一种改进粒子群优化算法的Otsu图像阈值分割方法

阈值法分割图像时只利用图像的灰度信息,具有直观、实现简单的特点。针对传统的粒子群优化算法(Particle Swarm Optimization,PSO)分割图像易陷入局部最优的缺点,提出一种基于改进粒子群优化算法的Otsu图像阈值分割方法。以Otsu算法的类间方差作为适应度函数,在每次迭代中选取适应度较好的粒子同时加入新的粒子,以提高粒子多样性。实验表明,与Otsu算法和PSO算法相比,改进的粒子群优化算法不仅加快了收敛速度和运算速度,而且提高了图像分割的准确率。

一种适用于SAR图像的2维Otsu改进算法

Otsu法是图像阈值分割中的经典算法之一,在图像处理中得到广泛的应用。针对原始2维Otsu法直方图区域划分上的缺陷和运算速度慢的缺点,分析了适用于SAR图像相干斑乘性噪声的直方图区域划分方法,提出了一种更符合实际图像模型的阈值选取准则。实验结果表明,该改进算法的分割效果良好,运算速度也有很大提高。

基于空间截面投影的Otsu图像分割算法

针对传统三维Otsu法存在抗噪性差、计算复杂度高、难以多阈值扩展等不足,提出了一种基于空间截面投影的Otsu法。该方法采用垂直于主对角线的平面截三维直方图,并将截面内的点投影到主对角线上,进而建立一维的截面投影直方图以降低计算复杂度,然后基于该一维直方图进行Otsu分割;对于分割结果,运用基于阈值的后处理策略做进一步的处理以增强算法的抗噪性。实验结果表明,与现有三维Otsu法相比,该算法计算效率高、抗噪性好,能对含不同噪声的图像进行较好的分割。

2维Otsu自适应阈值的快速算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理领域得到了广泛的应用,在其基础上发展起来的2维Otsu阈值法却因为计算时间长而制约了其应用。针对2维Otsu自适应阈值方法计算复杂度高的缺点,通过改变2维直方图上的区域划分,将2维阈值转换为1维阈值,从而提高了2维自适应阈值算法的计算速度。实验结果表明,该算法的计算时间远远小于原始2维Otsu算法,分割效果和原始算法基本一致。

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。

一种改进的二维Otsu阈值分割算法

Otsu算法,也被称之为最大类间方差算法,是实现阈值分割的经典算法之一。二维Otsu算法是一维Otsu算法的推广,它充分考虑了图像的灰度信息和空间邻域信息,可以有效滤除噪声影响,但是同样存在着运算量大、时效性差的问题。对此提出了一种改进的二维Otsu快速阈值分割算法,先将二维Otsu算法分解为两个一维Otsu算法,并集成类间和类内方差信息构造了一种新的阈值判别函数,同时通过降维,进一步降低计算量。实验结果表明,该算法在时间效率与分割效果两方面明显优于传统的二维Otsu算法与快速二维Otsu算法。

噪声图像的快速二维Otsu阈值分割

为了提高二维阈值分割法处理速度,提出了二维Otsu法的快速实现方法。基于二维随机变量的边缘概率分布,将二维最佳阈值(s*,t*)的求解拆分成两个一维最佳阈值s*和t*的求解;同时为了改善原算法的分割效果,引入类内方差的定义,提出了新的最佳阈值判别式。实验结果表明,本方法不仅保留了原二维阈值法抗噪性强的特点,其时间复杂度由O(L4)降为O(L),空间复杂度由S(L2)降为S(L),且分割错误率低于原二维Otsu法。该方法适合处理高斯噪声图像的快速阈值分割问题。

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。

基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割

针对传统3维Otsu(3D-Otsu)门限分割方法中的滤噪性能和小目标保持性能的不足,该文提出一种基于各向异性自适应高斯加权方向窗的3D-Otsu门限分割的新方法。新方法改进了3D-Otsu的邻域窗口设置方法,采用中心点的局部特征来自适应地确定邻域各向异性高斯加权方向窗口的尺寸、尺度和滤波方向。然后,提出非局部多方向相似度测量来更有效地捕捉图像中的模式冗余。最终,结合像素点灰度值、加权均值、加权中值构建3维直方图,并基于最大类间方差计算门限矢量进行分割。实验结果表明:与目前广泛使用的2维Otsu,2维最大熵以及传统3维Otsu方法相比,新方法有着更好的门限分割效果,并具有更好的滤噪性能和小目标保持性能。

改进的快速Otsu自适应分割算法及其应用

对Otsu算法因灰度直方图峰值不明显导致分割效果差提出了改进,根据分割目标背景信息的先验值对类内灰度值进行调整,通过迭代计算,使类间方差最大化,从而自动确定阈值,并应用于虹膜图像分割。实验结果表明,该算法对虹膜图像分割效果好,运算速度快,具有一定的鲁棒性和自适应性,可用于虹膜图像的实时分割。

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。

基于移位协方差矩阵Otsu算法的信源数目估计

针对阵列信号处理中信号源数目估计的问题,提出了一种基于移位协方差矩阵的Otsu类间方差法。与协方差矩阵相比,移位协方差矩阵克服了噪声自相关过程中零位极大值的影响,提高了协方差矩阵的信噪比,移位协方差矩阵的信号特征值与噪声特征值差别更为明确,更有利于信源数目的估计。由于零均值且独立同分布噪声的移位协方差理论值为0,所以移位协方差矩阵针对零均值独立同分布α稳定分布噪声同样具有较强的抑制能力。利用Otsu类间方差法对移位协方差矩阵的特征值进行分类,可以更加明确地区分信号特征值与噪声特征值。理论分析和仿真实验结果均表明,基于移位协方差矩阵的Otsu类间方差法具有比传统信源数估计方法更好的估计性能。

基于改进模糊C均值聚类与Otsu的图像分割方法

针对背景与前景颜色差别较小的原木图像分割效果不理想的情况,本文给出了模糊C均值聚类与Otsu相结合的图像分割方法。该方法首先以标准原木数据库为样本,之后使用模糊C均值聚类算法把背景与前景颜色差别较小的原木样本图像分割成2类,其次利用准则函数找出前景分割结果,最后把该结果作为Otsu算法的输入,对原木样本图像进行再次分割。实验结果表明,本文研究的算法比单独使用模糊C均值聚类算法、Otsu和同类算法有较好的分割效果和较高的分割准确率,边缘信息保留较好,平均分割准确率提高2个百分点。

一种改进的Otsu多阈值SAR图像分割方法

针对传统Otsu多阈值分割方法对SAR图像分割存在对噪声敏感且计算量大的问题,提出了一种结合降斑各向异性扩散(speckle reducing anisotropic diffusion,SRAD)和自适应量子遗传算法的Otsu多阈值SAR图像分割方法。首先,利用SRAD对SAR图像进行滤波,滤除其相干斑噪声,并通过获取滤波迭代过程中图像间的平均结构相似度,有效地控制迭代过程;通过图像的直方图和阈值的组合来定义图像的类间方差。然后,将阈值的组合编码为量子染色体;设置若干量子染色体构成初始阈值组合种群,并对每个组合个体以定义的类间方差作为评价标准进行适应度评价。利用量子旋转门作用于量子染色体叠加态的基态实现其进化,并根据相邻两代量子染色体的差异,逐代地调整量子旋转角的大小;以最终演化的阈值组合种群中适应度最大的阈值组合个体作为最优阈值组合,实现SAR图像最优多阈值分割。为验证所提出的分割方法,对模拟和真实SAR图像进行了实验。定性和定量评价结果表明了该方法的可行性和有效性。

基于记忆分子动理论优化算法的多目标截面投影Otsu图像分割

传统截面投影Otsu法后处理过程中的阈值Q为预先设定的常量,对含噪程度不同的图像普适性较差。该文提出一种基于记忆分子动理论优化算法的多目标截面投影Otsu法。该方法将阈值Q作为变量,结合分割阈值T,基于最大类间方差和最大峰值信噪比准则建立多目标图像分割模型,以兼顾图像分割的准确性和抗噪性;为免阈值增加而影响算法效率,将人工记忆原理引入分子动理论优化算法,设计了一种基于记忆分子动理论优化算法的多目标图像分割模型求解方法。实验表明:该方法分割准确、抗噪性强、鲁棒性好,对含不同噪声的图像更具普适性。

基于Otsu与模糊技术的图像分割方法

阈值分割是一种使用较广的图像分割处理方法,传统的单阈值分割方法存在一定的缺陷。针对人眼视觉系统的特点并考虑图像的模糊不确定因素,将模糊技术应用到传统的最大类间方差分割法。用一种快速多阈值分割方法进行多区域划分,引入隶属度改进最大类间方差法,寻找区域最优分割阈值,进而分割图像。仿真实验结果表明:用该方法分割图像可以大大改进因噪声、光照或其他干扰因素造成的模糊、多目标、分割不完全的情况,分割效果明显改善。

基于伪协方差矩阵Otsu方法的信源数估计

为提高高斯色噪声背景下信源数估计的成功概率,提出了一种基于伪协方差矩阵的Otsu类间方差法。伪协方差矩阵对一定条件下的高斯白噪声和高斯色噪声具有免疫特性,而且利用阵元间的时间相关性增加了阵列的有效孔径,进而提高了伪协方差矩阵奇异值分解后信号奇异值与噪声奇异值的差异程度。在此基础上,利用Otsu类间方差法对信号奇异值与噪声奇异值进行分类。仿真结果表明,该方法可进一步提高信源数的估计成功概率。

基于OTSU处理不均匀光照图像改进算法研究

为解决不均匀光照下图像二值化问题,提出一种基于最大类间方差法(OTSU算法)的改进二值化算法,将图片分为明亮区域和阴暗区域两部分,分别计算两部分最大类间方差对应的阈值,通过分析阴暗区域特征,判断每一像素点位于明亮区域还是阴暗区域,从而确定每一点的阈值。实验结果表明,该算法可以解决OTSU算法处理光照不均匀图像丢失信息问题,可广泛应用于光照不均匀条件下的文本图像二值化处理,针对特殊情况较好,相对于其他算法适用性更强,本算法可通过提高OTSU算法的运算速度,缩减算法的运行时间。该研究提取信息较为完整,可以作为字符识别及缺陷检测等工作的预处理方法,提高识别精度。

基于OTSU算法的苹果果实病斑图像分割方法

在苹果种植面积和产量日益增长的情况下,果实的各种病变如黑点病、斑点落叶病等也日益增多,严重影响了果农的经济收益。针对传统人工肉眼检测方法,受人为主观判断容易产生错误,降低病变识别准确度的缺陷,提出了基于最大类间方差法(OTSU)的苹果果实病斑图像分割方法。设计开发了苹果病斑图像分割处理系统,系统基于MATLAB GUI开发界面,将读取的苹果彩色病斑图像分别进行灰度处理、直方图均衡化、滤波增强、模糊增强、图像分割、识别病斑区域等一系列操作,分别选取苹果黑点病、斑点落叶病、苦痘病、红点病、痘斑病、日灼病等六种病斑果实图像进行采样处理,利用OTSU算法对六种苹果病斑图像进行分割识别。分割实验结果显示,对于病斑适中、颜色较深的苹果病变区域分割后识出率和识别成功率较高。

融合Otsu与PCNN的细胞显微图像分割

针对细胞显微图像分割中由于纹理复杂较难定位轮廓信息的问题,提出了融合最大类间方差(Otsu)与脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的细胞图像分割算法。为定义PCNN中初始阈值,应用Otsu算法,确定细胞图像中目标与背景间最大方差,此为统计意义上的最佳阈值,以此作为PCNN细胞分割中初始阈值,提高了PCNN网络收敛速度;其次,构建PCNN细胞分割网络,通过初始化网络参数,实现细胞图像迭代分割;从视觉效果和客观评价指标两方面验证表明,相对于经典的最大类间方差(Otsu)算法和脉冲耦合神经网络(PCNN)算法,采用该算法分割的细胞显微图像的效果,其边缘与细节信息的清晰度、精细度均有较大程度改善。