直线型二维Tsallis熵阈值分割方法

为了充分利用图像的边界区域信息,本文在研究二维Tsallis熵的基础上,提出了直线型二维Tsallis熵阈值分割方法,传统的二维Tsallis熵法可以看作是直线型二维Tsallis熵阈值分割方法的特例.为了减少运算量,提高分割速度,给出了直线型二维Tsallis熵法的快速递推公式.实验结果表明:直线型二维Tsallis...     

基于粗糙集的迭代阈值选择的玉米苗期背景分割算法研究

将粗糙集与阈值迭代算法相结合,提出了基于粗糙集的迭代阈值选择背景分割算法并将其运用在玉米苗期图像上。利用粗糙集的模糊性刻画目标与背景的边界,用阈值迭代法选取阈值进而实现背景分割。仿真试验结果表明:传统的阈值迭代算法的分割耗时为0.469 s,并且分割后图像存在大量的信息丢失;基于粗糙集的迭代阈值选择背景分割算法的分割耗时为0.374 s,分割图像清晰,能够快速、有效、准确的实现背景分割,并满足农业智能生产中实时性、高效性的要求。     

基于改进蚁群算法和指数熵算子的三类阈值图像分割

针对多目标图像分割问题,采用了1种基于二维灰度直方图的三类阈值分割方法,将图像划分为暗、灰和亮3种不同的区域,分别给出了其模糊隶属度函数,引入概率分析,定义了基于指数熵算子的最大模糊熵准则,通过改进的蚁群算法,搜索最优模糊参数组合,以此确定图像的分割阈值。实验结果表明,该算法能快速、有效的分割图像。     

一种改进的二值化分割算法及其在指纹识别中的应用

研究了指纹特征提取的原理及算法实现流程,它依次可分为指纹图像归一化、分割和二值化、图像增强滤波、图像细化、特征提取等几个步骤．在分割和二值化阶段提出了一种改进的基于图像分块和阈值迭代的二值化分割算法,新算法能有效提取局部图像的最优二值化阈值,可提高对明暗分布不均的图像的二值化分割的效果和指纹图像分割的质量．在图像增强和细化阶段引入细化邻域方法进行图像增强和细化,最后对指纹特征进行提取．利用ＭＡＴＬＡＢ工具进行了仿真,结果表明,采用改进的算法进行指纹特征提取基本能准确、快速找出指纹图像的特征．     

基于二维熵的农业图像目标分割

农业图像的目标分割是在农业领域应用机器视觉技术的基础,采用阈值法进行图像的目标分割,能够克服一些图像缺陷。首先将彩色数字图像转换成像素灰度级分布与其邻域平均像素灰度级分布所构成的二维灰度图,再根据图像分割后的最大熵计算分割阈值,然后由计算出的阈值分割农业田间图像,分割的结果显示,二维熵法分割农业田间图像的效果很好,分割质量的优秀率达到了98%。     

基于二维阈值向量的木材表面缺陷分割方法

根据木材表面缺陷图像的自身特点,提出了基于灰度—梯度二维阈值向量的缺陷区域分割方法。该方法以灰度—梯度共生矩阵为模型,通过计算基于灰度—梯度共生矩阵的二维熵并使边缘区域的熵最大化来选择二维阈值向量。该方法不仅利用了图像的灰度信息,也利用了图像的梯度信息。采用形态学运算对分割后的二值图像进行分割后处理,试验表明,分割效果良好。     

基于灰度共生矩阵的木材表面缺陷图像的纹理分割方法

针对木材缺陷这一自然纹理型事物,提出了一种基于灰度共生矩阵并结合模糊C均值聚类算法的纹理分割方法.对比了该方法与基于灰度-梯度共生矩阵二维阈值分割算法的分割结果,实验表明:对于木材表面缺陷这类自然纹理图像的分割,纹理分割是行之有效的方法.     

玉米病害图像分割系统开发

为了提高玉米病害叶片图像分割的准确性和设计相应的图像分割系统,采用迭代阈值分割算法和形态学中的开闭运算相结合的方法对玉米病害图像进行分割,使用VB和MATLAB的混合编程设计开发玉米病害图像分割系统.运行结果表明,该分割方法对玉米病害图像有很好的分割效果.     

基于改进的快速最大熵多阈值的成熟草莓图像分割

成熟草莓图像分割是草莓机械化采摘中首要解决的难题之一,最大熵多阈值算法是图像分割中效果较稳定的方法之一,但存在计算复杂度高、分割速度慢等缺点。为降低算法的计算复杂度、加快搜索速度,提出了一种改进的快速最大熵多阈值图像分割算法(IFMEMT)。首先提取RGB彩色图像的R分量灰度图像及灰度图像信息,然后应用IFMEMT算法求得最大熵及对应的阈值,最后进行图像分割。实验结果表明,在复杂环境下IFMEMT相对OTSU等图像分割算法不仅能达到相同甚至更好的分割效果,而且有更好的分割效率,能满足成熟草莓机械化采摘的实时性要求。     

基于超像素的木材表面缺陷图像分割算法

使用SLIC(简单线性迭代聚类)超像素图像分割方法将木材表面缺陷图像预分割,并从提高算法速度和自适应阈值2方面对超像素合并算法进行改进;分析了DBSCAN(具有噪声的基于密度的聚类方法)聚类用于该类超像素合并中算法的复杂度,提出了自适应阈值的快速DBSCAN超像素合并算法来取得缺陷分割图像。结果表明:改进后的算法对于3类缺陷都能很好的分割,并且算法复杂度低;分割及合并的总时间为0.35 s左右,能满足在线分选的要求。