基于分割评价的多层次自适应双阈值分割算法

论文通过分析最大信息熵双阈值分割算法原理,根据先验知识,设置目标出现最小最大频度条件,改变自适应双阈值计算条件,加快计算速度.同时通过计算分割后各个目标相关特征,利用BP神经网络技术对每个目标进行评价,根据评价结果修改原输入图像相应目标区域,并引入多层次迭代机制,实现了图像的多层次综合分割.实验结果表明,基于分割评价的多层次自适应双阈值分割算法提高了算法的通用性和分割的精确性,但是算法复杂性增加.

基于自适应双阈值的蔬菜病害知识视频分割方法

针对以3G手机为媒介的农业知识视频传输质量与传输时间、流量及费用冲突等问题,提出了一种基于自适应双阈值法的农业知识视频分割方法。利用双阈值自适应变化逼近视频镜头分割最佳阈值,通过比较镜头相似度确定因阈值偏差产生的误检镜头进而对分割结果修正。蔬菜病害知识视频分割试验表明,该文整体算法的设计能够实现快速分割,并使得镜头查全率大于95%、查准率大于98%,视频分割效果可满足农民用户的专业化、个性化的信息需求,同时为其他农业知识视频的分割提供了参考方案。

基于自适应阈值投影的双行车牌分割方法

针对国内双行车牌号分割方法少,且准确率低的问题,提出了一种自适应投影法的双行车牌分割方法。首先利用车牌图像在HSV颜色空间的特性,将图像二值化,然后利用自适应投影法将双行车牌分割为单行车牌,最后分割出车牌号上的字符。实验表明,该方法能够对蓝底白字、白底红字、绿底黑字和黄底黑字的双行车牌进行有效分割,对双行电动自行车车牌号分割的准确率更高;同时,该方法克服了基于深度学习方法的训练时间长、需要大量数据集等问题,是一种简单高效的分割方法。

特殊靶标图像的Otsu自适应双阈值分割法

针对特殊管道弯曲度测量光斑的高精度定位要求,提出了一种特殊靶标图像的Otsu自适应双阈值分割法。介绍了基于准直激光管道弯曲度测量原理,先对特殊靶标图像进行处理,然后对整个图像灰度分布统计特性进行计算,建立起计算自适应双阈值的数学模型,从而实现特殊靶标图像自适应双阈值分割。实验结果表明,该方法具有较强的稳定性、实时性好、靶标图像分割效果较好,提高了光斑的定位精度。

自适应最小误差阈值分割算法

对二维最小误差法进行三维推广,并结合三维直方图重建和降维思想提出了一种鲁棒的最小误差阈值分割算法.但该方法为全局算法,仅适用于分割均匀光照图像.为提高其自适应性,本文采用Waterflow模型对非均匀光照图像进行背景估计,以此获得原始图像与背景图像的差值图像,达到降低非均匀光照对图像分割造成干扰的目的.为进一步提高分割性能,本文对差值图像采用γ矫正进行增强,然后采用鲁棒最小误差法进行全局分割,从而完成目标提取.最后本文对均匀光照下以及非均匀光照下图像进行了实验,并与一维最小误差法、二维最小误差法、三维直方图重建和降维的Otsu阈值分割算法、灰度波动变换自适应阈值方法以及一种改进的FCM方法在错误分割率和运行时间上进行了对比.实验结果表明,相对于以上方法,本算法的分割性能均有明显提升.

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。

图像的自适应模糊阈值分割法

针对目前图像模糊阈值分割法所存在的窗口宽度自动选取困难的问题 ,在预先给定隶属函数和图像像素类别数的情况下 ,提出了图像模糊阈值分割法的自适应窗宽选取方法 .同时 ,针对用模糊阈值方法难于分割的具有单峰或双峰差别很大的直方图的图像 ,提出了一种直方图变换方法 ,对变换后的直方图 ,利用自适应模糊阈值分割法可以获取有效的分割 .最后 ,算例表明了文中所提方法的简洁性、有效性和很好的鲁棒性 .

基于运动补偿和自适应双阈值的镜头分割

镜头分割是视频检索的结构化基础。提出一种高效的镜头分割算法,首先针对视频中的图像帧序列间存在一定的运动,对视频中的图像帧采用运动矢量场自适应搜索技术进行分块运动矢量估计,然后进行运动补偿,接着在此基础上计算两帧间的像素值不变点数,并基于滑动窗口获取局部自适应的双阈值,最后基于自适应双阈值间的比较检测切变和渐变。实验结果证实,该算法不仅能够有效地检测出镜头的切变和渐变,而且对运动具有较强的鲁棒性。

基于自适应多尺度的血液细胞图像阈值分割方法研究

提出一个基于自适应多尺度滤波的阈值分割方法 ,对血液细胞图像进行了自动分割 .首先 ,对图像原始直方图进行多尺度滤波 ,根据它的尺度空间图特性 ,确定合适的滤波尺度 ,然后完成对谷点由“粗”到“精”的定位 ,并作为阈值对原始图像进行分割 ;其次 ,利用松弛方法对分割图像作后处理 ;最后 ,将该方法与其他阈值分割方法做了分割性能的比较 。

基于不同自适应阈值法的铁谱图像分割效果比较

最大方差法、最大熵值法和最小误差法是3种常用的自适应阈值法,它们对铁谱图像的分割结果有着较大的差异。为了探究形成这种差异的原因和探讨阈值法对铁谱图像分割的适应性,分析这3种常用的自适应阈值法的基本原理,比较3种方法对30组铁谱图像的分割实验结果。得出如下结论:3种方法之所以会输出3种不同的分割阈值,是因为它们采用了不同目标函数;对于双峰分布的铁谱图像,3种方法有着相似的分割效果,最大方差法准确性略高;对于近似单峰分布的铁谱图像,最小误差法的分割结果最优,最大方差法则不能正确分割出磨粒。因此,在铁谱图像分析过程中,应该根据铁谱图像的灰度分布特点选择相应的阈值分割算法。

基于HS分量联合统计的自适应阈值分割算法

为了在光线变化明显的场合下改善图像分割的效果,提高图像分割对光照变化的鲁棒性,提出了一种基于HSI颜色空间HS分量联合统计的自适应阈值分割算法.对光照时刻变化环境下的图像在HSI颜色空间进行阈值初分割,并对分割后的ROI感兴趣区所有像素点进行HS分量联合统计,验证统计结果在光线渐强情况下的变化规律,同时引入比例因子经验值反映H分量和S分量对分割阈值影响程度的差异,通过所提出的算法对阈值进行自适应更新.试验结果表明,HS分量统计值随着光线变强有减小的趋势,基于此规律提出的自适应阈值图像分割方法分割效果较好,在保证实时性的基础上提高了目标识别对光线变化的鲁棒性.

基于因果的自适应双阈值镜头边界检测算法

将因果检测法与双阈值法相结合,提出了一种基于因果的自适应双阈值镜头边界检测算法。首先,利用相邻两帧之间的帧间差异值对突变和渐变进行预检;然后,加入渐变检测容忍度、边缘和非相邻帧间差异值等信息,对初检结果进行复检,排除闪光灯、剧烈物体运动、淡入、淡出以及溶解等造成的误检和漏检,以提高整体检测效果。实验结果表明,与传统的双阈值镜头检测方法相比,本方法可获得更好的检测性能。

一种新的目标图像自适应阈值分割算法

提出了一种新型的用于目标图像识别与跟踪的自适应阈值分割方法,并对其进行改进,同时给出了它与其他两种阈值分割方法的比较实验,定性和定量分析结果证实了该方法在精度和速度方面都具有明显的优势。最后给出了在噪声干扰和复杂背景的情况下的实验,说明该方法具有较强的适应性。

基于遗传算法的二维双阈值Otsu图像分割算法

为了提高图像分割的精度和效率,提出了一种基于遗传算法的二维双阈值最大类间方差法的图像分割算法。该方法用两个阈值同时考虑了图像像元点灰度信息的范围和像元点之间相关信息,并对未处理区域做了后处理,以提高分割的精度和鲁棒性。为了提高分割速度,给出了一种改进遗传模拟退火算法。实验结果表明,文中提出的方法比传统的二维最大类间方差法更加完整、快速地分割出复杂背景中的图像。

基于自适应双阈值的SUSAN算法

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。

加油站中基于自适应阈值分割的车辆停车检测方法

针对加油站复杂环境下难以获取停车数据的问题,提出一种基于自适应阈值分割的车辆停车实时检测方法。以加油位为检测对象,使用改进的均值背景法更新加油位的背景;将背景差分法与Otsu算法相结合,提出一种改进的自适应阈值分割算法;设计停车检测算法,检测出加油车辆的停车时间点、车牌号以及停车持续时间。实验结果表明,该算法能有效检测出车辆的停车数据,并能过滤掉过往车辆和行人等噪声干扰。

一种邻域自适应的双阈值点云特征提取方法

点云数据的特征提取是点云数据处理环节中的一项重要内容,对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术,阐明了特征提取过程中邻域选取与单一参数计算存在的问题,提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果,验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果,对提高点云特征点提取的精度及效率具有重要的意义。

2维Otsu自适应阈值的快速算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理领域得到了广泛的应用,在其基础上发展起来的2维Otsu阈值法却因为计算时间长而制约了其应用。针对2维Otsu自适应阈值方法计算复杂度高的缺点,通过改变2维直方图上的区域划分,将2维阈值转换为1维阈值,从而提高了2维自适应阈值算法的计算速度。实验结果表明,该算法的计算时间远远小于原始2维Otsu算法,分割效果和原始算法基本一致。

一种自适应小目标图像分割方法

将遗传算法用于小目标图像分割 .提出了目标在图像中所占比例的可能范围参数 ,并结合 P- tile法和直方图熵法得到一种新的自适应目标分割方法 .该方法克服了传统P- tile法要求已知目标所占确切比例的缺陷 ,并利用遗传算法能自动在搜索空间内快速寻优的特点 ,可以推广到包含任意大小目标的图像分割问题上 .用户可选择目标占整个图像面积的不同的“最小百分比”和“最大百分比”参数进行反复操作 ,得到多个不同结果 ,然后对这些结果做后续分析 (如数据融合分析 ) ,从而得到更加准确的判断 .试验结果表明 ,该方法具有良好的分割质量 ,运算速度提高了 2 1.5 % .

基于自适应定向正交投影分解的图象分割方法

将目标和背景分别对应到灰度直方图中的两个高斯分布是进行图象分割的一种常用方法 ,但复杂图象的直方图往往是多峰的 .为了更好地拟合这种复杂图象直方图的多峰特性 ,提出了一种基于自适应定向正交投影分解的图象分割方法 .该方法首先将这种复杂图象的直方图看作是多个高斯分布的叠加 ,并可通过应用自适应定向正交投影分解法来快速准确地确定每个高斯分布的权值、均值和方差 ,进而计算出各相邻高斯分布之间的最优阈值 ,以用于图象分割 .在此基础上 ,又提出了阈值分离度的概念 ,并将其作为选取最终阈值的指标 .应用实例结果表明 ,该方法能够快速有效地实现复杂图象的多阈值分割 .