An Improved Double-Threshold Method Based on Gradient Histogram

This paper analyzes the characteristics of the output gradient histogram and shortages of several traditional automatic threshold methods in order to segment the gradient image better. Then an improved double-threshold method is proposed, which is combined with the method of maximum classes variance, estimating-area method and double-threshold method. This method can automatically select two different thresholds to segment gradient images. The computer simulation is performed on the traditional methods and this algorithm and proves that this method can get satisfying result. Key words gradient histogram image - threshold selection - double-threshold method - maximum classes variance method CLC number TP 391. 41 Foundation item: Supported by the National Nature Science Foundation of China (50099620) and the Project of Chenguang Plan in Wuhan (985003062)Biography: YANG Shen (1977-), female, Ph. D. candidate, research direction: multimedia information processing and network technology.

基于高分一号遥感影像的水体提取方法对比分析与改进

以高分一号遥感影像为数据源,以安徽省黄山市屯溪流域内的东方红水库为研究对象,采用单波段阈值法、两波段差值法、波段比值法、归一化差分水体指数(NDWI)法、归一化差分植被指数(NDVI)法共5种水陆像元度量方法,分别应用平均值法和最大类间方差迭代法两种阈值选取方法对东方红水库进行水体提取,探索最大类间方差迭代法在水体提取变量上的改进效果,在此基础上提出了一种改进的最大类间方差联合水体提取法,并对比了改进前后的水体提取效果。结果表明:改进后的水体提取方法可以很好地降低影像提取中产生的噪点,提高水体提取的精度,提取成果的平均相对误差为4.69%,决定系数为0.8579,相比于改进前平均相对误差降低了0.68%,决定系数提高了0.0539。

基于改进DEMATEL-ISM模型的道路拥堵下行车风险评估方法

为准确识别城市道路拥堵条件下的行车风险系统中各影响因素之间的内在联系以及该系统中的关键因素,本文提出一种改进DEMATEL-ISM的评估方法。首先,分析城市道路拥堵条件下的行车风险,选取18个风险因子;其次,运用多群体问询的调查问卷方法,并结合最大类间方差法对标准的集成决策试验和评价试验室(DEMATEL)以及解释结构模型(ISM)改进,建立城市道路拥堵的行车风险评估模型。最后,实例验证结果表明:基于改进DEMATEL-ISM模型的道路拥堵条件下行车风险评估体系能准确划分层次解释结构图的层级,与其他方法相比更加符合实际;交通密度、车头时距、停车次数、换道频次等关键链接因素对其他因素有较强联动影响,并且会增加发生交通事故或二次交通拥堵的概率。

基于全局自适应提取的目标RCS成像测量算法

针对传统目标RCS成像测量中人工加窗提取算法在提取SAR图像中目标散射像时,窗函数类型与大小影响测量精度的问题,本文提出了一种基于全局自适应提取的目标RCS成像测量算法。该算法首先利用成像算法获得目标的高分辨SAR图像,接着基于最大类间方差准则选取自适应阈值,然后利用全局自适应阈值分割图像,并采用八连通准则提取目标散射图像,最后通过RCS反演获得目标RCS值。与传统方法相比,本文方法能自适应提取目标散射图像,测量结果更稳定、测量精度更高。

基于通用学习均衡优化器的多阈值图像分割

传统的元启发式多阈值图像分割算法计算复杂度高且容易陷入局部最优,通用学习均衡优化器在搜索过程中使粒子从不同维度的候选粒子中学习,在求解复杂问题最优解时有很强的能力,克服了容易陷入局部最优的问题。提出将通用学习均衡优化算法优化最大类间方差法来实现多阈值图像分割,实验选择标准灰度图像,以峰值信噪比、结构相似度、运行时间和适应度值为评价标准,将该算法与均衡优化算法、粒子群优化算法进行了比较。结果表明,基于通用学习均衡优化器的多阈值图像分割算法结果的峰值信噪比、结构相似度在绝大多数情况下优于另外两个算法,并且收敛速度快,执行效率高。

基于节点评估与最大类间方差的孤立森林异常值检测

针对孤立森林(isolation forest, iForest)无法有效检测局部异常值且异常值分数阈值难以精确设定的问题,提出一种基于节点评估(node evaluation, NE)与最大类间方差(Otsu)的iForest异常值检测方法。首先,在样本评估过程中将节点深度与相对质量同时引入评分机制,使算法对全局和局部异常值敏感;然后,为了准确设定分数阈值,采用Otsu自适应设定异常值分数阈值;最后,在不同数据集上验证所提方法的有效性。实验结果表明,该方法可以有效兼顾全局和局部异常值的检测,提高iForest检测异常值的准确性。

装配式建筑碳排放影响因素及减排路径研究:基于改进的DEMATEL-ISM方法

选取20个具有代表性的装配式建筑碳排放影响因素,运用多元化、多渠道、多群体问询的调查问卷法及最大类间方差法确定阈值对DEMATEL-ISM方法进行改进,基于该方法构建出中心度-原因度散点图和层次解释结构图,明确了装配式建筑碳排放影响因素在整个系统中的地位及各因素之间的影响关系。依据层次解释结构图并结合实际情况,构建出两条装配式建筑碳减排路径,为装配式建筑减排工作的实施提供参考。

高斯滤波增强技术融合最大类间方差法在医学影像诊断中的应用研究

为了进一步提高肺部医学影像辅助诊断的准确性,提出一种高斯滤波增强技术融合最大类间方差法对肺部CT影像进行分割和计算病变面积占比的算法。首先对原始图像采用高斯低通滤波运算去除噪声和杂质并使用MSVSR提高图像质量,然后通过最大类间方差法将图像目标和背景分割出来,再将二值化图像一分为二,一方面采用高斯高通滤波运算锐化磨玻璃影和病变肺实质,另一方面使用HED将肺轮廓提取出来,最后计算出病变区域与肺轮廓面积占比。临床试验数据表明,本文算法不仅可以去除伪影和噪声,还能够最大限度地保留临床意义上的图像特征信息,具有较高的准确性,可以为临床研判肺部疾病严重程度与医疗诊治提供帮助。

基于改进Canny算子的齿轮边缘缺陷检测方法

针对Canny算子在齿轮边缘缺陷检测中存在识别相似度低、因图像噪声影响导致微弱边缘难以提取、边缘连续性与鲁棒适应性差的问题,提出了一种改进Canny算子的齿轮边缘缺陷检测技术。改进滤波器,使用梯度双边滤波进行图片预处理,平滑图像并减少图像噪声;改进了卷积核,在45°和135°梯度方向上对像素点进行非极大值抑制,增加了微弱边缘被保留的概率;采用最大类间方差法(Otsu算法)计算图像的高阈值,通过双阈值的办法自适应寻找图像强弱边缘;将Prewitt算子和Canny算法以及改进算法进行对比实验验证。结果表明,改进算法可以提取更完整的齿轮边缘,处理后图片的峰值信噪比(PSNR)相比Canny算法提升了16%,检测效果提升了30%,重叠系数高达81.9%,提升了25.1%,为齿轮边缘缺陷检测提供了一定的参考价值。

基于机载LiDAR点云数据的建筑物三维模型重建方法研究

根据建筑物点云的分布特征,提出一种机载LiDAR点云建筑物三维模型重建方法。首先,利用布料模拟滤波算法剔除地面点,实现包含建筑物点云在内的非地面点提取,并利用最大类间方差法提取建筑物点云;其次,使用Alpha Shape算法提取建筑物点云中边缘点,并规则化处理建筑物轮廓线,通过屋顶分割算法提取建筑物屋顶信息;最后,使用SharpGL工具进行建筑物三维模型重建。以某地级市某地区机载LiDAR点云数据为例进行实验,结果表明该方法进行建筑物三维模型重建具有较高的精度与效率,适用于城镇复杂区域建筑物三维模型重建。

基于背景差分法的篮球投篮轨迹预测模型构建

为实现动态复杂环境下篮球投篮轨迹的预测,为篮球训练提供指导依据,构建基于背景差分法的篮球投篮轨迹预测模型。该模型基于混合高斯背景差分方法,构建复杂动态环境背景建模,为保证建模效果,引入自适应学习率进行模型优化,并删除背景模型中冗余高斯分量,获取图像中的前景目标图像;基于最大类间方差的阈值分割方法,二值化处理前景目标图像后,采用区域线性增长方法和篮球运动员投篮运动轨迹图形融合模型,提取前景目标图像中的投篮运动特征,实现篮球投篮轨迹预测。实验表明:该模型具有良好的篮球投篮运动图像处理效果,篮球投篮轨迹预测的可决系数指标结果均在0.947以上,预测结果与实际轨迹结果之间吻合程度较好,满足应用需求。

基于高分三号数据的汾河下游洪涝监测研究

以国产高分三号双极化影像为数据源,对2021年国庆期间强降雨过程造成的汾河下游洪涝灾害开展了水体遥感识别及灾情评估。在分析典型水体与洪涝期不同下垫面水体光谱特征的基础上,确定采用交叉极化数据,基于动态最大类间方差法提取洪涝淹没区(水体),并对研究区洪涝灾害范围进行识别和分析。结果显示:(1)应用动态最大类间方差阈值分割法进行水体信息的提取时,交叉极化数据能识别出包括洪涝淹没区的不同深度水体,而同极化数据只能识别较深水体。(2)最大类间方差法对水体识别的精度非洪涝期高于洪涝期,且水体识别时,需要分区动态调整阈值提取来提高识别精度。(3)本研究洪涝淹没区提取的准确率由高到低依次为:河流、农田、城市及其他。结果表明:利用高分三号数据提取洪涝灾害淹没区域,可以为应急救灾提供及时有效的灾情分布数据,为SAR影像洪涝灾害监测提供科学参考。

基于DOM和DSM的无人机城市违法建筑检测方法研究

建筑物变化检测是遥感影像提取的研究热点。传统的二维变化检测方法存在漏检、误检等情况,作业效率低。针对城市建筑物存在违法加盖、扩建等问题,利用无人机测量技术获取高分辨率遥感影像,基于U-Net深度学习语义分割模型检测建筑物变化,并结合差分数字表面模型,采用GIS叠加分析技术检测建筑物变化图斑。通过与地面数据验证对比,该方法能有效检测建筑物变化,提高检测准确率。

基于粗糙集的微小缺陷图像对比度增强算法

设计了一种微小缺陷图像对比度增强算法。采用粗糙集理论将图像划分为不同类别,同一类别中像素间为不可分辨关系。并依据图像灰度值和噪声属性进一步将图像划分为子图,在子图中得到图像的明暗区域。对图像不同区域进行直方图均衡变换和直方图指数变换处理,处理后即可增强图像的对比度。仿真实验表明,处理后可突出显示图像中的微小细节,图像不同区域之间的划分效果更加明显,可以有效提升图像的对比度和视觉效果。

基于改进人工蜂群算法的多阈值图像分割

图像分割在模式识别以及机器视觉方面起着至关重要的作用,是图像分析和识别的首要任务。但若分割后图像质量损失严重,就会导致图像后续分析的误差增加。为了能够弥补这一缺陷,在分析了DIRECT算法和人工蜂群算法的特性后,利用DIRECT算法全局收敛并可以快速定位到最优值所在区域的特点来改善人工蜂群算法的过早收敛以及局部搜索能力差的缺点,提出了一种基于改进的人工蜂群算法的多阈值图像分割技术。首先,DIRECT算法为人工蜂群算法提供一种良好的初始种群,种群在演化数代后得到的当前最优解加入到DIRECT算法分割区域中,再进行初始种群的筛选,重复这个过程进而获得最佳阈值并对图像进行分割。为了验证该算法的优劣性,使用峰值信噪比、结构相似性以及特征相似性作为图像质量评价指标并与前人得到的结果进行比较。实验数据表明,提出的阈值分割方法优于前人的阈值分割方法。

基于SSA-GB-ELM的并联式六维加速度传感器非线性解耦

六维加速度传感器的高精度测量可有效提高底盘防倾翻控制系统的控制效果,但并联式弹性元件的维间耦合会给传感器带来非线性误差,采用极限学习机算法进行标定解耦可以有效提高传感器的测量精度。但传统极限学习机非线性解耦算法精度较低,使用麻雀搜索算法可以获得极限学习机的最佳初始权值、阈值。同时,将最大类间方差法融入到麻雀算法优化的极限学习机中,可以探索六维加速度传感器固有耦合关系,把传统极限学习机黑箱模型转换为灰箱模型,从而提出一种麻雀搜索优化灰箱极限学习机(sparrow search algorithm-gray box-extreme learning machine, SSA-GB-ELM)的解耦算法。通过实验验证,使用该算法的并联式六维加速度传感器非线性解耦精度显著提高,Ⅰ类误差最大为0.023%,Ⅱ类误差最大为0.046%,解耦时间为1.095 s,可以高效解决六维加速度传感器非线性耦合问题。

基于改进OTSU的煤尘颗粒图像分割算法研究

针对传统的最大类间方差法(OTSU)进行图像处理时会出现部分煤尘颗粒不显示的问题。论文对最大类间方差法(OTSU)进行改进,先利用改进的同态滤波去除图像噪声和光照不均匀情况,增强图像对比度,再通过改进的最大类间方差法对图像进行分割处理。论文提出的方法所得到的图像对比度为358.47450,比传统同态滤波方法提高45.76285,结果更优。论文提出的算法可以使整幅图像的煤尘颗粒显示的更完全、更具体。实验证明,论文方法具有重要的理论意义和应用价值。

用于侧扫声纳图像边缘检测的改进Canny算子

针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测.根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑.该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊.计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点.将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3类,基于类间方差最大自适应确定区分3类的双阈值,经双阈值处理与弱边缘连接得到边缘图.对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差(Otsu)图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。

改进二维Otsu法和果蝇算法结合的图像分割方法

针对传统二维Otsu方法中分割精度不高和抗噪性能不足的缺陷进行了研究,提出一种改进的二维Otsu图像分割方法。在二维直方图区域叉分的基础上,根据灰度级大小的信息改进联合概率密度,考虑类间方差和类内方差对图像分割效果的作用,保证类间方差越大和类内方差越小,使得目标与背景差别越大和内聚性越高;同时依据目标与背景在图像中所占比例对阈值求取公式进行加权,使得求得的阈值更接近理想阈值,然后采用果蝇优化算法(FOA)搜索最优二维阈值向量。仿真实验结果表明,该方法能得到更准确的分割结果,更好地抑制噪声,同时运行时间更少,达到了快速分割的目的,满足图像处理的实时性要求。