基于改进的Otsu法对红花图像分割的研究

红花图像分割的准确率直接影响后期红花空间定位的精度。利用改进的色差模型结合Otsu法,建立一种准确分割目标红花的方法。首先,将RGB颜色空间转换为HSV颜色空间,利用H、S、V阈值范围清除图像背景像素,初步对图像像素进行筛选;然后利用双边滤波法对筛选后的图像进行预处理,随后利用基于最小二乘原理的色差模型,快速准确分割目标红花;最后,采取最小外接矩的方法标记出目标红花和重心点,将标记效果融合到红花原图中,完成红花识别。结果表明,基于改进的色差模型图像分割效果明显,准确率高达90%,对于复杂背景的红花图像具有一定的适应性。

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。

一种结合二维Otsu法和模糊熵的图像分割方法

提出了一种结合二维Otsu法和模糊熵的图像分割方法,先采用二维Otsu法对图像进行初步分割,再采用模糊熵作后续处理,以弥补忽略边界信息带来的问题。实验结果表明,对于含噪图像,该方法的后处理效果是比较理想的。

一种基于Otsu法和平台直方图均衡的红外图像增强算法

针对红外吊舱图像的特点,提出了一种基于Otsu法和平台直方图均衡的红外图像增强算法。首先分析图像的直方图,通过改进的Otsu法把图像分割为天空背景区和地面目标区,背景区以背景峰值与分割后背景区残留目标的局部峰值为依据,采用了一种自适应的方法来产生平台阈值,然后在背景区和目标区的灰度范围内进行直方图均衡化处理。该算法有效地抑制了背景区的过度增强,扩大了目标区的灰度范围,增强了细节部分。实验仿真结果验证了算法的有效性。

改进的2维Otsu法及混沌粒子群递推的阈值分割

鉴于现常用的灰度级-平均灰度级2维直方图区域划分将部分目标和背景点错分成边缘和噪声点这一不足,为此提出了一种基于灰度级-梯度2维直方图的Otsu阈值选取新方法,利用混沌粒子群优化算法来寻找分割阈值,并提出在迭代过程中,采用递推方法来大大减少适应度函数的重复计算。实验结果表明,与最近提出的基于灰度级-平均灰度级2维直方图Otsu法及粒子群的快速图像分割方法相比,该新方法由于尽可能地考虑了所有目标点和背景点,从而使分割后的图像区域内部均匀、边界形状准确、特征细节清晰,同时运行时间几乎不到现有算法的1/3,而且粒子群处理的收敛精度得到了进一步提高。

改进Otsu法的冠层图像分割及银杏叶面积指数估测

基于Otsu法对冠层图像临界处分割不准确的缺点,结合类间方差以及类内聚度对阈值选取及图像分割效果的影响,提出了一种改进阈值选取算法。利用银杏冠层图像分割实例进行比较,同时进一步拟合了图像信息与叶面积指数间模型,结果表明:(1)该改进法较传统Otsu法可得到更好的分割效果;(2)以分割得到的前景像素比值作为自变量,叶面积指数为因变量,拟合得到的模型能较好的描述冠层图像信息与叶面积指数间的关系;(3)提出了一种即时无损并快速可靠的叶面积指数估测方法。

基于GCV准则与Otsu法的Canny算子研究

为了增强图像的可读性,解决因光照、噪声等因素造成的图像模糊、边缘不清等问题,在前人研究的基础上提出了对Canny算子的改进。用遗传算法对基于GCV准则的阈值函数自动寻优,在降低噪声的同时增强了图像的可读性;用评价函数对Otsu法自适应设定高低阈值,无需考虑阈值比例,减少了伪边缘现象。不同图像的边缘提取实验和数据分析表明,该方法在检测精度、抗噪能力和运算效率等方面都得到明显提高。对于存在的不足提出了进一步研究方向。

融合非局部空间灰度信息的三维Otsu法

为了提高最大类间方差阈值分割法(Otsu)对于图像噪声的鲁棒性,提出融合非局部空间灰度信息的三维Otsu法。该方法利用图像像素的灰度信息、邻域中值灰度信息和非局部空间灰度信息进行直方图统计,构建新颖的三维直方图,采用最大类间方差作为阈值选取准则。实验结果表明新方法对于噪声的鲁棒性要优于原始三维Otsu法,能够获得更加令人满意的分割结果。

基于三维Otsu法的红外图像阈值分割

常用的阈值分割方法在对红外图像进行分割时,由于红外图像本身的特点,会出现准确性不高的问题。为此,提出一种基于灰度-平均灰度-梯度直方图的三维Otsu法,使用稀疏矩阵和改进的粒子群优化(PSO)算法,并在标准PSO算法中加入判断早熟停滞的因子,进行最佳阈值的选取,以提高运算速度,保证准确度。实验结果表明,该方法能够快速有效地对红外图像进行分割。

基于粒子群算法的Otsu法图像阈值分割

图像分割是由图像处理到图像分析的关键步骤,O tsu法是一种效果较好、实现简单的阈值分割方法。针对传统的O tsu阈值计算方法需要在全灰度范围内搜索一个最佳门限组合,耗时较多,难以实际应用这一问题,采用协同和带压缩因子的粒子群改进算法求解O tsu阈值,通过分别用改进粒子群算法和标准粒子群算法对lena测试图像的实验表明,前者相较于后者有更高的精度。而在计算时间方面,两者都不到传统方法的百分之一,有利于提高图像处理的实时性,也证实了将粒子群算法用于阈值分割是可行的。

基于改进的Otsu法的地铁隧道裂缝识别方法研究

针对地铁隧道环境内采集的裂缝图像光照不均且噪声复杂等问题,采用Mask匀光和自适应灰度拉伸结合方法提高裂缝图像的对比度。通过对像素点进行噪声点检测,并且只对滤波窗口内有效像素点操作,能够在保护裂缝边缘细节的同时滤除大量噪声。将Canny边缘检测和Otsu法结合,对滤波后图像进行分割,去除孤立点噪声并进行形态学连接,得到裂缝区域完整的二值图像。结合裂缝骨架图,计算裂缝长度,宽度和面积。研究结果表明:所提出的算法与常用的方法相比,能够有效的增强图像对比度和滤除噪声,并且能准确地识别出裂缝区域。

Otsu法的多阈值推广及其快速实现

对传统的Otsu法进行了推广 ,使其可以应用于图像的多阈值分割 ;提出以双峰法引导来提高Otsu法多阈值分割图像的实时性和稳定性。对于直方图具有明显多峰谷特性的灰度图像 ,利用本文算法进行了实验验证。

改进的一维Otsu法在B超图像分割中的应用

提出了基于像素邻域平均灰度的改进的一维Otsu多门限分割方法 ,兼有准确性和快速性的优点 ,并应用于B超图像 ,实现了多个目标的自动分割 ,与普通的一维Otsu法相比 ,具有更好的分割效果。

基于OTSU法的车牌自动定位技术研究

根据彩色图像RGB三色学原理及室间域的图像平滑算法中的Gauss低通滤波器对图像进行预处理,利用OTSU法来求取图像的阈值,并在此基础对图像进行二值化分割,图像分割是车牌自动定位技术中的基本问题之一,也是车牌自动识别过程中的关键步骤。实验证明:只要合理选择其该方法中的参数,正确率可达到95%以上,且处理时间小于0.5s。

Otsu法、区域生长法及形态学相结合的遥感图像海岸线提取

针对现有的海岸线提取方法精度低,无法满足处理各种传感器卫星图像及对线性多样复杂的海岸线提取的需求,本文提出了一种将Otsu法、区域生长法及形态学相结合的遥感图像海岸线提取方法。并且通过试验证明,该海岸线提取方法可以充分发挥Otsu、区域生长法及形态学方法在提取海岸线方面的各自优势,大大提高了海岸线的提取精度。并利用该方法对两种不同的卫星图像数据进行海岸线提取,验证了该方法在不同条件下均有良好的适用性。

基于智能遗传算法和Otsu法的多目标图像分割方法

介绍了一种基于智能遗传算法和Otsu法的多目标图像分割方法,实现了对多目标影像相对传统算法更快速、稳定的分割。

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。

基于截面投影Otsu法的颈动脉内中膜超声图像分割

颈动脉内中膜厚度与多种心脑血管疾病密切相关,是预测该类心脑血管疾病的重要指标。对此,本文将基于截面投影Otsu法引入颈动脉内中膜分割,提出了一种高质量的颈动脉内中膜分割方法,该方法首先将截面投影Otsu法扩展到多阈值情况,以便处理颈动脉图像的多目标性;然后,采用微粒群算法搜索最优阈值,以提高算法效率。临床数据测试结果表明:该方法在抗噪性和时效性方面具有明显优势,可为心血管疾病预防、诊断、治疗及计算机辅助诊断提供重要参考。

基于可见光谱色彩指标Otsu法的水稻冠层图像分割

水稻冠层数字图像分析技术在水稻生长监测、氮营养诊断及产量预测上具有应用潜力,而水稻像元精确分割、提取是水稻冠层数字图像分析结果准确、稳定、可靠的前提。最大类间方差法(Otsu法)具备分割质量稳定、自适应强的特性,分割效果较好,是一种常用的阈值分割方法。通过提取计算水稻冠层图像9种图像色彩指标R、G、B、CIEL*a*b*色彩空间的L*、a*、b*分量、HSV色彩空间的H分量、绿度叶片指数(GLD)以及植被指数(VIGreen),并以各种图像色彩指标的Otsu法对水稻冠层图像进行分割,比较其图像分割效果。结果表明,水稻和土壤像元的a*、b*、GLD、VIGreen色彩指标双峰性明显,且重叠性小,可作为分割水稻与土壤背景的候选图像色彩指标;基于a*、GLD、VIGreen色彩指标的Otsu法的分割精度较高,且基于a*色彩指标的Otsu法对水稻冠层图像分割效果的信噪比最大、误差率最低,其次是基于VIGreen色彩指标的Otsu法;基于CIEL*a*b*色彩空间的a*色彩指标是Otsu法的水稻冠层图像分割中较优的图像色彩指标。

基于Otsu法自适应阈值的图像分割研究

概述了基于一维Otsu和二维Otsu双门限的阈值分割法,提出了基于像素邻域平均灰度的改进的一维Otsu多门限分割方法,兼有准确性和快速性的优点,并应用于MRI脑图像,实现了多个目标的自动分割,与普通的一维Otsu法相比具有更好的分割效果。