷,该算法是可行的。

基于粒子群和二维Otsu方法的快速图像分割

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法.针对二维Otsu方法计算量大的特点,采用粒子群算法来搜索最优二维阈值向量.每个粒子代表一个可行的二维阈值向量,通过粒子群之间的协作来获得最优阈值.结果表明,所提出的方法不仅能得到理想的分割结果,而且计算量大大减少,达到了快速分割的目的,便于二维Otsu方法的实时应用.

灰度图像二维Otsu折线阈值分割法

Otsu法是一个应用较为广泛的阈值分割方法。为实现图像较为精确的分割,充分考虑边界的影响,从二维线阈值分割替代传统的点阈值分割思想出发,提出了折线阈值型Otsu法。该方法以对边界信息的迭代分割的手段获得实际用于分割的二维折线阈值。仿真结果表明,该方法能够获得优于原始Otsu法的分割效果,特别适用于边缘丰富的图像分割,具有较好的分割普适性。

复杂背景下基于二维OTSU和肤色分割结合的掌纹图像分割方法

基于智能手机的掌纹识别符合非接触式、低分辨率等生物特征认证的发展趋势,但是由智能手机采集的掌纹图像背景往往比较复杂,导致手掌区域不能正确分割,限制了掌纹识别技术在智能手机上的应用推广。针对上述问题,本文在研究二维大津法(二维OTSU)和基于高斯模型的肤色分割两种方法的基础上,结合两者的优点,将两种方法分别以"串联"和"并联"两种融合方式相结合提出一种新的方法,对使用智能手机采集的复杂背景下掌纹图像分别进行分割。经实验验证,并联融合的方法对背景偏暗的掌纹图像分割正确率较高;串联融合的方法对背景偏亮掌纹图像正确分割率较高,两种方式结合能很好地满足复杂背景下掌纹分割的需求。

基于改进的二维Otsu法的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且各像素量和方差基本相当的不足,提出了一种基于二维Otsu的改进算法,实验结果表明,该算法比传统Otsu阈值法能够获得较好的分割效果。

一种改进的二维Otsu阈值分割法

针对传统灰度级-平均灰度级二维直方图区域划分存在的不足,提出了由灰度级-梯度构成改进的二维直方图区域划分方法,并给出了基于改进二维直方图的Otsu阈值法及其快速递推算法。实验结果表明:提出的改进二维Otsu法与传统二维Otsu法相比,抗噪性能好,分割所得的区域内部具有较好的一致性,获得的目标边缘更加清晰,同时减少了运行时间。

基于文化算法和二维Otsu方法的快速图像分割

针对二维Otsu方法计算量大的缺点,提出一种采用文化算法和二维Otsu法相结合的快速图像分割法.该方法利用文化算法的全局寻优能力,对图像的二维最大类间方差进行优化,通过文化算法的种群空间和信念空间的相互协作来获取二维Otsu的最佳二维阈值向量.实验结果表明,该方法具有良好的抗噪声性能,能得到较好的分割效果,缩短了寻找最佳二维阈值向量的时间,提高了二维Otsu方法的运算效率.

基于积分图像的快速二维Otsu阈值法

传统的二维Otsu法采用灰度级-平均灰度级二维直方图,针对传统二维直方图区域划分存在的不足,基于灰度级-梯度二维直方图,提出了一种引入积分图像的快速二维Otsu法,利用积分图像降低搜索二维直方图最佳阈值的计算复杂度,从而减少了计算量。实验结果表明,该方法具有良好的分割效果,大大地提高了计算速度,是一种快速有效且实时性好的阈值分割算法。

基于粒子群算法的二维Otsu阈值分割法

二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息,是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用粒子群算法来求解最优二维阈值向量。通过分别用快速递推算法和改进粒子群算法对显微细胞图像的实验表明,后者不仅能得到理想的分割效果,且相较于前者,计算量大大减少,达到了快速分割的目的,有利于提高图像处理的实时性。

基于混沌微粒群和二维Otsu法的图像快速分割

为了解决二维Otsu法在求取最佳阈值时存在计算量大,及微粒群算法容易陷入局部最优且速度较慢等问题,提出一种将混沌微粒群优化算法和二维Otsu法相结合的图像分割方法。利用混沌微粒群优化算法,实现二维阈值向量的快速全局搜索。实验证明,该算法对复杂图像具有良好的分割效果和较强的实时处理能力。

改进狼群优化算法的Otsu图像分割法

为减少算法的运行时间,对狼群算法和二维Otsu算法进行分析研究,提出改进狼群优化算法的Otsu图像分割法,将PSO算法中求解当前局部最优的思想引入到狼群算法的游走、召唤行为中,使狼群间实现信息交互,提高搜索最佳阈值的准确度;采用自适应化围攻行为,加快算法寻优速度;利用混沌法对得到的次优解进行优化,避免陷入局部极值.仿真结果表明,该算法既降低了分割时间,又提高了分割精度.

基于改进萤火虫算法的二维Otsu图像分割法

对二维最大类间方差(2-D Otsu)算法和萤火虫算法研究现状进行了调查研究.为了解决二维Otsu图像阈值分割方法存在的计算复杂度高、实时性差等缺点,提出了一种将改进的萤火虫算法与二维Otsu算法结合的图像分割算法,即通过自适应惯性权重优化的萤火虫算法(IFA)搜寻图像分割的最佳阈值.实验结果表明,改进后的算法能够很好的实现图像分割的效果,有效地缩短了图像分割的运行时间,可以运用于图像分割的实时处理.

一种快速递归红外舰船图像分割新算法

针对背景复杂、对比度低的红外舰船目标分割问题,提出了一种红外舰船图像分割的新算法.由于二维最大类间方差法不仅反映了图像的像素点灰度分布信息,还反映了邻域空间相关信息,因此有较好的抗噪能力.但是由于其解空间维数的增加,计算量的变化是以指数增长的,而粒子群优化算法可实现高效并行、随机、自适应群体搜索.基于这一特点,提出了基于粒子群优化的二维最大类间方差局部递归分割方法,有利于实现红外图像的实时处理.该方法同样适用于复杂背景下的其他红外目标图像的分割.

一种结合空间信息的图像阈值分割新方法

针对基于灰度分布的图像阈值分割方法的不足,本文通过结合使用灰度级和空间相关信息将分类像素的特征空间从一维推广到二维,利用二维Otsu方法得到稳健的初始分割,然后使用松弛迭代的区域增长技术来判决边缘像素的归属。实验结果表明,本方法能够获得更好的阈值分割效果和更强的鲁棒性,并且大大降低了时间复杂度。

红外图像序列中运动面目标的分割算法研究

利用红外成像实现自动目标检测,这在现代防御技术中具有重要的地位。本论文主要针对红外预警系统的目标探测补盲阶段,深入研究了现有的比较成熟的各种运动目标分割算法,用软件仿真了各算法处理图像的效果,并总结归纳了各种算法的优缺点,提出了在差分图像的基础上,采用二维最大熵法对图像进行分割以更好地提取区域目标的观点。经实验证明,该算法效果良好。

基于Fisher准则函数的二维阈值图像分割算法

文章针对图像分割中小目标物体识别困难和抗噪声性能差的问题,引入模式识别中的Fisher评价函数作为图像分割准则函数,基于Fisher准则函数提出二维阈值分割新技术,结合二维直方图抗噪声性能强和Fisher准则函数受目标和背景比例影响小的特点,对图像进行分割。实验结果表明,方法具有较好的识别能力和较强的抗噪声性能。

二维直方图模糊边缘检测算法

为了提高一般模糊边缘检测算法的抗噪声能力,本文提出了一种二维直方图模糊边缘检测算法。该方法通过像素邻域信息构建二维直方图,采用二维Otsu的方法来确定阈值向量,根据阈值向量重新定义了模糊隶属度函数;另外本文结合量子遗传算法来快速搜索阈值向量,大大节省了时间。仿真实验表明,该方法边缘检测效果较好,同时具有更强的抗噪声性能。

基于模糊阈值和水平集的红外图像分割方法

针对阈值法分割红外图像易产生误分割和水平集分割方法受初始曲线限制大,提出了一种结合模糊阈值与水平集的自适应红外图像分割方法。该方法首先采用二维Otsu方法计算阈值,利用该阈值获取模糊阈值分割法中的窗口宽度,使模糊阈值分割法具有自适应性;然后采用此自适应模糊阈值分割法预分割红外图像,利用预分割结果自动获取水平集初始曲线;最后将Chan-Vese方法与Shi方法结合提出改进的水平集方法,并用此方法分割红外图像。实验结果表明,本文方法具有较好的分割效果和较强的鲁棒性。

一种改进的印刷电路板缺陷检测分割算法

针对印刷电路(PCB)板缺陷检测分割中存在分割效果差、运行速度慢以及适用范围小的问题,提出一种改进的基于遗传算法的二维最大类间方差法的快速迭代算法。首先利用改进的遗传算法来确定分割中的最优阈值,再将这个最优阈值应用到二维最大类间方差法快速迭代算法中来确定最终的阈值最优解,从而完成分割。仿真实验表明,该算法分割的PCB图像,更加接近于人工标注的结果,最终的精度和Kappa系数达到了98.68%和0.970 6,具有广泛的应用前景。

捷变频雷达联合脉内频率编码抗间歇采样干扰

间歇采样转发干扰通过对雷达信号进行部分采样并迅速转发,在当前脉冲重复周期内,产生相干假目标串,使得基于传统频率捷变雷达的目标检测面临严峻挑战。因此,在频率捷变技术基础上提出一种捷变频雷达联合脉内频率编码的抗间歇采样干扰方法。针对间歇采样干扰时域不连续的特点,通过脉内频率编码-脉间频率捷变实现子脉冲间的相互掩护。脉冲压缩后,首先利用最大类间方差法(Otsu)自适应计算阈值并抑制干扰,然后通过二维稀疏重构方法实现目标检测。理论分析和仿真实验证明所提方法可以有效对抗间歇采样干扰。