Image Segmentation of Brain MR Images Using Otsu’s Based Hybrid WCMFO Algorithm

In this study,a novel hybrid Water Cycle Moth-Flame Optimization(WCMFO)algorithm is proposed for multilevel thresholding brain image segmentation in Magnetic Resonance(MR)image slices.WCMFO constitutes a hybrid between the two techniques,comprising the water cycle and moth-flame optimization algorithms.The optimal thresholds are obtained by maximizing the between class variance(Otsu’s function)of the image.To test the performance of threshold searching process,the proposed algorithm has been evaluated on standard benchmark of ten axial T2-weighted brain MR images for image segmentation.The experimental outcomes infer that it produces better optimal threshold values at a greater and quicker convergence rate.In contrast to other state-of-the-art methods,namely Adaptive Wind Driven Optimization(AWDO),Adaptive Bacterial Foraging(ABF)and Particle Swarm Optimization(PSO),the proposed algorithm has been found to be better at producing the best objective function,Peak Signal-to-Noise Ratio(PSNR),Standard Deviation(STD)and lower computational time values.Further,it was observed thatthe segmented image gives greater detail when the threshold level increases.Moreover,the statistical test result confirms that the best and mean values are almost zero and the average difference between best and mean value 1.86 is obtained through the 30 executions of the proposed algorithm.Thus,these images will lead to better segments of gray,white and cerebrospinal fluid that enable better clinical choices and diagnoses using a proposed algorithm.

基于改进PSO-Otsu的电气设备红外图像分割算法

红外图像分割对于电气设备的热故障检测至关重要。鉴于红外图像存在图像模糊、分辨率不高等缺点,为了增强红外图像的清晰度,改进红外图像分割效果,文章提出一种基于改进PSO优化的Otsu电气设备红外图像分割方法。该方法首先使用Sobel算子锐化图像;其次通过PSO-Otsu算法对电气设备红外图像进行分割;最后依据红外图像的特征优化PSO-Otsu算法中的参数,提高算法运行效率。实验结果表明,所提算法分割后的图像轮廓清晰,可识别性高,在图像分割效果和分割速度上都优于对比算法,能够满足对电气设备红外图像实时处理的需求。

基于改进雁群算法的Otsu多阈值图像分割

阈值分割是一种被广泛应用的图像分割技术。然而,传统的最大类间方差法(Otsu算法)在多阈值图像分割中面临着计算复杂度高、执行时间长及分割准确性不够等挑战。针对这些现象,提出一种基于改进雁群优化算法(CBLSGSO)的Otsu多阈值图像分割算法,该算法将Cubic混沌映射模型嵌入雁群算法初始化过程中,提高种群的多样性;提出多区域引导式结构,对种群动态切分并设计不同的进化机制,扩大种群寻优范围;引入自适应正余弦策略和蝴蝶算法搜索策略,提高算法的收敛精度,有效地平衡了算法的全局寻优能力和局部寻优能力。为验证改进后Otsu算法性能,选取ACC、Jaccard、Specificity、F1-score、FSIM、SSIM和PSNR等指标作为评价指标,并与近年来不同学者提出的图像分割算法进行实验对比,验证了算法的有效性。实验结果表明,基于改进雁群算法的Otsu图像分割法能更快速精确地解决复杂图像分割问题。

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。

二维Otsu的Z字折线阈值分割方法

针对二维直方图阈值分割算法存在的因误分类而导致的分割精度下降的问题,结合二维直方图的先验知识的阈值分割方法,提出了二维Otsu的Z字折线阈值分割方法。基于二维Otsu区域斜分法的基础上进行改进。我们结合二维直方图中的边界区域和噪声区域的信息,采用Z字折线阈值作为分割标准,纠正了普遍存在的错误分类,并利用小概率事件原则自适应确定折线方程,实现高精度图像分割的同时还有效提高了算法的适应性。实验结果表明,改进方法能够有效提高图像分割的精度,增强自适应性,与同类分割算法比较,性能有了明显提升。

面向Otsu阈值搜索的PSO惯性因子改进方法

针对搜索最大类间方差法(Otsu)的最优阈值,提出了一种粒子群优化(PSO)算法中惯性因子的改进方法。该方法使粒子群优化算法中的惯性因子与粒子群的群最优适应值和个体最优适应值相关,用个体最优适应值与群最优适应值之间的距离修正惯性因子的大小。随着个体最优适应值与群最优值之间距离的减小,惯性因子也相应减小,反之则增加。实验结果表明:该方法与已有PSO惯性因子的进化方法相比,计算量小,收敛速度平均提高了21.072 6%。使用该方法可改善图像在线分割速度。

基于改进PSO算法的Otsu快速多阈值图像分割

为了确定图像分割的最佳阈值,基于改进粒子群优化算法,提出了一种快速多阈值图像分割方法。首先引入独立峰值将直方图划分为若干区域,然后在各个区域使用最大类间方差法得到优化的目标函数,用具有非均匀变异特性和雁群飞行启示的线性递减惯性权重粒子群算法对目标函数进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割。将分割结果与常规最大类间方差法的多阈值分割结果相比较,证明该算法不仅可以正确地实现图像分割,并可使分割速度大大提高。

基于PSO改进的OTSU图像分割方法

阈值的选取对图像分割后的效果起着至关重要的作用,本文针对图像分割过程中阈值选取的问题,提出了一种基于PSO优化的改进OTSU图像分割算法。该算法以最大类间方差作为PSO算法适应度函数,以当前分割阈值组合作为粒子的当前位置,阈值更新速度作为粒子的当前速度。通过迭代计算更新粒子位置和速度,最后确定图像分割的最佳阈值。与传统OTSU图像分割算法及基本遗传算法图像分割算法相比,该算法稳定性更好,算法效率更高。

PSO优化三维Otsu森林冠层图像快速分割算法

森林冠层图像分割是采用数字图像处理方法获取森林冠层参数的关键步骤,针对林木冠层鱼眼图像背景复杂、分辨率高的特点,提出一种PSO优化三维Otsu法的森林冠层图像分割算法,将传统三维OTSU进行分解,以减少运算时间和存储空间,并利用PSO算法优化二维Otsu求取阈值过程。实验结果表明:提出的算法能够快速并准确地分割森林冠层鱼眼图像,尤其在树梢细节区域分割效果更好。所提方法可为林木冠层参数测量提供技术支持。

基于改进PSO理论的二维Otsu分割算法

二维Otsu阈值分割方法是图像分割中常用的分割方法,但其算法运算量大,大大限制了实时性要求,为此,提出了一种基于改进PSO理论的二维Otsu分割算法。首先从二维Otsu算法基本理论出发应用有智能寻优特点的PSO理论来寻找最佳阈值向量,而后又针对传统PSO算法的缺点引入协同分工的合作思想来寻找最佳的分割阈值。实验证明,应用改进的PSO理论的二维Otsu算法不仅能够正确地寻找到阈值,还大大提高了计算速度,是一种高效快速的分割方法。

基于Deeplabv3+与Otsu模型的输电线电晕放电紫外图像分割方法

电晕放电严重威胁输电线路的安全运行,如何提高其放电区域识别分割准确率是一个亟待解决的问题。而因环境影响及设备性能限制,夜间型紫外成像仪常出现成像不清晰、放电区域对比度不明显等特征,导致难以有效实现电晕放电区域的分割,从而影响放电故障的判定。为此提出了基于Deeplabv3+与Otsu模型的输电线电晕放电紫外图像精确分割方法,首先构建基于Deeplabv3+语义分割模型,对放电区域进行类别分割得到大致区域;然后,利用改进Otsu算法对语义分割结果中放电目标区域方差自适应加权,使得分割阈值近似理想阈值,从而实现电晕放电区域的精确分割。实验结果表明,本文提出的分割方法在测试集中平均像素精度为93.97%,平均交并比为90.85%,分割性能良好。

PSO优化OTSU算法在大米图像分割中的应用

在大米品质检测中,大米图像的分割是其中的必要环节。常用otsu阈值分割算法实现大米图像分割的过程。但是传统一维otsu算法只是基于灰度值信息的分割效果不理想,而传统二维otsu算法的存在计算冗余,过程复杂、分割需要的时间长,为此提出了一种大米图像分割的pso优化二维otsu算法,通过粒子群优化算法实时更新粒子速度和位置,利用其寻优特性能够快速求解得到分割阈值,实现大米图像分割,减少otsu算法自适应阈值的冗余计算,提高运行速度。结果表明该分割算法在大米图像分割实验中,有效降低了二维otsu运算过程的复杂度,减少了图像阈值分割的时间,并且没有对取值结果造成影响,寻找的阈值准确,提高了阈值分割的效率,具有一定的可行性,为大米图像处理研究和粮食品质检测提供了参考。

基于IMFO-Otsu的果实深度图像多阈值分割

为了解决传统果实图像进行阈值分割易受颜色、光照等因素影响的问题,提出一种基于改进飞蛾火焰算法(Improved Moth flame Optimization,IMFO)的多阈值分割算法(IMFO-Otsu)。算法在构建深度直方图后,根据多阈值Otsu准则获取最佳分割阈值。为了提高获取最佳阈值的计算效率,对多阈值Otsu准则进行剪枝处理,并使用提出的改进飞蛾火焰算法对算法进行加速。为验证IMFO-Otsu算法的效果,使用该算法对采集得到的果实图像进行多阈值分割,结果表明提出的算法具有良好的性能。由于提出的算法没有用到彩色图像的颜色信息且简单有效,能在夜间环境等复杂情况对果实识别与定位提供支持。

PSO-OTSU算法在图像分割中的应用

针对最大类间方差(OTSU)算法运算复杂、耗时等缺点,对PSO-OTSU算法在图像分割中的应用展开研究。将最大类间方差作为适应度函数,按照PSO算法进行速度和位置的更新,完成最优搜索获取最佳分割阈值。实验结果表明,与传统OTSU法对比,PSO-OTSU算法在获得较好分割效果的同时,具备降低运算复杂度、缩短分割时间的优势。

基于大津阈值的量子图像分割方法

为解决量子计算机上图像分割的问题,研究一种基于大津阈值的量子图像分割方法。设计量子加法器、量子减法器、量子乘法器、量子除法器和直方图的基本模块,在此基础上,设计累积直方图、累积平均值、类间方差等子模块,通过对每个灰度级所对应的类间方差进行排序,选取所有类间方差的最大值作为大津阈值,对得到的大津阈值进行图像二值化量子线路设计。通过在经典计算机上的仿真验证了方法的执行效果,基于所用基本量子门数量,分析量子线路的复杂度,其结果表明,所提方法可以实现对经典方法的加速。

基于Otsu准则和直线截距直方图的阈值分割

对二维Otsu法中类间离散度测度进行了分析,发现按该算法对被噪声污染图像的二维直方图进行划分时,所得两类的类内均值点容易远离主对角线,因而抗噪声能力不足。针对以上情况,本文提出了一种新算法,该算法基于二维直方图中直线阈值分割的思想,利用像素点的二维信息直接建立阈值直线的截距直方图;然后应用Otsu准则对该一维直方图求解最佳截距阈值,并应用该阈值和二维信息完成图像分割。对提出的算法与传统二维Otsu法进行了比较和分析,结果表明:提出的算法可以有效避免传统算法在抗噪方面的缺陷,当实验图像的噪声方差大于0.003且逐渐增加时,提出的算法抗噪表现稳健;另外,提出的算法计算阈值的速度比基于二维Otsu法的直分法和直线阈值法快2个数量级以上,占用内存空间更少。因而提出的算法是一种抗噪稳健且快速有效的阈值分割算法,更适于实时应用。

Otsu准则下分割阈值的快速计算

传统Otsu法在确定阈值时需要穷举计算图像中每个灰度值为阈值时的类间方差.文中利用Otsu阈值的性质,提出了一个新算法以快速计算Otsu阈值.新算法搜寻出与两类类内均值的平均值的整数部分相等的阈值,从中确定一个符合Otsu准则的阈值.传统Otsu法在对梯度图像中的小目标分割时分割性能不佳,文中提出了一个Otsu阈值的改进算法,该算法使用快速计算Otsu阈值的新算法递归求解分割阈值.实验结果表明,与传统Otsu算法相比,计算Otsu阈值的快速算法速度更快,而阈值的改进算法对梯度图像中的小目标分割效果更好.

三维直方图重建和降维的Otsu阈值分割算法

针对三维Otsu阈值分割算法中因区域误分而产生的抗噪性差这一问题,提出了一种三维直方图重建和降维的Otsu阈值分割算法.该方法首先在详细分析三维直方图中噪声点分布的基础上,通过重建三维直方图,减弱了噪声干扰;然后将三维直方图区域划分由八分法改为二分法,使得阈值搜索的空间维度从三维降低到一维,减少了处理时间和存储空间.本文最后给出了算法的分割结果和运行时间,并与三维Otsu方法、二维分解法和二维斜分法进行对比.实验结果表明,本文算法的抗噪性更强,且分割效果更为理想,同时时间复杂度也远低于三维Otsu法.

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。

Canny算子中Otsu阈值分割法的运用

Canny算子只要能适当地选择其参数就能提取物体清晰的轮廓。利用类间方差最大化阈值分割算法(Otsu)能够计算出对Canny算子性能具有决定意义的高门限值,然后将这门限值运用于Canny算子来检测物体边缘。从实验结果看,Otsu算法应用于Canny算子中门限选择,改善了Canny算子的边缘提取效果,取得了预计的成果。