A New Adaptive Image Segmentation Method

Aim Researching the optimal thieshold of image segmentation. M^ethods An adaptiveimages segmentation method based on the entropy of histogram of gray-level picture and genetic. algorithm (GA) was presental. Results In our approach, the segmentation problem was formulated as an optimization problem and the fitness of GA which can efficiently search the segmentation parameter space was regarded as the quality criterion. Conclusion The methodcan be adapted for optimal behold segmentation.

圆形直方图线性化的高精度高适应性多阈值分割方法

针对已有彩色图像多阈值分割方法存在的分割精度不高、分割适应性较差等问题,提出一种圆形直方图线性化的高精度高适应性多阈值分割方法。在对输入彩色图像进行超像素预处理后,构建累积分布方差最大化准则,将圆形直方图截断后延展为线性直方图。在线性直方图上,结合Tsallis熵和类间方差构建一个新的多阈值分割目标函数。引入麻雀搜索算法,快速求解多阈值分割目标函数得到最优阈值进行阈值分割。在8幅合成图像和500幅真实世界图像上将提出方法和9种不同的彩色图像分割方法进行全面比较,在峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似度(FSIM)、概率兰德指数、全局一致性误差(GCE)、信息差异6个量化评价指标上的综合实验结果表明,提出方法在计算效率方面与比较方法大致持平,但在分割精度和分割适应性方面明显优于比较方法,在PSNR、SSIM、FSIM和GCE等评价指标上分别以19.95 dB、0.80、0.94和0.16取得最优结果。

一种快速二维熵阈值分割算法

在二维熵阈值基础上 ,利用量化图像直方图概念讨论了一种快速二维熵阈值分割算法 ,这种算法能够递推运算和自动寻找阈值 ,将计算复杂性大大降低。实验表明 ,该算法将每一幅图像运算时间降到 2秒以内 。

复杂图像的Kaniadakis熵阈值分割方法

针对工业无损检测及红外等图像,基于信息论中的Kaniadakis熵理论,提出一种用于复杂图像分割的阈值化方法。该方法能综合图像像素灰度分布的复杂信息实现图像的有效分割,且能通过调节熵参数k适应不同的分割任务。实验结果表明,提出方法在复杂图像的分割中获得的结果优于相比较的其他方法,且具有良好的实时性能,满足实践任务需求。

三维最大Renyi熵的灰度图像阈值分割算法

针对现阶段的阈值分割算法(如最小误差法、Otsu法、Renyi熵法等)在灰度、邻域均值或中值构成的二维或三维直方图上进行分割而造成的误分和低抗噪性等问题,提出了一种基于灰度、邻域均值和邻域加权中值三维直方图的最大Renyi熵阈值分割算法。相比目前多种阈值分割算法,新加入的邻域加权中值既能很好地过滤噪声,又能保留一定的图像边缘细节。经过对多幅图像的实验表明,该方法无论在精度上还是抗噪性上都有明显提升。

二维直方图斜分Tsallis–Havrda–Charvát熵图像阈值分割

本文指出了现有二维直方图区域直分法中存在明显的错分,提出了二维直方图区域斜分方法,即通过与主对角线平行的四条斜线将直方图分成内点区、边界点区和噪声点区,并按灰度级与邻域平均灰度级之和的大小进行分割。该方法可以运用于所有的基于二维直方图的阈值分割。文中导出了基于二维直方图区域斜分的Tsallis–Havrda–Charvát熵阈值选取公式及其快速递推算法,给出了分割结果和运行时间。与基于二维直方图直分的Tsallis–Havrda–Charvát熵原始算法相比,本文提出的基于二维直方图斜分的Tsallis–Havrda–Charvát熵阈值分割算法,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性,其运行时间减少了五个数量级。

改进的二维Renyi熵图像阈值分割

提出一种基于灰度-梯度信息二维Renyi熵图像阈值分割新方法。首先,由图像灰度值和梯度值构造出二维直方图,在此基础上计算目标和背景区域的二维Renyi熵,并使此熵值函数最大,得到分割阈值。像素梯度信息和Re-nyi熵可调参数相结合,可以处理更多类型的图像,同时分割得到的图像内部更均匀,边界形状更准确。

灰度图像的二维交叉熵阈值分割法

在解释和说明Li与Lee提出的一维交叉熵阈值分割方法的基础上,将其推广到二维灰度直方图上,提出了二维交叉熵图像分割算法.为了克服二维空间上运算复杂性高、运算量大的缺点,给出了二维交叉熵阈值法的快速递推公式.与二维Otsu法相比,二维交叉熵阈值法能够更好地适应目标和背景方差相差较大的情形,是一种有效的阈值分割方法.

利用二维熵自动确定图像分割的阈值

阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用.因此,如何确定阈值是图像分割的关键.建立二维直方图并借助二维熵可以自动确定图像分割的阈值.传统方法产生二维直方图时,选择4邻域中心灰度值和邻域像素的灰度均值.事实上,水平或垂直方向上的灰度变化不能完全地反映邻域像素的整体特性.提出构造二维直方图的新方法,新方法选择3×3邻域中心灰度值和4邻域以外的4个像素的灰度均值.应用新方法和传统方法进行对比实验,分割结果可以看出新方法的有效性.

基于优化熵函数二维最大熵阈值算法改进

根据熵函数在等概率场下取到最大值性质,对二维最大熵阈值法中的熵函数进行优化,将熵函数中对数和乘积运算简化为减法运算,得到目标函数具有意义明确、形式简洁、计算速度快的二维阈值自动选取方法。该法在保持二维最大熵阈值法对图像分割效果同时,又大大提高阈值选取速度,增强算法实时处理能力。这些结论正确性,既从理论推导过程中得到证明,也从对足迹图像分割的大量实验中得到验证。这种方法是保持二维最大熵阈值法分割效果不变、具有更快计算速度和实时处理能力、并在足迹图像分割中得到较好应用的一种自动阈值选取方法。

二维Arimoto熵直线型阈值分割法

Arimoto熵是一种广义熵形式.本文首先指出了已提出的二维Arimoto熵阈值分割法的表述错误,给出了正确的二维Arimoto熵阈值分割法;然后提出了二维Arimoto熵直线型阈值分割法,并给出了快速递推公式;对Arimoto熵公式中参量的选择进行了探讨,并基于标准图像进行了分割性能评估.大量分割实验表明,二维Arimoto熵直线型阈值法至少与二维Arimoto熵和二维Renyi熵直线型阈值法分割效果相当;在图像边缘和噪音信息丰富的情况下,二维Arimoto熵直线型阈值法的分割效果优于二维Arimoto熵和二维Renyi熵直线型阈值法,是一种有效的图像阈值方法.

基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。

基于改进的二维最大熵及粒子群递推的图像分割

鉴于常用的灰度级-平均灰度级二维直方图区域划分存在明显的不足,提出一种灰度级(平均灰度级)-梯度二维直方图及其区域划分方法.给出了改进二维直方图的最大熵阈值选取公式,并利用粒子群算法寻找最佳阈值,在迭代过程中采用递推算法,大大地减少了适应度函数的重复计算.实验结果表明,该方法不仅使分割后的图像区域内部均匀、边界形状准确、抵抗噪声稳健,同时相对粒子群算法运算速度又提高了约1倍.

一种基于熵值的自动阈值图像分割方法

在分析输电线路部件图像样本的特征的基础上,提出了一种基于熵值的自动阈值图像分割方法.该方法利用图像的信息熵值来自动选择图像的分割阈值,将由输电线路主要部件构成的前景图像分割出来.实验结果表明,该算法具有实现简单、计算开销小、运算速度快的优点,能满足以天空为主要背景的输电线路自动巡视的高分辨率图像实时预处理的需要.

基于二维对称Tsallis交叉熵的小目标图像阈值分割

现有的阈值分割方法应用于目标与背景面积相差悬殊的小目标图像时,几乎都失效。为此,提出了基于对称Tsallis交叉熵及背景与目标面积差的小目标图像阈值分割方法。对称Tsallis交叉熵准则能确保准确分割时目标和背景内部的灰度均匀,而背景与目标面积差可抑制均等分割的趋势,二者综合构成了更为合理的阈值选取准则函数。首先导出了一维阈值选取公式;然后经推广得到基于二维斜分对称Tsallis交叉熵及背景与目标面积差的阈值选取公式,给出了其快速递推算法及相应的简化方法。大量实验结果表明:与目前性能较优越的二维斜分Otsu、最大熵、非对称交叉熵阈值分割方法相比,所提出的方法在小目标图像分割效果上具有极为明显的优势。

二维直方图斜分最大类间交叉熵的图像分割

利用二维直方图斜分原理,提出了一种基于最大类间交叉熵的快速图像分割方法。首先依据二维直方图斜分法构建最大类间交叉熵阈值选取公式,然后导出这种最大类间交叉熵阈值选取的快速递推算法,最后将定义的数组运算与这种快速算法相结合搜索最佳阈值向量,使整个算法更简明高效。实验结果表明,与当前二维直方图斜分阈值方法相比,此算法效率更高,通用性更强。

图像非广延高斯熵分割的阈值选取方法

图像分割是实现图像目标与背景分离的基础和关键,其中阈值化是最为流行和有效的技术之一。考虑到图像处理作业场景的复杂境况,实时有效的阈值分割方法的提出一直是研究和应用中的极大挑战。针对复杂的工业无损检测图像及红外图像目标分割问题,基于非广延高斯熵提出一种新的图像阈值分割方法。对于图像中像素灰度级不均衡、不规则的随机分布特点,提出方法体现了较好的处理能力。在与实践常用方法的比较实验中,实验结果表明了提出方法的较优异性能和推广应用前景。

平均灰度级-梯度二维直方图最大相关阈值分割

鉴于现常用的灰度级-平均灰度级二维直方图区域划分存在明显的不足,提出基于灰度级(或平均灰度级)—梯度二维直方图最大相关阈值选取方法,导出相应的快速递推算法公式;给出实验结果并进行了分析与比较.结果表明:与现有的有关算法相比,所提出的基于灰度级(或平均灰度级)-梯度二维直方图最大相关阈值选取快速递推算法不仅能使分割后的图像区域内部更均匀、边界形状更准确、抵抗噪声稳健,而且同时其运行时间还减少了约20%.

二维最大类间交叉熵阈值分割法

目的研究了基于类间交叉熵的二维阈值分割算法及其抗噪性能。方法通过采用交叉熵方法来描述二维直方图中的目标区域和背景区域之间像素信息的差异程度,构造了一种基于最大类间分离性程度的图像分割新方法。结果结果仿真证明该分割方法的有效性和抑制噪声的能力。结论在有噪声的图像中,新分割方法相比传统一维最小交叉熵具有更强的抗噪性能,并且在分割性能和时间花费上都优于二维最小类内交叉熵分割法。