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PSO-OTSU算法的金属工件高光处理

针对在立体视觉测量系统中,因光照分布不均导致高反射率金属工件表面产生高光区域,进而影响视觉测量精度的问题,提出了一种基于PSO-OTSU算法的金属工件高光处理方法.以高反射率金属工件为实验对象,首先利用PSO-OTSU算法对高光区域进行了提取.通过与标准OTSU算法和GA-OTSU算法进行对比实验,该算法提取高光区域的结果更准确,提取时间分别缩短了78.88%和44.42%.其次利用直方图规定法对高光区域进行了处理,最后利用融合算法将处理后的高光区域与原始图像或非高光区域进行了融合,形成去高光图像.经实验证明,所提出的方法适用于多种金属工件场景图像的高光去除,且具有较好的去高光效果.

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GA-PSO-Otsu算法的质子交换膜燃料电池催化层孔结构自适应识别

车载质子交换膜燃料电池催化层的孔结构识别效率低、精度差且实验要求严格,无法适应日趋规模化的行业发展体系,因此针对该问题,本文提出基于遗传粒子群的最大化类间方差(GA-PSO-Otsu)优化算法,实现对催化层扫描电镜图孔径分布和孔隙率高效、精确且自适应的识别和测算。首先,协同引入高斯卷积核与二值化阈值最大化类间方差,有效降低噪声和手动调参对精度和效率的影响,实现自动化去噪和孔结构识别;其次,进一步提出遗传粒子群算法,有效解决传统方法遍历参数耗时长和易陷入局部优化的问题,兼具高精度和高效率的优点;最后,通过对催化层结构和灰度分布差异明显的扫描电镜图的对比实验验证,表明该方法具备良好的鲁棒性、自适应性和实用性,与遍历所有参数的传统Otsu算法的孔隙率误差小于0.5%,测算耗时降低约26.2%。

基于改进阈值分割算法的刀具损伤检测方法

为了解决刀具损伤缺陷难以被视觉检测系统收集的问题,提出了一种基于粒子群算法(PSO)的Otsu阈值分割法对刀具磨损量进行检测。算法改进了PSO算法惯性系数的更新策略,有效扩大了算法的搜索范围,缩短了算法的运行时间,通过对粒子群添加扰动,解决了传统粒子群算法容易陷入局部最优的问题,搭建了实验平台,验证所用检测方法的有效性。实验结果表明,该检验方法能够实现刀具损伤区域识别和刀具损伤量的测量,而且相较于Otsu、Canny算法,局部阈值分割法等算法具有识别精度高,运行速度快等优点。研究结果对于实际刀具缺陷检测系统具有一定的参考价值。

基于小波增强与Canny算法融合的锂电池极片缺陷检测方法

针对目前锂电池极片表面存在亮度不均、低对比度微小缺陷难以检测的问题,提出了一种基于小波增强与Canny算法融合的锂电池极片缺陷检测方法。首先使用K-近邻均值滤波抑制图像背景噪声,然后基于小波变换分别采用线性调整和多尺度细节增强方法处理图像的低高频分量,进行图像增强,接着利用PSO-OTSU算法自适应获取增强后图像的最佳高低阈值,最后利用哈夫检测法连接边缘点。通过测试漏金属、亮点、划痕、孔洞等缺陷各700张图片,定量分析比较了3种算法的准确率,实验结果表明,相对于其他两种算法,本文算法可以较好地保留缺陷边缘细节,检测低对比度微小缺陷,提取精确完整的缺陷轮廓,检测准确率达97.85%,具有一定的实用价值。

基于量子粒子群算法的双阈值图像分割方法

为了提高图像分割效率,将量子粒子群算法QPSO应用于图像阈值分割领域,并在QPSO算法基础上提出了一种基于边界控制的量子粒子群阈值分割算法BQPSO。改进算法BQPSO引入了边界控制策略,使得飞越搜索区域的粒子不再聚集到区域的边界,而是回到搜索区域内边界附近的某一位置,保持了群体的多样性,有效地避免了算法陷入局部最优解,增强了算法的全局搜索能力。实验结果表明,与遗传算法GA、粒子群算法PSO和标准量子粒子群算法QPSO的阈值寻优结果相比较,BQPSO算法在运算效率、阈值搜索精度和稳定性以及图像分割效果等方面均具有明显的优势。

基于自适应粒子群优化的三维OTSU图像分割算法

针对三维OTSU分割算法运算量大、计算时间长的问题,提出了一种基于自适应粒子群优化的三维OTSU图像分割算法。首先采用最佳熵的方法初步提取图像的目标区域,根据该目标区域特征自适应地调整三维OTSU算法的背景搜索范围,然后采用三维OTSU算法并结合粒子群优化最佳分割阈值对原图像进行分割。实验结果表明,与三维OTSU阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。

基于改进Otsu算法的生菜叶片图像分割方法

针对传统的Otsu算法计算量大、实时性差等缺点,提出了一种新的PSO+Otsu(S)分割方法.将RGB颜色空间转换成HSV颜色空间,并提取S分量图像.针对基本粒子群优化算法提出一种新的惯性权重系数w更新策略,并利用改进的粒子群优化算法搜索最优阈值,将搜索到的最优阈值作为Otsu算法的分割阈值,并对S分量图像进行分割,最终得到生菜叶片分割图.结果表明:提出的生菜叶片图像分割方法不但适合单叶片图像分割,而且适合冠层叶片图像分割;运用本算法分割单个生菜叶片图像以及生菜冠层图像时程序运行时间分别为118,126 ms,迭代次数分别为6,5次,相比于Otsu算法以及标准PSO+Otsu算法,本算法不仅有效缩短了程序运行时间,而且提高了图像分割的准确率,具有较好的实时性.

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。

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SOA-Otsu的图像多阈值分割算法研究

为了解决图像多阈值分割中存在的空间和时间复杂度高的问题,本文引入了SOA算法与SOA-Otsu算法来优化多阈值分割的效果。另外,为了证明SOA-Otsu算法的优越性,与传统Otsu分割算法和PSO-Otsu算法进行对比分析。实验结果表明,SOA-Otsu算法比PSO-Otsu和Otsu的分割效果更好。

基于Lab颜色空间的融合改进二进制量子PSO和Otsu优化算法

针对通过RGB空间各个颜色分量高度线性相关会导致分割过程处理速度慢、分割结果不准确的问题,以及二维Otsu算法实时性差,计算量大的缺陷,提出一种基于Lab空间的融合改进二进制量子PSO和Otsu优化算法。将RGB空间转换为Lab空间,减弱不同颜色分量的相关性;利用改进的二进制量子粒子群算法搜索最优阈值,作为改进二维Otsu算法的分割阈值,然后对图像进行分割。通过实验证明改进算法与其他算法相比,分割速度和分割精确度都有很大的提升。

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。

基于微粒群算法的OTSU图像分割方法

本文研究了图像闽值分割方法中常用的OTSU算法，在此基础上提出了基于微粒群算法的OTSU图像分割方法，该方法利用微粒群算法的快速全局寻优，确定图像的分割闯值所对应的灰度值，在该灰度值下目标和背景的方差最大。实验中选用了像素分别是8位和16位的两幅图片来进行分割，得到了较好的分割效果，而且该方法大大提高了计算速度，是一种有效的图像分割方法。

基于SSA-Otsu的彩色图像多阈值分割研究

为了解决Otsu法对图像多阈值分割中存在的空间和时间复杂度高的问题,本文SSA算法与传统Otsu分割算法结合(SSA-Otsu)来优化彩色图像多阈值分割的效果。另外,为证明SSA-Otsu算法结合的优越性,与PSO算法与传统Otsu分割算法结合(PSO-Otsu)分割效果对比。通过PSNR和SSIM评价指标评价图像分割效果,实验结果表明SSA-Otsu算法比PSO-Otsu分割更好。

基于粒子群优化的Otsu肺组织分割算法

为减少肺组织分割算法的运算时间,提出了一种基于粒子群优化的Otsu肺组织改进自动分割算法。针对传统粒子群优化的二维Otsu算法中二维直方图计算量大、粒子搜索容易陷入局部最优解的缺陷,使用灰度级-梯度二维直方图减少二维直方图的计算量,并减小粒子搜索范围,采用基于粒子空间对称分布的改进粒子群获取最佳阈值。算法实现过程中利用孔洞填充算法去除背景,基于形态学操作去除噪声、修补病变区域产生的孔洞。仿真实验结果显示,本文算法对图像尺寸为512像素×512像素CT图像的阈值分割时间约为0.2s,比基于灰度级-邻域均值二维直方图的粒子群优化的Otsu算法的阈值分割速度提高了约16%。较好地实现了胸腔CT图像的肺组织自动分割,与传统算法相比较,本算法在保证分割精度的基础上分割速度明显提升。

改进的OTSU法在遥感水体信息提取中的应用

在遥感信息解译中,利用指数法提取水体信息一直存在阈值选取困难的问题。为了进一步解决该问题,将改进的OTSU法用于阈值选取。综合考虑目标像元和背景像元类间方差、类内方差两个指标,并结合粒子群算法,对研究区水体信息进行提取。实验结果表明,提出的算法能更快地确定阈值,有效地提取水体信息。