共查询到10条相似文献，搜索用时 31 毫秒
1.
白雪峰张平安 《深圳信息职业技术学院学报》2015,(3):38-42
当图像中目标类类内方差与背景类类内方差差异较大时,灰度约束Otsu分割法能够获得更好的分割结果。然而,灰度约束Otsu分割法降低了分割阈值,因而更容易受到图像中噪声的影响而出现分割错误。针对这一问题,本文将灰度约束策略推广到了二维Otsu分割法,从而提出了一种具有灰度约束的二维Otsu图像分割方法,即根据二维Otsu分割法的阈值特点选定二维灰度约束值并获得灰度约束二维直方图,而后再使用灰度约束二维直方图选取分割阈值。实验结果表明,本文方法能够更为有效的抵抗图像中的噪声,可以获得更好的图像分割结果。 相似文献
2.
3.
林亚君陈学军 《福建工程学院学报》2020,(6):593-597
为更好实现红外图像中电力设备故障区域的提取,提出改进PCNN(脉冲耦合神经网络) 的故障区域提取方法。基于Otsu 算法(大津法,又称最大类间差法) 计算红外图像的最优分割阈值,作为PCNN 迭代的初始阈值。以最大类间方差作为PCNN 模型的收敛判据,实现红外图像自动分割以提取电力故障区域。实验表明,该算法与Otsu、K-means、传统PCNN 方法相比,能够更全面、精确地提取电力故障区域,为后续故障类型识别奠定基础。 相似文献
4.
图像分割技术在昆虫识别中的应用 总被引：1，自引：0，他引：1
以浙江省66种重大检疫性害虫为研究对象,采用Otsu算法实现昆虫图像的分割,取得了较好的效果.首先对昆虫图像进行灰度化处理,加快分割速度,再对灰度图像进行中值滤波,去除大部分噪声,最后,用Otsu算法对灰度化和中值滤波后的昆虫图像进行分割.针对存在的不足,运用数学形态学方法进行修正.首先利用数学形态学中的膨胀和腐蚀运算对昆虫图像进行增强,然后运用Otsu算法对图像进行分割.实验结果表明,将Otsu算法与数学形态学方法结合起来能够有效地提取昆虫图像. 相似文献
5.
基于并行粒子群算法的Otsu双阈值医学图像分割 总被引：1，自引：0，他引：1
医学图像分割一直是医学影像分析领域的研究热点。由于粒子群优化(PSO)容易陷入局部极小,因此该算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,结合Otsu分割技术,提出了一种基于并行粒子群优化算法的Otsu双阈值医学图像分割算法。在该算法中,将粒子群体分成若干个子群体,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验结果表明,提出的分割算法与传统粒子群算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性,其收敛速度明显优于基于单种群的粒子群算法的Otsu双阈值医学图像分割。 相似文献
6.
为提高双凸透镜在实时缺陷检测时阈值分割的速度和精度,提出了改进粒子群优化算法(particle swarm optimization, PSO)优化Otsu双阈值分割(Otsu’s thresholding method)。通过改进粒子群算法的权重函数并引入约束因子增强粒子前期全局搜索能力,提升了后期局部收敛速度;在判断是否陷入局部最优时加入扰动,防止粒子后期陷入局部最优;用粒子当前位置替换全局位置时,为减少粒子资源浪费,通过重新分配位置和速度激活粒子搜索能力,提升了整体粒子群的全局搜索能力。实验证明,采用改进的PSO算法对图像进行双阈值分割,比Otsu双阈值分割节省约52.7%的时间,比PSO+Otsu算法节省约32.3%的时间,而且其阈值分割的精度也得到了提升。 相似文献
7.
数字图像分割对于图像处理来说是很关键的.在逼近迭代的基础上引入了信息熵的概念.文中算法改变了逼近迭代法中循环终止条件,并且使阈值的选取自适应地根据分成的目标与背景的频数比率来确定,使其均值更能接近整幅图的期望值,结果更精确.实验结果表明,与直方图双峰法、最大类间方差法(Otsu法)、逼近迭代法相比,文中方法能有效克服背景和目标灰度对比度不大造成的困难,分割所得的图像最清晰、完整,去噪能力最强. 相似文献
8.
图像阈值分割算法中,如何确定最优阈值是关键.使用传统多阈值法对较复杂图像进行分割,存在计算复杂度高、分割速度慢等问题.文章将细菌群体趋药性优化算法和阈值分割算法相结合,并且对细菌群体趋药性算法进行改进,提出了基于改进细菌群体趋药性优化算法的多阈值图像分割算法.实验结果证明,文章提出的算法具有很好的收敛性和稳定性,得到了较好的图像分割效果和图像分割速度. 相似文献
9.
一种结合改进OTSU法和改进遗传算法的图像分割方法 总被引：1，自引：0，他引：1
为了自动确定图像分割的最佳阈值,提出了一种结合改进OTSU法和改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维OTSU图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题.在理论分析和仿真数据实验中,与二维OTUS图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的降低,更能满足图像处理的实时性要求. 相似文献
10.
最大类间距离法已经被证明是一种较好的阈值化方法[1],但在用于双阈值或多阈值分割时存在实现效率较低等问题,而遗传算法高效的随机搜索能力正好能弥补其不足.根据脑部图像分为灰质、白质等三类的特点,通过把遗传算法引入最大类间距离法来实行对脑部图像的分割,实验验证取得了较好的分割效果. 相似文献