一种改进的球栅阵列封装焊点射线图像阈值分割算法

球栅阵列封装焊点的射线图像具有信噪比差、背景不均匀等特点,故传统的阈值分割方法无法将目标焊点与背景图像很好的分割.本文通过对球栅阵列封装焊点射线图像直方图的分析,利用了自适应维纳滤波对阈值分割前的图像进行了预处理.根据图像的差异来调整该滤波器的参量,对局部差异大的地方进行小的平滑操作,对局部差异小的地方进行大的平滑操作.在最大类间方差法的基础上,对分割后的图像进行了进一步的分析并提出了改进的二次分割方法.改进的方法为并不直接通过OTSU法进行二值化处理来去除背景,而是在阈值分割得到的两个灰度级内通过计算中值和统计最大灰度像素的方法得到了更优化的阈值,使得去除背景后的焊点图像整体更加清晰和均匀.在背景灰度级内寻找了一个合适的灰度级作为处理后的灰度图像新背景,实验证明该方法明显改进了传统最大类间方差法对球栅阵列封装焊点射线图像的阈值分割效果.     

改进图像阈值分割算法的研究

研究了利用阈值对图像进行分割的一般算法。根据图像的特点,从不同的数学角度对阈值的选取进行了分析,改进了基于图像灰度统计特征的边缘强度分割和逐次逼进的阈值迭代算法,并尝试采用多个阈值进行局部分割的算法。对分割结果的对比分析表明,改进后的算法在分割的完整性和一致性上具有更好的效果。     

改进的遥感图像多种信息熵阈值分割算法

给出了一种新的图像信息量的表述方法,提出了五种基于信息熵的科学分割遥感图像的改进方法。用MATLAB对这些算法进行了实验仿真,并进行了算法性能优化。得出了各种不同算法的最佳阈值和耗时,并对它们进行了比较和分析。实验数据表明,新算法较以往的算法在分割效果和速度上都有明显的改善和提高。     

基于射线坡度阈值的城市地面分割算法

针对城市环境激光雷达点云地面分割过程中坡度路面、障碍物和地面交界处存在欠分割与过分割的问题,提出一种应用于不同城市场景的地面分割算法。该算法首先利用激光雷达水平角分辨率将点云进行线序化排列,再利用射线前后点的距离比去除悬空异常噪点;随后借助射线点距离与坡度信息自适应调整高度阈值;最后利用调整后的全局与局部高度阈值进行地面分割。对3种不同类型的城市路面进行的实验验证了本文算法的有效性,该算法在不同城市场景下均可区分障碍物与地面交界处的点云与坡面,平均分割准确度达98%,平均耗时2 ms。     

倒装芯片塑料球栅阵列封装器件在外应力下的失效机理

倒装芯片塑料球栅阵列(FC-PBGA)封装形式独特而被广泛应用, 分析研究其在实际应用过程中, 在高温、电、水汽等多种综合环境应力条件作用下的失效机理对提高其应用可靠性有重要意义. 本文对0.13 μm 6层铜布线工艺的FC-PBGA FPGA器件, 通过暴露器件在以高温回流焊过程中的热-机械应力为主的综合外应力作用下的失效模式, 分析与失效模式相对应的失效机理. 研究结果表明, FC-PBGA器件组装时的内外温差及高温回流焊安装过程中所产生的热-机械应力是导致失效的根本原因, 在该应力作用下, 芯片上的焊球会发生再熔融、桥接相邻焊球致器件短路失效; 芯片与基板之间的填充料会发生裂缝分层、倒装芯片焊球开裂/脱落致器件开路失效; 芯片内部的铜/低k互连结构的完整性受损伤而影响FC-PBGA器件的使用寿命.     

显微图像阈值分割算法的研究

针对细胞图像分割问题,考虑传统阈值分割方法的局限性,提出一种自适应局部阈值分割算法。该算法的基本思想是通过自适应阈值选取对每个像素确定以它为中心的一个邻域窗口,计算窗口内像素的最大和最小值,再取它们的均值为阈值,以此分割图像。分别用自适应阈值分割法和迭代阈值的图像分割方法实现图像分割,实验结果表明:自适应阈值分割法效果良好,具有鲁棒性。     

一种改进的自适应模糊阈值图象分割方法

自适应模糊阈值图象分割方法的关键和困难在于隶属函数窗宽的自动调整和阈值搜索范围的确定.依靠图象灰度的统计特性初步确定阈值搜索范围，提出了一种改进方法，进而得到隶属函数的窗宽.实验表明这种方法避免了确定图象灰度直方图峰位置的困难，对较低亮度图象分割效果良好.     

一种平行栅碳纳米管阵列阴极的场发射特性研究

建立一种平行栅碳纳米管阵列阴极,利用悬浮球模型和镜像电荷法进行计算,给出碳纳米管顶端表面电场与电场增强因子的解析式. 在此基础上,进一步分析器件各类参数以及接触电阻对阴极电子发射性能的影响. 分析表明,碳纳米管间距大约为2倍碳纳米管高度时阵列阴极的分布密度最佳,靠边缘部位的碳纳米管发射电子能力比其中心部位的大;除碳纳米管的长径比之外,栅极宽度和栅极间距也对电场增强因子有一定作用;接触电阻的存在大幅度降低碳纳米管顶端表面电场与发射电流,而接触电阻高于800 kΩ时,器件对阳极驱动电压的要求更高. 关键词： 平行栅碳纳米管阵列 悬浮球 场增强因子 接触电阻     

痕量微生物图像的阈值分割方法研究

探讨阈值分割算法,把其应用于痕量微生物图像的处理。基于阈值算法提出了适合痕量微生物图像的目标信号提取方法。对阈值分割算法进行分析,对比传统阈值方法和提出的改进阈值算法的实际图像处理效果。传统阈值算法可实现对图像中微生物信号的提取,但存在一定失真。基于阈值分割方法的改进算法具有抑制噪声信号,及区分背景与目标的能力,可高效实现微生物信号的提取。所成微生物分布二值图像具有轮廓清晰、易于观察的特点。     

基于改进迭代阈值的白细胞图像分割方法

人体外周血五类白细胞数量和所占比例反映了人体的健康状态,人工检查白细胞消耗医务人员的大量精力,如何用智能方法快速、准确进行白细胞智能分类是一个亟待解决的问题,其中白细胞分割的准确性是正确分类的关键。提出了一种改进的迭代阈值图像分割算法,对恢复有丝分裂连线的最小距离方法进行了基于数学和数模分析的预处理改良,提升了白细胞图像分割的精度和效率,解决了血小板粘连、白细胞边界不分明等问题。将白细胞从复杂的血液环境中分离出来,对有丝分裂细胞的多叶核进行最小距离判定并连线,然后定位到每个白细胞,制作数据集,最后用CNN分类。经测试,分割正确率达到了96%以上。实验结果验证了所提分割方法的准确性、高效性和实用性。     

An Interval Iteration Based Multilevel Thresholding Algorithm for Brain MR Image Segmentation

In this paper, we propose an interval iteration multilevel thresholding method (IIMT). This approach is based on the Otsu method but iteratively searches for sub-regions of the image to achieve segmentation, rather than processing the full image as a whole region. Then, a novel multilevel thresholding framework based on IIMT for brain MR image segmentation is proposed. In this framework, the original image is first decomposed using a hybrid L₁ − L₀ layer decomposition method to obtain the base layer. Second, we use IIMT to segment both the original image and its base layer. Finally, the two segmentation results are integrated by a fusion scheme to obtain a more refined and accurate segmentation result. Experimental results showed that our proposed algorithm is effective, and outperforms the standard Otsu-based and other optimization-based segmentation methods.     

Enhanced Slime Mould Algorithm for Multilevel Thresholding Image Segmentation Using Entropy Measures

Image segmentation is a fundamental but essential step in image processing because it dramatically influences posterior image analysis. Multilevel thresholding image segmentation is one of the most popular image segmentation techniques, and many researchers have used meta-heuristic optimization algorithms (MAs) to determine the threshold values. However, MAs have some defects; for example, they are prone to stagnate in local optimal and slow convergence speed. This paper proposes an enhanced slime mould algorithm for global optimization and multilevel thresholding image segmentation, namely ESMA. First, the Levy flight method is used to improve the exploration ability of SMA. Second, quasi opposition-based learning is introduced to enhance the exploitation ability and balance the exploration and exploitation. Then, the superiority of the proposed work ESMA is confirmed concerning the 23 benchmark functions. Afterward, the ESMA is applied in multilevel thresholding image segmentation using minimum cross-entropy as the fitness function. We select eight greyscale images as the benchmark images for testing and compare them with the other classical and state-of-the-art algorithms. Meanwhile, the experimental metrics include the average fitness (mean), standard deviation (Std), peak signal to noise ratio (PSNR), structure similarity index (SSIM), feature similarity index (FSIM), and Wilcoxon rank-sum test, which is utilized to evaluate the quality of segmentation. Experimental results demonstrated that ESMA is superior to other algorithms and can provide higher segmentation accuracy.     

一种改进的基于分水岭的图像分割算法

针对分水岭算法过分割现象,提出一种综合分水岭算法、中值过滤算法和归一化割算法的改进算法。该算法首先应用改进型的中值过滤算法对图像进行适当的除噪;然后通过分水岭变换对图像进行了初步分割,最后使用归一化割算法进行图像精度分割。算法集合了分水岭算法、中值过滤算法及归一化割算法的优点,既较好地解决了分水岭算法中过度分割的问题,又降低了归一化割算法的时间复杂度。实验结果表明该算法是一种切实可行的图像分割方法。     

A Hybrid Preaching Optimization Algorithm Based on Kapur Entropy for Multilevel Thresholding Color Image Segmentation

Multilevel thresholding segmentation of color images plays an important role in many fields. The pivotal procedure of this technique is determining the specific threshold of the images. In this paper, a hybrid preaching optimization algorithm (HPOA) for color image segmentation is proposed. Firstly, the evolutionary state strategy is adopted to evaluate the evolutionary factors in each iteration. With the introduction of the evolutionary state, the proposed algorithm has more balanced exploration-exploitation compared with the original POA. Secondly, in order to prevent premature convergence, a randomly occurring time-delay is introduced into HPOA in a distributed manner. The expression of the time-delay is inspired by particle swarm optimization and reflects the history of previous personal optimum and global optimum. To better verify the effectiveness of the proposed method, eight well-known benchmark functions are employed to evaluate HPOA. In the interim, seven state-of-the-art algorithms are utilized to compare with HPOA in the terms of accuracy, convergence, and statistical analysis. On this basis, an excellent multilevel thresholding image segmentation method is proposed in this paper. Finally, to further illustrate the potential, experiments are respectively conducted on three different groups of Berkeley images. The quality of a segmented image is evaluated by an array of metrics including feature similarity index (FSIM), peak signal-to-noise ratio (PSNR), structural similarity index (SSIM), and Kapur entropy values. The experimental results reveal that the proposed method significantly outperforms other algorithms and has remarkable and promising performance for multilevel thresholding color image segmentation.     

一种用于前列腺区域分割的改进水平集算法

前列腺区域的精确分割是提高计算机辅助前列腺癌诊断准确率的重要前提.本文提出了一种新的精确的前列腺区域分割模型,分为4个步骤：首先,读取T₂加权磁共振（MR）图像;其次,利用半径为5个像素的8邻域模板（8x5）的局部二值模式（LBP）特征模板计算前列腺磁共振图像的LBP特征图;然后,利用改进的距离正则化水平集（DRLSE）模型对特征图进行分割,提取前列腺粗轮廓;最后将原始水平集能量函数进行优化,构造一个新的能量函数,提取局部灰度信息和梯度信息,并在此新的能量函数的基础上,将粗轮廓迭代演化为最终的细轮廓.本文将该模型在203组来自于国际光学与光子学学会-美国医学物理学家协会-国家癌症研究所（SPIE-AAPM-NCI）前列腺MR分类挑战数据库的T2W磁共振图像上进行了测试,并与医生手工分割结果进行了比较,结果表明本文提出模型得到的分割结果的Dice系数为0.94±0.01,相对体积差（RVD）为-1.21%±2.44%,95% Hausdorff距离（HD）为6.15±0.66 mm;与文献中现有的分割模型相比,使用本文提出的模型得到的前列腺区域分割结果更接近于手工分割的结果.     

改进的多粒度原理在遥感图像分割算法研究

针对传统的遥感图像分割算法由于计算复杂等原因,造成图像的分割分辨率低,清晰度不高,当图像中的信息量非常大时,对图像分割非常耗时等问题缺陷,为了有效地分割图像,提出了一种改进的多粒度原理和小波算法相结合的遥感图像分割算法;该方法首先采用小波变换对图像的弧度直方图进行小波多尺度变换,并进行分解操作,然后采用粒度合成技术对分解后的图像进行合成;文中采用的是256×256的SAR图像来进行实验对比,结果表明,提出的算法有效地改善了分割效果,分割出的图像边缘效果明显清晰,证明了该算法的可行性和有效性。     

基于区域分割和Counterlet变换的图像融合算法

提出了一种基于区域分割和Contourlet变换的图像融合算法。首先,对各源图像做区域分割,并利用区域能量比和区域清晰比的概念来度量和提取区域信息;然后,对各源图像进行多尺度非子采样Contourlet分解,分解后的高频部分采用绝对值取大算子进行融合,低频部分则采用基于区域的融合规则和算子进行融合;最后进行重构得到融合图像。对红外与可见光图像进行了融合实验,并与基于像素的àtrous小波变换和Contourlet变换的融合效果进行了比较。结果表明,采用本文算法的融合图像既保留了可见光图像的光谱信息,又继承了红外图像的目标信息,其熵值高于基于像素的融合方法约10%,交叉熵仅为基于像素的融合方法的1%左右。     

改进的Brenner图像清晰度评价算法

图像清晰度评价是基于数字图像的被动式自动调焦技术的基本问题之一.传统Brenner图像清晰度评价算法具有运算速度快特点,但是其评价准确性取决于阈值选取,且其灵敏度较低.针对上述问题,本文提出了一种改进算法.改进算法采用高通和带通两个滤波器对图像进行计算,克服阈值对传统Brenner算法评价结果的影响.为了衡量改进算法的性能,将其与传统的Brenner算法比较,并对评价算法的单峰性、无偏性、灵敏度、计算量等主要衡量标准逐一分析.实验结果表明:与传统的Brenner评价算法相比,改进算法在满足评价算法单峰性和无偏性前提下,提高了灵敏度,降低了计算次数.     

改进的Brenner图像清晰度评价算法

图像清晰度评价是基于数字图像的被动式自动调焦技术的基本问题之一.传统Brenner图像清晰度评价算法具有运算速度快特点,但是其评价准确性取决于阈值选取,且其灵敏度较低.针对上述问题,本文提出了一种改进算法.改进算法采用高通和带通两个滤波器对图像进行计算,克服阈值对传统Brenner算法评价结果的影响.为了衡量改进算法的性能,将其与传统的Brenner算法比较,并对评价算法的单峰性、无偏性、灵敏度、计算量等主要衡量标准逐一分析.实验结果表明:与传统的Brenner评价算法相比,改进算法在满足评价算法单峰性和无偏性前提下,提高了灵敏度,降低了计算次数.