最小误差阈值分割法的改进算法
第37卷第7期2010年7月
光电工程
Opto-ElectronicEngineering
V01.37,No.7
July,2010
文章编号:1003—501X(2010)07—0107—07
最小误差阈值分割法的改进算法
朱齐丹1‘2,荆丽秋1,毕荣生1。2,吴叶斌2
(1.哈尔滨工程大学自动化学院,哈尔滨150001
l
2.哈尔滨三联药业有限公司,哈尔滨150001)
摘要:最小误差阈值分割法在图像分割中有广泛的应用。本文对二维最小误差阈值法及其快速算法(在这里称为原算法)进行了改进,对原最小误差阈值法的阈值求取公式进行了变形,并采用查表的方法,将二维阈值的求取转化为两个一维阈值的求取,简化了计算,将算法的时间复杂性由O(L2)降到0U)。本文的实验结果表明该分解算法可以在保证原算法良好抗噪,陛的前提下,计算阈值所需要的时间更短,利用的空间更小,且该方法可以得到与原算法相同的分割闽值。
关键词:阈值分割;最小误差阈值法;阈值选取;图像分割中图分类号:TN911.73;TP391
文献标志码:A
doi:10.39690.issn.1003—501X.2010.07.021
ImprovementAlgorithmofMinimum-error
ThreshoidingSegmentation
ZHU
Method
Ye.bin2
Qi-danl一,JING
Li-qiul,BI
Rong.shengm,wu
(1.AutomaticInstitute,HarbinEngineeringUniversity,Harbin150001,China;
2.Medisan
Abstract:As
a
Pharmaceutical
Co.,LtdHarbin,Harbin150001,China)
generalizationofone—dimensionalminimum-errorthresholdsegmentationmethodwaswidelyusedin
image
segmentation.Insegmentation
thispaper,two-dimensional
minimum-errorthreshold
algorithmanditsfastalgorithm(here
referringtothreshold
theoriginalmethod)areimproved,andthresholdacquirementformulaoftheoriginal
minimum-error
methodwasdeformed.By
usinglook-uptablemethod,acquirement
oftwo-dimensionalthreshold
istransformedinto
thatoftwoone-dimensionalthreshold,SOthecalculationissimplifiedandtimecomplexityisreduced
fromo(L2)to0(£).ExperimentalresultsshowthisdecompositionalgorithmoutperfOITllSoriginalalgorithm.Without
losingtherobustness
tonoiseandneedingmoretimeandspace.it
can
get
the
s锄e
segmentationthreshold
as
theoriginal
method.
Keywords:threshold
segmentation;minimum-errorthresholdingmethod;thresholding;imagesegmentation
0引言
图像分割中,根据不同的分割模型有不同的分割方法。其中有基于物理¨J、并行自适应层次化网络u1、基于小波域隐马尔可夫”J、并行点火PCNNl4J、知识的多层Mumford—shah向量值p1等不同模型的图像分割方法。在分割方法16-71中,其中以最大类间方差法(也称Ostu法),最大熵法、最小误差阂值法居多,其中
Ostu法IS-91和最大熵法都相继提出了二维【1Ⅲ、多维及其快速[1H21算法,以及分解的二维阈值分割法【l孓1耳1等。
而最小误差阈值法却研究的很少,只有范久伦u划等提出了最小误差阈值法的二维推广。
最小误差阈值法是基于Bayes理论,由Kittler和Illingworth提出来的,为了更加清楚的揭示该方法,
收稿日期:2009—12-25{收到修改稿日期:2010-03"-08
基金项目:自然科学基金资助项目(60875025);哈尔滨工程大学校基金(002040260746)
作者简介:朱齐丹(1963一),男(汉族),黑龙江哈尔滨人。教授,博士生导师,主要研究1二作是控制,模式识别。E-mail:zhuqidan@hrbeu.edu.∞。通信作者:荆丽秋(1977・),女(汉族),黑龙江哈尔滨人。在读博士,主要研究工作是机器视觉。E,-mail:brs913@yahoo.∞。
108
光电工程2010年7月
我们运用概率论¨卅中多元函数的边缘特性与信息论中有向散度的思想,对原算法进行了改进,将二维阈值的求取转化为两个一维阀值的求取,使算法的时间复杂性由O(L2)降到0怛)。使改进算法在保持原算法良好抗噪性的前提下,计算阈值所需要的时间更短,利用的空间更小,且该方法可以得到与原算法相同的分割阈值和分割效果。1
二维最小误差阈值法及其快速算法
对于一幅大小为MxN的数字图像,我们用舷,力和甙x,y)分别表示图像上坐标为(x,y)的像素点的灰
度值和KxK邻域平均灰度值,触,y)∈G=【l,l,…,L一1】,设图像的灰度等级为£,则像素的邻域平均灰度等级也为£,如,y)和g(x,y)组成的二元组记为(f,/),在此基础上定义图像的二维直方图,该二维直方
图定义在一个(J已一1)×(£一1)大小的正方形区域上,其横坐标和纵坐标分别表示像素的灰度值和邻域灰度的平均值,设二元组(f,/)出现的频数o,则可以定义相应的联合概率密度Jp:f『
弓=嘉
式中:MxN为图像总的像素数,MxN=∑=∑=q,并且∑:∑=弓=l。
上所有的Pf,“0,那么背景和目标分别位于区域I和Ⅲ中。
(1)
设分割阈值为0,0,则直线i=s和产,将二维直方图的投影平面分为四个区域,如图1(d)所示。在大多数情况下,二维直方图中远离对角线爿区域的概率可以忽略不计,对应于边缘和噪声。即区域11和Ⅳ
(a)Originalimage
(b)Corresponding
IDhistogram(c)Corresponding
2D
histogram(d)Four-quadrantpartitionof
图1
Fig.I
灰度图像及其一,二维直方图
Gray
imageand1D、2D
m。2Dhl咖grampl撇
histogram
对于灰度图像上的二.维直方图,假设在阈值0,f)相应的有一个二维混合正态分布
爿=Po(s,t)P(i,j/o)+鼻(s,t)P(i,j/1)
J,)的概率密度函数定义为
(2)
其中:Po(s,f),Pi(s,f)是先验概率,P(i,∥0)和P(i,jTl)是两个二维正态分布。二维正态分布随机变量@,
p(x,J,):————告expI熹×f掣一2p皇三二』生丛』型+掣1p‘x,y’2三::i;丽expl互而×I半一2p!——!≯+等jl(3)l‘3’
8
t
其中:朋,肫分别表示随机变量x和y的均值,砰、砖分别为随机变量X和y的方差,P是随机变量X
和Y的相关系数。在二维直方图中代表物体和背景两类的概率分别为
Po(s,f)=∑弓=∑∑弓
(f√)∈焉(s,t)
i=0
(4)
(5)
j=o
L—I£一l
毋(J,,)=
并且满足
∑
(f,j);R3(s,f)
弓=∑∑弓
i=s十lj=t+l
刚蹦卜c椭川叫卜(皆,≮铲]T
Po(S,f)+只(s,,)≈1(6)
(7)
第37卷第7期
∥。cs,,,=c∥.。cs,,,,∥.。cs,,,,’=[紫,:!:i兰;驴]1
朱齐丹等:最小误差阈值分割法的改进算法
仃20(s,f)=(吒(s,f),%2l(s,f))1=
号等_一∥孟(s,f),一一”只(s,f)
∑∑f2弓
旦等一∥孙,f)P
∑∑/2弓
o(s,f)
~”一
£一I£一l
巩f).(吒(s加融))72I等辫一∥枷),篙茜
二维直方图上总的均值矢量为
,,£l£一l
L-IL-I
l∑∑f2弓
∑∑/2弓
一∥j(J,t)
(10)
、’
∥,=(所。,所。)7=l∑∑喝,∑∑码I/,\i=0j=0
i=0,=o
(11)
对于图像真实的二维灰度直方图概率Pj,和估计的二维混合正态分布概率P'u利用相对熵Il到来计算并经过整理化简并且去掉常数项后得到二维最小误差闽值法的表达式为
J’(s,t)=l—eo(J,t)lnR(s,f)一只(5,t)lnPl(s,f)+R(J,t)lnooo(S,t)aol(s,,)+只(s,t)inty,o(s,t)o-,l(s,t)最佳阈值选为使,+(s,t)取最小值的(s,,)=(s’,t+)。
丑Ⅱ
(12)
(s’,一=arg.min.J’(5,t)
(13)
为了求得最佳阈值,需要在LXL的投影平面内搜索,并假定目标和背景存在于图l(d)第1和第Ⅲ区域内,因此二维最小误差阈值法的时间复杂度为D(rX(sxt+(£一s)×(£一f)))=O(L4),从图l(d)中我们可以
看出当毛<s2且f1≤t2时,R(j1,t1)£S(s2,f2)且R3(s川t)三恐(J2,f2),所以在计算的过程中,对于
R,日,风,“,%2,盯j可以采用递推的方式,将已经计算的结果保存起来,以避免重复计算,这就是二维最小
误差阈值快速法的基本思想。这种快速算法避免了每次都从(o,0)开始的重复计算,使算法的时间复杂度降为D(f),可见快速算法加快了计算速度,尤其是当灰度级别三较大时,这种优势更加明显。2
二维最小误差阈值分割法的改进算法
本文对原算法及其快速算法进行了改进,利用边缘概率对阈值分割法的阈值求取公式进行分解,使得
原算法最佳阈值的求取由二元函数的最小值转化为一元函数的最小值。并采用查表和迭代的方法消除了原算法的冗余计算,提高了计算速度。在这一节中我们证明了在原算法的假设条件下,即忽略二维直方图中远离对角线i=J的区域,原算法的最佳阈值与本文提出的方法求得的阈值相同,然而,本文算法的复杂性可以进一步降低到D(£)。
根据二维直方图中二元组(f,J)出现的频数G,我们可以得到像素灰度值i和邻域灰度平均值/出现的频数g;=。L侧M
CF和嘭=∑,L:。-Iq,同样我们根据弓,得到边缘概率Q=∑L,:。-I弓和Rj=‘一z。L-Ipp,
f,J=0,l,...,L—l,分别表示像素灰度值f和邻域灰度平均值/的一维直方图分布。
在原算法及其快速算法的实现中,都假设了二维直方图中区域Ⅱ和Ⅳ中的概率可以忽略不计,即
∑;=。L.-川I弓≈0,∑=,∑?:。弓≈0。在这个条件下,
Po(s,f)=∑二∑二弓=∑:。∑::。乞+∑二。∑L向-I+。弓=∑:。一EL刚-Ip,,=Z_-oO,
又因为
(14)
Po(s,f)=∑::。∑::。弓=∑::。∑j:。弓+∑=。∑::。弓=∑::。V,卜=01Pij=∑::。R,
所以
(15)
llO
光电工程2010年7月
|I
ROO
同理可得
=
,∑鲫
Q
,∑脚
巧
(16)
日(s,f)=∑三。Qf=∑ML-I
假设
IR/
(17)
∥∞(J,f)=∑二∑二喝=∑_fQf
=∑i2Q
i--O
(18)l(20);(22)l
Po,(s,f)=∑二∑::。码=∑::。_,鲫,
一2
0"01
(19)(21)(23)
=
,∑间,∑脚¨∑枷¨∑触
产弓
产弓
=
,∑脚
II
户
2
l
R,
—2
=
卸
舢
¨∑瑚
产Q
O'TI
¨∑枷
那么
‰O,f)=
∥ooO,t)只(s,r)
∑二。吆∑二。Q
肼。一∥000,r)
E(s,r)
㈣。鹏驴勰=畿
工一l
(25)
∥100,f)
¨∑瑚川∑间哆
¨∑Ⅲ
一
,∑枷Q
∑吆:土.旦一
L-I
一
,∑瑚
Q
¨∑堙
=生!!!
工一l
(26)
¨∑Ⅲ
t
∑Qf
,=j+I
“10,t)≈
,UTl一∥们(s,f)
Pl(S,f)
¨∑瑚¨∑脚弓
.,
一
,∑舢
腮,
∑肛厂∑以
:!:!
』:!
¨∑m¨∑M
腮
(27)
¨∑M
靠=
croo(s,f)R(s,f)
O'ol(s,,)
川∑M∑二踢∑;=。Qf
吒=
-]2一[]2
矗≈鸭竽讹垆学一l謦]2一[]2
s—l黉L-I
Q
h
盛≈毪挚砥也垆学L-I
●
圪(s,f)
讯轳瓷L-I.2R一陉甜
¨∑产Q¨∑i}
川∑Q¨∑Q¨∑m
i=s+
砥也『)=哿弋]2
(28)
(29)
(30)
¨∑M
产嘭
腮
(31)
¨∑M¨∑M
由此根据式(12)我们可以得出
,
0D
=
一
,∑枷
Q
n
,∑瑚
Q
一
¨∑Ⅲ
Q
n
¨∑Ⅲ
+
,∑:i
+
R
n
,∑舢
+y‘一1Qfln.二一f=口+l
+
¨∑M
足h=A+B
(32)
第37卷第7期
朱齐丹等:最小误差闽值分割法的改进算法
其中
j
j
L-1L—I5
A=l一∑QJn∑Q一∑QIn∑Q+∑QIn
i=0
+
(33)
t=0i=s+l
f=J+li=0
£一1
B=∑尺,In
j=o
+∑R,In
,=r+l
∑羔/2尺,f,z,L-I+。jR玎
∑=R,l,L
Z.一l
I+。Rj
j
t
(34)
从式(33)币11式(34)我们可以看出,实现了变量5和f的完全分离,不用像原算法及其快速算法那样来进行二元函数的求导,只是对一元函数的求导,这样使算法的时间复杂性从D(r)降到O(L)。
j
j
,
£一l£一Ir
令晶=∑O,,Qo=∑fQ,,120=∑f2Q,,鼻=∑Q,,Ql=∑iO,,R。=∑f2Q,,x。=∑R,,Vo=∑jRj,
i--O
t
L-I
i=0
i=0工一l
i=s+l
L—l
i=s+l
i=s+l
』。O』=0
Zo=∑/2R,,X1=∑Rj,X=∑业,,Z,=∑/2髟。
j--o
j--4+l
j=t+l
,=t+l
建立六个查找表尸(m)=∑Q,Q(肌)=∑ia,,JR(所)=∑,2Qf,x(”)=∑Rj,
i=0
t=O
i=0
,,(疗)=∑飓,
j=O
j=O
z(刀)=∑J2R,,则t"o=尸(J),Qo=Q0),Ro=RO),Xo=ⅣO),ro=y(f),Zo=z(f),所以异=P(£)一eo,
,=o
Ql=Q(L)一9_0,R,=R(L)一只o,Xl=X(L)一Xo,X=Y(L)一Vo,Zl=Z(L)一Zo。
所以我们可以直接通过一维直方图的零阶矩(P(脚),X(朋)),一阶矩(Q(脚),y(朋))和二阶矩(尺(肌),z(所))的查找表来求取最佳的阈值,由此,实现了变量S和f的完全分离,不用像原算法及其快速算法那样来进行二元函数的求导,只是对一元函数的求导,使算法的时间复杂性从o(E)降到D(£)。而且从建立查找表看出大大加快了计算速度。六个查找表可以通过以下的迭代公式计算得到
P(所)=P(m-1)+绒,Q(优)=Q(m—1)+mx线,尺(所)=R(m—1)+m2x绒,
X(n)=X(n—1)+R,Y(n)=Y(n—1)+聆xgn,Z(n)=Z(n一1)+刀2
xgn。
3实验结果
假设图像的灰度等级为£,原算法中,算法的时间复杂度为D(r×0X,+(£一S)X(L一,)))=o(g),而
快速算法由于采用了递推法,算法的时间复杂度由D(∥)降为D(∥),本文提出的算法中,由于利用概率论中边缘概率的特性,使最佳分割阈值的计算由二元函数的求导变成一元函数的求导,另外通过建立查找表,消除了公式中的冗余计算,使算法的复杂度进一步降低为O(L)。大大提高了计算速度,而且从以下的实验结果可以看出并没有增加空间。另外本文并没有改变阂值的选取式(12),所以可以保证求得的阈值与原始算法一样,不会改变图像的分割效果。下面将给出实验结果。如图2所示。
(al
Trees
(b)Cameraman
图2实验图
Fig.2
Experimentalimages
本文的实验是在P42.0G,双核CPU,2.5GB内存台式机,Matlab
7.O旧下的运行结果,我们对多幅图
112
光电工程2010年7月
像进行了处理,可以看出该算法比原算法的速度提高了100多倍,而得到的分割阈值和分割效果是一样的,表l中的计算时间是求解式(32)所用的时间,并不包括图像的预处理和计算二维直方图所需要的时间。从
算法的实现原理和时间复杂度分析可以看出,算法的计算时间仅与图像的大小、灰度分辨率、计算机的性
能有关系,而与具体的图像无关。
表1性能比较
TableI
lWO-dlmCnSlOnalmlnImum-error
No.
thresh0lda120rithm
Performancecomparison
一
P鹅t
.
8lgorithm
this
algorithm
!!!箜!!!尘!g
(a)
(94,105)
竺!虫E!!!!g!i璺型!
120.623
!坠!!!!!!!!g
£!堡E!!!g主|虫型!!!!塑!!!尘!g曼!虫P!!!g!i!型!
(94,105)0.860(94,105)0.096(67,139).0.246(142,90)0.023
(b)(67,139)88.162(67,139)0.486
(c)i142,90j
80.026
(142,90)0.147
表2时间代价
Table2
Grayresolution丁w0.dimensiona】minimum—errorthresholdmethodFastalgorithmThisalgorithm
I.1120.013
2.0320.02
2.7560.028
5.3680.062
9.3200.126
89.3200.962
I
64
128
Time256
cost
512
1024
2056
109.3l962.46
2930.2
4630100268640
为了说明本文提出算法的实用性,我们又对灰度分辨率不同的情况下,对原算法和本文提出算法的时间代价进行了对比,如表2所示,从表2可以看出随着灰度分辨率的增加,本文在时间复杂性方面的优越性越来越明显,即使在分辨率在l024时(大部分灰度图像的分辨率都是256),所用的时间也仅仅是0.962
S。
4结论
在二维最小误差阈值法及其快速算法的基础上,提出了一种改进算法,将求解二维最小误差阂值法的最佳阈值分解为求解两个一元函数最值的问题,通过在多幅图像上实验证明,相比于原二维最小误差阈值法及其快速算法,本文提出的算法在保持了原算法抗噪性的前提下,处理速度提高了100多倍,存储空间
减少了两个数量级,且阈值和分割效果并没有改变,因此具有更高的应用价值,此外,本文提出的算法有
利于促进三维最小误差阈值法的提出和研究,这将在以后研究。参考文献:
[1】黄玉明,徐光祜,叶培建.基于物理模型的彩色图像理解算法[J1.中国空间科学技术,1992(3):9-18.
HUANYu-ming,XUGuang-you,YEPei-jian.APHYSICALAPPROACHTOCOLORIMAGEUNDERSTANDING[J】.
CHINESESPACESCIENCEANDTECHNOLOGY,1992(3):9-18.
【2】郑南宁,刘健勤,王庆元.用于图像分割的并行自适应层次化网络模型【J】.自动化学报,1993,19(1):78—84.
ZHENGNan・ning,LIU
Jian-qin,WANGQing—yuan.AParallelAdaptive
Hierachical
NetWorkModel
forImageSegmenmtion
【J].ActaAutomaticaSinica,1993,19(1):78—84.
【3】张骥祥,戴居丰,郑宏兴.基于小波域隐马尔可夫模型多尺度图像分割阴.天津大学学报,2008,4l(5):611-615.
ZHANGJi-xiang,DAIJu-feng,ZHENG
Hong-xing.MultiscaleImageSegmentationUsingWavelet-DomainHiddenMarkov
Model【J】.JournalofTianjinUniversity,2008,41(5):611-615.
【4】彭真明,蒋彪,肖峻,等.基于并行点火PCNN模型的图像分割新方法叨.自动化学报,2008,34(9):1169-1173.
PENG
Zhen—ming,JIANGBiao,XIAOJun,eta1.ANovelMethodofImage
173.
Segmentation
Based
011
ParallelizedFiring
PCNN
【J】.AetaAutomaticaSinica,2008,34(9):1169—1
【5】冯志林,尹建伟,陈刚,等.Mumford-Shah模型在图像分割中的研究【J】.中国图象图形学报,2004,9(2):151-158.
FENGZhi-lin,YINJian—wei,CHENGang,etofImageand
a1.Research
onthe
Mumford・ShahModelinImageSegmentation阴.Journal
Graphics,2004,9(2):151—158.
第37卷第7期
朱齐丹等:最小误差阈值分割法的改进算法
113
[6】杨辉,曲秀杰.图像分割方法综述[J】.电脑开发与应用,2005,18(3):21-23.
YANG
Hui,QuXiu-jie.OverviewofImageSegmentation
Methods阴.ComputerDevelopmentandApplication,2005,
18(3):21—23.
【7】李立源,龚坚,陈维南.基于二维灰度直方图的最佳一维投影的图像分割法【J].自动化学报,1996,22(3):315—321.
LILi—yuan,GONGJian,CHEN
Wei-hall.Thegray-levelimagethresholdingmethodbased
on
theoptimalone—dimensional
projectionoftwo-dimensionalhistogram[J】.ActaAutomaticaSinica,1996,22(3):315-321.[8】范久伦,赵凤.灰度图像的二维Ostu曲线阈值分割法【J】.电子学报,2007,35(4):751—755.
FANJiu—lun,ZHAOFeng.Two—dimensionalOstu’SElectronic
curve
threshold
segmentation
method
forgray-levelimages【J】.Acta
Sinica,2007,35(4):75卜755.
【9】范久伦,赵凤,张雪峰.三维Ostu阈值分割算法的递归法明.电子学报,2007,35(7):1398—1402。
FANJiu-lun,ZHAO
Feng,ZHANGXue-feng.Recursivealgorithmforthree-dimensionalOstu’Sthreshold
Sinica,2007,35(7):1398—1402.
segmentation
method【J】.Acta
Electronic
[10】阳波.基于最大类间方差遗传算法的图像分割方法[J】.湖南师范大学自然科学学报,2003,26(1):32-36.
YANGBo.Image
Segmentation
oftheGeneticAlgorithms
OiltheBase
ofOstu叨.Jour.Nat.Scie.HunanNorm.Uni,2003,
26(1、:32—36.
fll】汪海洋,潘德炉,夏德深.二维ostu自适应阈值选取算法的快速实现[J】.自动化学报,2007,33(9):968—971.
WANGHai—yang,PANDe—lu,XIADe—shen.Afastalgorithmfortwo-dimensionalOstuadaptivethresholdalgorithm[J】.Acta
Automatica
Sinica,2007,33(9):968--971.
【12】龚坚,李立源,陈维南.二维熵阈值分割ej,l夹速算法们.东南大学学报:自然科学版,1996,26(4):31—36.
GONGJian,LI
Li—yuan,CHEN
Wei-nall.Afasttwo-dimensionalentropicthresholdmethod【J】.JournalofSoutheast
University:NaturalScienceEdition,1996,26(4):3卜36.
[13】岳峰,左旺孟,王宽全.基于分解的灰度图像二维阁值选取算法阴.自动化学报,2009,35(7):1022—1027.
YUE
Feng,ZUOWang-meng,WANGKuan—qnan.DecompositionBasedTwo—dimensionalThresholdAlgorithmforGray
Automatica
Images明.Aeta
Sinica,2009,35(7):1022—1027.
[14】梁光明,刘东华,李波,等.二维Ostu自适应阈值分割算法的改进明.自动化技术与应用,2002,2l(5):43—47.
LIANGGuang-ming,LIUDong-hua,LIBo,et
a1.Two-dimensional
Ostuadaptivethresholdingalgorithm[J】.Automation
TechnologyandApplication,2002,21(5):43-47.
【15】范九伦,雷博.灰度图像最小误差阈值分割法的二维推广【J】.自动化学报,2009,35(4):386—393.
FANJiu・lun,LEIActaAutomatica
Bo.Two—dimensionalExtensionofMinimumErrorThreshold
SegmentationMethodforGray-levelImage【J】
Sinica,2009,35(4):386—393.
【16】张建华.概率论与数理统计【M】.北京:高等教育出版社,2008.
ZHANG
Jian-hua.ProbabilityTheoryandMathematicsStatistics[M】.Beijing:HigherEducationPress,2008.
【17】罗军辉,冯平,哈力旦A.Matlab7.0在图像处理中的应用【M】.北京:机械工业出版社,2005.
LUOJun—hui,FENGPing,HA
Li-dan。A.Matlab7.0inImageProcessing【M】.Beijing:ChinaMachinePress,2005.
最小误差阈值分割法的改进算法
作者:作者单位:
朱齐丹, 荆丽秋, 毕荣生, 吴叶斌, ZHU Qi-dan, JING Li-qiu, BI Rong-sheng,WU Ye-bin
朱齐丹,毕荣生,ZHU Qi-dan,BI Rong-sheng(哈尔滨工程大学自动化学院,哈尔滨,150001;哈尔滨三联药业有限公司,哈尔滨,150001), 荆丽秋,JING Li-qiu(哈尔滨工程大学自动化学院,哈尔滨,150001), 吴叶斌,WU Ye-bin(哈尔滨三联药业有限公司,哈尔滨,150001)光电工程
OPTO-ELECTRONIC ENGINEERING2010,37(7)0次
刊名:英文刊名:年,卷(期):被引用次数:
参考文献(17条)
1. 黄玉明. 徐光祐. 叶培建 基于物理模型的彩色图像理解算法 1992(3)2. 郑南宁. 刘健勤. 王庆元 用于图像分割的并行自适应层次化网络模型 1993(1)3. 张骥祥. 戴居丰. 郑宏兴 基于小波域隐马尔可夫模型多尺度图像分割 2008(5)4. 彭真明. 蒋彪. 肖峻. 孟凡斌 基于并行点火PCNN模型的图像分割新方法 2008(9)5. 冯志林. 尹建伟. 陈刚. 董金祥 Mumford-Shah模型在图像分割中的研究 2004(2)6. 杨晖. 曲秀杰 图像分割方法综述 2005(3)
7. 李立源. 龚坚. 陈维南 基于二维灰度直方图的最佳一维投影的图像分割法 1996(3)8. 范久伦. 赵凤 灰度图像的二维Ostu曲线阈值分割法 2007(4)9. 范久伦. 赵凤. 张雪峰 三维Ostu阈值分割算法的递归法 2007(7)10. 阳波 基于最大类间方差遗传算法的图像分割方法 2003(1)
11. 汪海洋. 潘德炉. 夏德深 二维Otsu自适应阈值选取算法的快速实现 2007(9)12. 龚坚. 李立源. 陈维南 二维熵阈值分割的快速算法 1996(4)
13. 岳峰. 左旺孟. 王宽全 基于分解的灰度图像二维阈值选取算法 2009(7)14. 梁光明. 刘东华. 李波 二维Ostu自适应阈值分割算法的改进 2002(5)15. 范九伦. 雷博 灰度图像最小误差阈值分割法的二维推广 2009(4)16. 张建华 概率论与数理统计 2008
17. 罗军辉. 冯平. 哈力旦A Matlab7.0在图像处理中的应用 2005
相似文献(2条)
1.期刊论文 范九伦. 雷博. Fan Jiu-lun. Lei Bo 二维直线型最小误差阈值分割法 -电子与信息学报2009,31(8)
一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布.考虑到噪声等因素对图像质量的影响,该文在二维灰度直方图上,基于二维混合正态分布假设,给出二维直线型最小误差阈值法的表达式.为了提高算法的运行速度,也给出了快速递推算法.实验表明,二维直线型最小误差阈值法是一个有效的图像分割算法,能够更好地适应目标和背景方差相差较大的含噪图像分割问题.
2.会议论文 李悦. 任育 图像分割的阈值法简述 2006
图像分割的阈值分割法是最常见的并行区域分割方法,其难点在于阈值的选取.目前针对阈值的选取已经有了较多的研究,提出了许多阈值的选择方法,如迭代法、最大类间方差法(Otsu),最小误差阈值法以及最佳直方图熵法等等.本文是在阅读大量国内外相关文献的基础上,对阈值分割技术稍做总结,针对三种常用阈值选取算法做一介绍,并根据实验结果进行了简单比较.
本文链接:http://d.g.wanfangdata.com.cn/Periodical_gdgc201007021.aspx
授权使用:太原科技大学(tykjdx),授权号:e0cbcda3-4d9f-47a1-95a0-9e13010fa2e4
下载时间:2010年10月18日
相关文章
- 多阈值图像分割
- 基于区域生长的图像分割文献概括
- 一种圆形禁令交通标志快速提取和识别方法
- 数据挖掘十大经典算法
- 图像分割方法综述
- 数字图像处理大作业
- 最小二乘法分段直线拟合_田垅
- 基于静态和动态的社会网络挖掘算法
- 一种有效k-均值聚类中心的选取方法
多阈值图像分割概述 摘 要:多阈值分割是现代图像处理中不可或缺的一部分.它主要指通过设定多个阈值将图像中感兴趣的目标标记出来.阈值的选取非常关键,它关系到分割后的结果的好坏.Ostu 法也称之为最大类间法是多阈值图像分割中比较常用且完善的方 ...
一. 基于区域生长的高空间分辨率遥感图像分割与实现(李政国) 1. 种子点的选择 种子点的选择是区域生长的首要任务.根据林区内地物呈区域状连续交错分布的特点, 对种子点选取做了如下的适应性改进①建立种子标记矩阵, 既为确定种子点, 又标记合 ...
Geomatics Science and Technology 测绘科学技术, 2016, 4(2), 45-52 Published Online April 2016 in Hans. A Quickly Detecting and ...
数据挖掘十大经典算法 一. C4.5 C4.5算法是机器学习算法中的一种分类决策树算法, 其核心算法是ID3 算 法. C4.5算法继承了ID3算法的优点,并在以下几方面对ID3算法进行了改进: 1) 用信息增益率来选择属性,克服了用信息增 ...
第31卷第6期世界科技研究与发展 V01.31No.6 2009年12月1074-1078页 WORLDSCI-TECHR&D Dee・2009 PP・1074-1078 图像分割方法综述宰 魏伟波潘振宽 (青岛大学信息工程学院,青 ...
图像处理技术 大作业 院 (系): 物联网工程学院 专 业: 计算机科学与技术 班 级: 学 号: 姓 名: 摘要 图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程.它是图像处理.模式识别和人工智能等多个领域中的重要课题 ...
第39卷 第6A期2012年6月计算机科学 ComutercienceSVol.39No.6A June2012最小二乘法分段直线拟合 田 垅 刘宗田 ()上海大学计算机工程与科学学院 上海200072 摘 要 曲线拟合是图像分析中非常重要 ...
第46卷 第5期 2008年9月吉林大学学报(理学版) JOURNAL OF J I L I N UN I V ERSI TY (SC I E NCE E D I TI O N ) Vol . 46 No . 5Sep 2008 基于静态和 ...
计算机与现代化 2008年第3期 JISUANJIYUXIANDAIHUA 总第151期 文章编号:1006-2475(2008)03-0095-03 一种有效k.均值聚类中心的选取方法 曹文平 (襄樊学院电气信息工程系,湖北襄樊44100 ...