低质量图像基于散射图SEM估计的MAP像素聚类方法

直方图是最常用的图像灰度统计分布的表示方法，二维直方图包括共生矩阵，灰度边界值散射图，灰度平均灰度散射图等．本文提出了一种采用ＳＥＭ算法完成对灰度平均灰度的二维正态分布假设的参数估计，然后采用最大后验概率（ＭＰＡ）准则进行像素无监督聚类的图像分割算法．测试结果显示，我们的算法性能良好，尤其是对低对比度、有阴影和重噪声的低质量图像的分割效果要远优于其他基于散射图的阈值化方法．

改进的最小类内绝对差阈值分割及快速算法

现有的最小类内绝对差阈值分割方法分割结果不够准确及计算效率过低,为此,本文提出了基于递推昆沌粒子群的改进最小类内绝对差阈值分割方法。首先引入了灰度级-梯度直方图以提高分割准确性,然后简化了阈值选取公式并推出了相应的递推算法,最后利用基于改进的Tent混沌粒子群算法寻找最优阈值,提出了以递推方式计算适应度,大大减少了重复计算。实验结果表明:与基于灰度级-平均灰度级最小绝对差穷举算法相比,本文方法剔除了边缘点和噪声点的影响,选取的阈值更为准确,同时,利用群体智能优化搜索过程,运算时间降低了两个数量级;与基于灰度级-梯度最大类间方差及Logistic混沌粒子群递推算法相比,本文方法基于改进的Tent混沌映射,遍历性更高,因此收敛性更好。