自适应粒子群集优化二维OSTU的图像阈值分割算法

为了解决红外相机采集行人图片时图像分割效果问题,提出一种自适应粒子群优化二维OSTU的阈值分割算法。利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,通过计算二者的均值和方差,建立二维最大类间方差模型,结合自适应粒子群集算法,估计出图像的最佳阈值,该方法不仅能够准确估计阈值且计算时间减少。仿真结果表明,阈值最佳时,当结合自适应粒子群集优化算法后计算时间减少到原来的50%,所提出的算法能够快速准确得到最佳阈值,提高了图像预处理的分割效果。

基于量子粒子群算法的Ostu图像阈值分割

二维Ostu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Ostu方法计算量大的特点,采用量子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,通过各个粒子的飞行来获得最优阈值。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Ostu方法的实时应用。

基于加权融合特征与Ostu分割的红外弱小目标检测算法

为提高红外弱小目标在复杂背景干扰与低信噪比条件下的检测精度与效率,基于局部加权融合特征与分类二维Ostu分割,提出红外弱小目标检测算法。利用红外弱小目标与背景的灰度差异,基于Top-Hat算子设计红外背景过滤机制,使弱小目标从背景中凸显出来,使用图像的熵值定义局部加权融合特征,完成弱小目标的粗定位。采用分形理论计算粗定位区域内所有像素的分维值,构建像素分维像模型完成弱小目标的细定位,并通过特征分类二维Ostu分割机制实现红外弱小目标的精确检测。测试结果表明,与现有红外弱小目标检测算法相比,该算法具有更高的检测精度与更短的检测耗时。

一种基于PSO与OSTU的改进絮体分割算法

介绍了图像分割中常用的直方图法、迭代法、经典大津法的阈值选取原理,然后对水处理混凝过程中的絮体图像进行分割对比实验,结合絮体运动特点和水处理实时性的要求,提出了一种基于粒子群优化(PSO)与OSTU的絮体图像分割的改进算法,即先通过灰度拉伸以增强图像灰度对比,再利用PSO算法的全局搜索能力来改善OSTU方法的阈值选取时间,求出分割阈值。实验表明:该算法能实现絮体图像的准确、快速分割,达到实时计算絮体等效粒径和数量的要求。

基于细菌趋药性的Ostu双阈值图像分割算法

双阈值或多阈值分割对于复杂图像具有较好的分割效果,但算法计算量较大,不适合实时应用。为此,提出一种基于细菌趋药性、利用域间最大方差的双阈值图像分割优化算法。仿真结果证明,与传统穷尽式搜索算法相比,该算法能在保证分割效果的前提下,降低时间复杂度。

HSI模型结合OSTU法的玉米种胚检测算法

为解决玉米种胚特征提取问题,提出了一种利用HSI模型结合OSTU方法进行玉米种胚检测的算法。使用研制的图像采集系统获取玉米种子的RGB图像,并利用公式转为HSI图像进行分析,发现胚部与非胚部的S分量的差异较之B分量更加明显。同时,采用屏蔽背景像素的OSTU方法 ,对S分量图像进行分割,获得玉米种胚区域。试验表明,此算法能检测到的玉米种胚区域与人眼观测到的基本一致。

Ostu算法的改进研究

智能视频监控系统已经逐步应用到医院、商场等公共场合,运动目标检测算法是该智能系统的关键技术之一。文章首先从比较现有的典型运动目标检测算法出发,然后引入Ostu算法用于目标检测的图像处理过程中选取最佳阈值,最后针对其实际存在的问题,给出了一种改进方法及测试结果。

基于改进二维Ostu算法的SAR图像分割方法研究

INS／SAR组合导航系统对SAR图像分割提出了较高的实时性和准确性要求。文章针对SAR图像的特点与二维Ostu方法在区域划分以及运行速度上的缺陷，提出了一种改进的二维Ostu方法，更为准确地划分了目标和背景区域，并且将阈值搜索空间由二维降为一维。经仿真验证，该方法具有良好的分割效果并能有效提高分割速度，满足了组合导航系统相应的设计要求。。

基于小波域灰度拉伸的Ostu图像分割

针对Ostu分割方法简单有效但不适用于没有明显双峰直方图图像分割的问题,提出了一种基于小波域灰度拉伸的Ostu图像分割方法,结合小波变换和最大类间方差分割的原理对图像进行灰度拉伸和边缘信息增强后再利用Ostu方法进行分割.实验结果表明,新的分割方法在没有明显增加计算复杂度的情况下增大了Ostu方法的普适度,保留了更丰富的细节成分,提高了分割精度.

基于麻雀算法优化的OSTU分割算法

针对传统最大类间差法(OSTU)在分割图像时计算量大、时间效率低的缺点,提出一种基于Singer混沌映射和随机游走策略的麻雀优化的OSTU分割方法(SRWSSA)。首先,利用Singer混沌映射改进初始化麻雀种群,增加初始麻雀种群的多样性,提高全局搜索能力;其次,采用随机游走策略对更新后的最优麻雀进行扰动变异,进一步增加种群多样性,增强局部搜索能力;最后,使用提出的优化算法对标准图像进行二维OSTU分割,得到最优阈值分割图像。结果表明,所提出的SRWSSA算法在寻优能力和迭代时间上均得到了明显改善,迭代次数较PSO-OSTU、SSA-OSTU分别减少了83.3%、76%,图像峰值信噪比分别提高了8.2%、11.3%,运行时间上也有所提高,具有一定的可行性。

双阈值Ostu算法的侧扫声纳图像分割

为了利用侧扫声纳进行水下目标的探测和识别,首先必须将声纳图像分为亮点、阴影和背景三部分。由于多数侧扫声纳图像各部分灰度对比较明显,所以适合采用阈值分割的方法进行图像分割。本文针对基本的Ostu阈值提取算法,提出了改进的双阈值Ostu算法,从而满足将图像分为三部分的需求,得到分割阈值。在Ostu算法中,除了使用灰度均值,还使用了灰度方差作为特征量对阈值进行了自动提取。然后根据侧扫声纳图像的特征提出了一种快速分割的算法,将提取的阈值应用到该算法中,成功地将侧扫声纳的亮点和阴影在复杂的背景噪声中分割提取出来。并且发现方差比均值更适合用于Ostu算法进行图像分割,得到的分割效果更好,提高了算法的正确性和合理性。

一种新颖的Ostu图像阈值分割方法

二维Ostu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Ostu方法计算量大的特点,采用含维向量变异量子粒子群算法,计算每一维的收敛度,以一定的概率对收敛度最小的维进行变异:让所有粒子在该维上的位置重新均匀分布在可行区域上,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,通过各个粒子的飞行来获得最优阈值。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Ostu方法的实时应用。

基于ROI与自适应Ostu相结合的图像分割算法

图像分割对于提取感兴趣区域的特征,提高现有图像分析系统的工作效率有着积极的作用。在结合当前静态图像中的ROI检测技术,利用建立后的ROI区域内图像代替整幅图像作为后续工作,并对Ostu阈值分割法进行自适应改进算法研究的基础上,研究了一种结合ROI生长技术与自适应Ostu阈值分割算法结合的新的分割方法。实验证明,该算法能够取得较理想的分割效果,有效地提取出感兴趣特征。

基于OSTU算法利用新型水体指数进行Landsat数据自适应阈值水体自动提取研究

利用Landsat数据,结合NDWI与MNDWI提取水体信息的特点提出了一种新的水体指数NMWI,并结合OSTU算法自适应地确定最佳分割阈值,完成了对海洋、河流、湖泊和水库4种主要的典型水体信息的自动提取,均取得了较好的效果。

基于OSTU炉膛火焰图像分割建模

炉膛火焰图像的正确分割对于提取炉膛燃烧参数具有重要的意义,本文针对OSTU分割法的不足,提出先对炉膛火焰灰度图像进行伪彩色增强处理,目的是使目标与背景图像产生明显的区分,然后再采用OSTU分割法对炉内火焰图像进行分割等一系列处理,实验结果表明该方法的分割效果是明显的,克服了炉内火焰灰度图像直接采用OSTU分割法带来的分割不明显情况。

基于三分量色差法和Ostu法的交通标志检测

交通标志检测是交通标志识别的难点。在复杂的交通环境下,采用传统颜色空间的固定阈值分割进行交通标志检测的方法鲁棒性差,难以准确有效地检测出交通标志。提出了一种基于三分量色差法和Ostu法的交通标志检测方法。首先,通过计算图像R、G、B分量的差值来得到红、蓝、黄三种颜色分量,然后利用Ostu法分别对它们进行阈值分割,得到交通标志的检测结果。实验结果表明,该算法的检测准确率和实时性满足实际要求。

自适应OSTU算法在舰船边缘检测中的应用及其FPGA实现

针对舰船边缘信息检测实时性差、检测效果不佳等问题,通过选取适用于舰船边缘检测的数学形态运算与最大类间方差二值法的方法,并结合FPGA并行处理能力,构建舰船边缘检测硬件平台。在该硬件平台上,采用FPGA对舰船目标相关算法进行硬件实现。从舰船图像处理结果分析可知,采用传统CPU进行算法处理需要约120ms,采用FPGA实现仅需21.2ms,采用FPGA加速后处理速度提高5倍以上,完全可满足实时性要求,因此该方法具有良好的应用前景。

结合Ostu阈值法的最小生成树图像分割算法

基于最小生成树的图像分割算法是一种全局最优的算法,然而会出现图像细节的处理不甚理想的问题,即分割结果出现不同程度的过分割和欠分割的现象。针对这一现象,根据图像全局和区域间的最大类间方差(Ostu),将Ostu阈值法与最小生成树(MST)算法相结合,提出了一种基于MST的Ostu阈值法图像分割准则。该图像分割算法是一种MST的优化方法,将区域合并判决条件取决于相互合并的两个区域的Ostu阈值,又考虑到较小的区域包含在较大的目标区域中或者背景区域中,再次使用Ostu阈值进行区域合并。该方法通过实验证明,可以有效地减弱图像的过分割与欠分割比例,减少了误分割率。

基于彩色空间的二维OSTU的图像分割算法

图像分割的研究一直是图像处理研究的热点问题,尤其是对彩色图像的分割研究更为重要,虽然对彩色图像分割的研究提出很多分割算法,但是很多算法仍存在缺陷,本文针对解决二维OSTU分割算法分割图像时计算复杂和易受噪声干扰的问题,提出将Lab彩色空间应用到二维OSTU算法中,首先将色彩图像从RGB空间转到Lab空间,然后联合利用L通道、a通道、b通道图像信息进行粗分割,最后针对其中某个通道的图像信息进行二维OSTU细分割。通过试验表明,该方法对彩色图像有较好的分割效果。

基于YCbCr和Ostu算法的电力热故障区域提取

针对电力设备热故障区域定位问题,提出一种融合YCbCr(一种色彩空间)、色差法和Ostu(大津法)算法的红外图像提取方法。首先将原始红外图像从RGB(Red Green Blue)色彩空间转换到YCbCr色彩空间,完成初始前景分割;然后对分割完的图像进行红绿色差灰度化,突出故障区域;最后采用Ostu算法寻找最优分割阈值来对灰度图作图像分割,实现热故障区域的提取。借助Matlab对常见的电力热故障红外图像进行了实验测试,实验结果表明:该算法能够有效提取红外图像中的热故障区,为后续的故障特征提取与识别奠定基础;与传统算法对比,该算法具有更加精确、全面、完整等优点。