基于遗传算法的类间方差图像阈值分割

阈值分割是一种广泛使用的图像分割技术,分割效果的关键在于阈值的选取。本文采用最大类间方差准则来自动选取阈值,并将遗传算法应用到类间方差的寻优过程中,大大提高了运算速度,使阈值选取更加精确,通过实验表明,该方法能够有效地保留分割后图像的纹理信息,是一种有效的图像分割方法。     

遗传算法在自动阈值图像分割中的应用研究

本文在分析最大类间方差法原理的基础上,提出一种简捷的自动阈值选取的图像分割算法,该方法把图像分割最佳阈值选取转换成优化问题,利用遗传算法的寻优高效性,将遗传算法引入求解最佳阈值,实现图像分割。实验证明,新算法不仅分割质量好,而且高效可靠,极大地缩短了寻优时间。     

基于改进GA和OTSU的图像分割算法

图像分割是图像处理、模式识别和人工智能等多个领域中一项关键技术.文章利用改进遗传算法与改进OSTU算法相结合对二维图像分割进行了全局优化,使算法在保持群体多样性的同时加快收敛速度,提高算法全局收敛的稳定性,实现了图像的自动最佳阈值的分割。     

一种基于自适应阈值的图像分割算法

为提高目标检测概率，针对复杂的地面目标红外亚图像，提出了一种以最大类间方差法为基础的自适应阈值图像分割方法。用分割出的目标和背景区域的灰度统计量，设计了一个判断是否得到正确分割的准则．理论分析和实验结果表明，对于复杂背景下低对比度、低信噪比的地面目标，不论目标在图像中所占面积大小，利用该方法均可得到正确的分割结果．通过设置阈值运算的灰度取值范围，可大大减少计算量，节省处理时间．     

阈值化图像分割算法研究

本文将阈值化分割算法划分为几类,以时间顺序分别介绍了每种方法的研究背景,并讨论其优缺点。     

基于自适应阈值的棉网图像中结杂的识别

在棉网图像中,棉结和杂质(简称结杂)大多都混杂在聚集的纤维网中难以检出和识别.针对这一问题,提出了一种将最大类间方差法(Otsu法)与线性回归相结合的棉网图像结杂分割方法.首先对棉网图像进行预处理,然后根据Otsu法获取棉网图像与背景分开的阈值,再根据线性回归找出该阈值与结杂灰度的关系,获得结杂分割的最佳阈值,从而实现结杂的识别.     

融合视觉模型和最大熵的阈值分割算法

针对传统二维最大熵阈值分割算法关于二维直方图的区域划分中存在的缺点(即图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点)以及搜索最佳阈值向量的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了一种二维直方图的新的区域划分方法,同时还提出了基于视觉模型的二维最大熵阈值分割算法,提出的阈值分割算法降低了计算复杂度的同时还具有很好的分割性能。根据一些图像分割的定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出算法的分割效果更好。     

基于灰度迭代阈值的高分辨率影像分割研究

图像分割技术为遥感图像解译和分类的一种重要方法,目前主要应用在中分辨率影像中,由于高分辨率影像的信噪比低,直接进行图像分割,效果不佳．对2010年3月湖北省襄阳市高分辨率的快鸟影像,进行降噪处理及改进阈值策略来改善灰度迭代阈值法的图像分割效果．首先运用数学形态学的闭运算对影像进行降噪处理,然后采用灰度迭代阈值法和最大类问方差法的图像分割对影像进行分割对比研究．结果表明,灰度迭代阈值法在时间效率及影像分割效果方面优于最大类间方差法．     

一种改进的基于类间方差的阈值分割法

在图像的目标和背景像素灰度均服从正态分布时,提出了一种改进的基于最大类问方差法的图像分割算法．对新算法进行了测试并与最大类间方差法和最大熵法进行了比较,结果表明,新的改进算法在图像分割过程中具有速度快、效果好的特点．     

基于遗传算法的图像阈值分割算法研究

图像分割是图像处理的一个重要研究方向,本文在介绍了基于阈值的图像分割算法的基础上,针对最大类间方差的寻优问题,利用遗传算法求解最佳阈值,大大提高了计算速度。     

改进的粒子群算法用于图像分割

提出了一种将保证收敛粒子群算法与最大类间方差法相结合的快速阈值分割法。该方法根据最大类间方差法的原理以分离度大小作为判断粒子优劣的准则,即分离度越大粒子就越好,并采用粒子群算法对图像进行多目标优化搜索。实验表明,该算法在继承标准粒子群算法易于实现、实时性好等优点的同时,还避免了标准PSO算法存在的早熟收敛问题,具有更强的寻优能力。     

基于最大熵的灰度阈值选取方法

图像分割是图像处理中的一个重要问题。在最大类间方差法和一致性准则法的基础上,运用最大熵原理来选择灰度阈值对图像进行分割。实验结果表明,本算法确定的阈值具有更佳的分割效果。     

基于改进量子粒子群优化的多阈值图像分割算法

为提升工程应用中图像分割的质量,在变异量子粒子群算法的基础上进行改进,并结合最大类间方差法提出了一种基于改进量子粒子群优化(QPSO)的多阈值图像分割算法.该算法结合贝叶斯定理与粒子搜索过程中的历史信息构建了一个记忆向量,然后根据记忆向量对每个粒子的行为进行预测,并以此自动设置各粒子的变异概率,使算法在保持一定局部开发能力的同时提升全局搜索能力.在Berkeley数据集上的仿真实验结果表明,与两种基于粒子群的图像分割算法相比,文中算法能获得更为稳定且清晰的图像分割结果.     

图像阈值分割算法研究

图像阈值分割的方法很多,但目前很难找到适用于各种场合的分割方法。本文针对实际情况对几种分割方法进行了分析比较及实验研究。在此基础上引入了遗传算法,加快了算法的收敛速度。最后将一种改进的遗传算法用于优化图像分割,取得了较好的分割效能。     

图像二维阈值分割的数据场方法

针对图像分割中最优阈值选择这一难题,提出了一种新的图像二维阈值分割方法.该方法引入数据场的思想,将图像从灰度值空间映射到数据场的势空间;将二维灰度直方图的频率作为数据场对象的质量,计算二维直方图元素之间的相互作用和影响,生成二维直方图的三维数据场;再通过势心削除、势心合并等环节获得最优分割阈值,在不明显增加时间复杂度的前提下得到较好的分割结果.对标准图像数据集以及部分加噪声图像的分割实验表明,该方法是合理、有效的,能够适应大多数图像的分割,具有一定的抗噪性能,是经典一维最大类间方差法的有效补充.     

阈值分割算法在图像处理中的应用

图像分割就是根据图像的某些特征或特征集合的相似性准则对图像进行分类,把图像空间分成若干个某些具有一致性属性的不重叠区域。本文在介绍了阈值分割三种算法的基础上,通过matlab仿真实验结果分析比较了三种算法的优劣性。     

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的 Sobol 序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明：该改进算法在分割准确性、计算时间、SSIM和PSNR上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。     

基于乌鸦搜索优化算法的多级阈值图像分割方法

针对传统Kapur熵在多阈值图像分割算法中存在运算量大、计算效率低以及精度不高等问题,提出了一种基于乌鸦搜索优化算法的多级阈值图像分割方法,该方法采用Kapur熵作为计算适应度的目标函数,通过引入乌鸦搜索优化算法求解目标函数最大化时的全局最优问题.实验结果表明:相对于其他方法,本文方法在多个评价指标上都有很好的性能体现...     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．     

精子运动能力检测系统中图像分割方法的选取与算法实现

介绍了精子运动能力检测系统中精子图像分割方法选取中的问题及应对的方法。重点 介绍了最大类间方差阈值选取法的算法原理。