一、一种结合空间信息的图像阈值分割新方法（论文文献综述）
刘龙标[1]（2021）在《轨道图像中轨面缺陷检测关键技术研究》文中指出现代铁路行业的高速发展面临着列车不断增长的行驶速度、运营里程、载重负荷的挑战,增加了轨道基础设施的安全隐患。钢轨是轨道基础设施的重要组成部分,受高密度的运营、高负荷的载重以及外界自然环境的作用,表面会产生一定的磨蚀损伤,影响列车行驶的舒适度和安全性。及时检测出轨面缺陷,向有关部门提供可靠的维护数据,保障钢轨的可靠性、安全性和使用寿命,对于铁路运维具有十分重要的现实意义。实际采集的轨道图像不仅包含轨道表面区域,还包含轨枕、扣件、碎石等干扰区域,为降低轨面缺陷检测难度,减小轨面磨蚀缺陷的搜索空间和检测时间,需要精准快速提取轨面区域。传统的轨面区域提取方法不同程度存在需要预先给定轨面宽度、假定轨面在轨道图像中央和手动选取边界等前提条件,且存在自适应性差、光照敏感、无法在轨头圆角处存在尘泥等噪声时将轨面完整提取等问题。针对上述问题,提出基于YUV空间的贪心选择及斜率探测扩充的轨面区域提取方法。首先将RGB轨道图像转化到YUV空间,提取其V分量,减弱环境光照以及噪声的干扰;其次绘制V分量的灰度投影反转曲线,利用该曲线灰度均值和中值进行候选轨面区间划分;随后利用贪心算法求出划分后曲线中的最大子序和区间,进行轨面粗提取;最后利用斜率探测扩充法进行轨面精提取,在粗提取的边界两侧进行一定距离的斜率探测,用偏转角大于设定阈值的合适位置更新轨面边界,实现轨面区域的定位提取。在提取出轨道表面区域后,轨面图像仍具有光照不均、可识别特征有限、对比度低、反射特性易变等阻碍视觉检测的新特性。针对上述问题,提出了一种基于缺陷比例限制的背景差分钢轨表面缺陷检测方法。此方法主要包括轨面图像预处理,背景建模与差分,缺陷比例限制滤波,缺陷比例限制最大熵阈值分割,连通区域标记法5个步骤。首先结合轨面图像灰度列均值和列中值进行快速背景建模,将预处理后的图像与背景图像进行差分;其次利用轨面图像缺陷占比较低的特征,对差分图进行缺陷比例上限截断,增强差分图的对比度;随后利用该特征改进最大熵阈值分割,并使用自适应加权因子对目标熵进行全局可变加权,选择出一个合适的阈值使熵值最大化,使之在保留真实缺陷的同时,减弱诸如阴影、锈迹等噪声的干扰;最后采用连通区域标记法对分割后的二值结果图中的缺陷区域进行统计,把缺陷面积低于钢轨损伤标准的判定为噪声去除,实现钢轨表面缺陷检测。
李沐青[2]（2020）在《基于仿生优化的图像分割方法研究》文中认为图像作为一种包含大量信息的多媒体数据,在人们生活和工作中扮演着越来越重要的角色。图像分割是图像识别和计算机视觉至关重要的预处理步骤,也是实现图像理解的一种有效途径,作为图像处理的重要环节受到了越来越多的关注。图像分割在计算机视觉、人脸识别、产品检测、工业自动化、智能交通、文字识别、外星探测、航空与航天技术、遥感卫星图像处理、生物与医学工程、体育和农业等领域得到了广泛的应用。在很多工程应用中,由于实际问题的复杂性与多样性,及各种因素的限制,人们很难获得大量的图像样本。灰度图像是各类图像中最基础且应用最广泛的一种,具有表示简单、数据量小、编码传输方便等优势,作为构建复杂图像的基础,灰度图像适用于大多数的图像处理场合,其分割方法也被广泛用于多种学科和工程应用之中。因此高分割精度和计算效率的小样本灰度图像分割技术很有研究的意义与工程价值。图像分割技术涉及认知科学、计算机视觉等多个交叉学科,也被广泛应用于工程实践之中。基于特征聚类和阈值的分割方法由于其结构简单,适用能力强,分割效果好的优点在图像分割领域中被广泛应用和改进。但传统的灰度图像分割方法或分割效果不好,或计算效率较差。仿生优化算法可以快速有效地计算复杂的非线性多维数据空间,而图像分割问题又可等价于在复杂的参数空间中寻求最优分割参数的问题,故将仿生学优化算法应用于灰度图像分割中,可以提高计算效率和算法的分割精度。本文对基于特征空间聚类和最优阈值选取的图像分割技术展开研究,引入在计算稳定性和处理速度上较好的灰狼优化算法,以提高算法性能和图像分割精度为目的,提出了几种适应性强,分割精度较高的图像分割算法。本文主要研究工作和创新点如下:1.针对模糊C均值算法分割图像存在初始聚类中心不确定、需要人为设定聚类类别数、迭代过程中容易陷入局部最优的问题,及灰狼优化算法的搜索种群单一化易陷于局部最优和出现早熟收敛的问题,提出了基于差分进化灰狼优化的FCM图像分割方法。由于FCM算法的聚类中心的估计可被看作是在灰度区间内寻找合适值的搜索过程,利用基于差分进化的灰狼优化算法来寻找聚类中心,提高狼群搜索多样性和突变能力,避免算法陷入局部最小值,能够进一步提高了算法的分割精度。2.针对传统的模糊C均值算法只利用像素的隶属度信息,对噪声和不均匀灰度值较为敏感,没有充分利用像素周围的邻域空间信息,算法分割精度不高,鲁棒性差等问题,提出了基于并行LGWO和局部信息的FCM图像分割方法。通过引入Levy飞行策略来提高算法计算效率和搜索性能,设计并行计算程序可以极大提升算法的计算效率。结合图像的邻域信息对噪声图像进行自适应灰度加权,可有效抑制噪声影响,提高算法的分割精度。3.当图像受到的噪声污染较为严重时,图像像素的邻域信息也可能会被污染,导致结合了图像局部空间信息的模糊聚类算法分割精度降低,无法满足高精度分割要求。提出了基于改进并行LGWO和全局信息的FCM图像分割方法。利用新的收敛因子和动态权重策略改进的并行LGWO算法对图像进行粗略聚类得到初始聚类中心,这些改进可使并行LGWO算法拥有更高的搜索精度。并将像素周围的邻域信息和非邻域信息作为空间信息添加到目标函数中,利用信息熵调整像素信息与非邻域空间信息之间的权重,用改进的距离测度代替传统的欧式距离,从而进一步改善算法的分割效果。4.由于阈值的选择直接影响阈值分割技术的分割准确性,传统的阈值分割方法多是通过遍历来得到,影响算法的计算效率。提出了基于改进灰狼优化算法的多阈值图像分割方法。利用Tsallis灰度熵阈值技术确定最佳阈值,其有简单易实现,分割精度高,易于从单阈值分割扩展到多阈值分割的特点。引入对立学习的种群初始化、Levy飞行、自适应边界、较差个体主动高斯变异策略,改进灰狼优化算法。改进算法能够较好的平衡算法的搜索和开发能力,避免算法陷入局部最优,同时提高了算法的收敛速度、全局搜索能力和分割精度。各部分仿真实验进一步表明所提方法的有效性。
吴开元[3]（2019）在《基于显着性的目标分割算法研究》文中认为图像分割作为图像处理过程中的预处理步骤,具有基础且关键的作用。相关问题的研究受到国内外学者的极大关注。由于图像中所包含信息的多样性与复杂性,图像分割仍然是一项极具挑战性的任务。其中,基于显着性的目标分割算法作为图像分割算法的重要分支,其模拟人类视觉感知机制,能够快速准确地分割出一张图像中人们可能感兴趣的目标或区域。海量的图像信息可通过该方法选择或者重点处理其中重要的部分,这对于图像分割领域有着重要的意义。本文对基于显着目标分割算法进行研究。首先概述显着目标分割算法的基础理论与几种经典方法,然后分析现有方法并对存在的问题展开讨论,重点针对其中一些主要问题,本文提出了一种基于支持向量机的显着性目标自动分割新算法和一种基于结构矩阵分解的非凸低秩显着目标分割算法。主要工作与研究结论如下:（1）针对显着性检测算法显着图不均匀导致图像分割精度不高的问题,提出了一种基于支持向量机（Support Vector Machine,SVM）的显着性目标自动分割新算法。该算法首先通过显着性检测得到大致的显着区域和背景区域,然后将图像在HSV颜色空间量化,并利用颜色直方图信息获取显着区域和背景区域的主色,以此自动选取正负训练样本,再从训练样本中提取颜色等特征训练SVM,最后使用SVM对整幅图像精确分割出显着目标。理论分析和实验结果表明,所提出的算法不仅具有更正错误检测信息的机制,而且有效地解决了因显着图不均匀导致分割结果缺乏准确边界的问题,比现有同类算法能获得更准确的分割结果。（2）针对显着性检测算法显着图不均匀、目标背景相互混淆的问题,提出了一种基于结构矩阵分解的非凸低秩显着目标分割算法。该算法主要分为两大步骤,第一步是首先使用非凸Sp范数约束低秩背景和F范数改进稀疏约束来构造矩阵分解模型,然后提取图像的多个特征组成特征矩阵F,接着使用分解模型得到稀疏矩阵S和低秩矩阵L,最后利用稀疏矩阵S计算得到显着图;第二步是使用OTSU阈值分割算法对显着图进行进一步分割,得到显着目标。理论分析和实验结果表明,所提出的算法在背景较为复杂时,获得的显着图与现有同类算法相比更为完整且均匀,最后分割得到的显着目标也更为准确。
秦俊[4]（2019）在《基于启发式算法的医学图像阈值分割方法研究》文中研究指明图像分割是图像处理研究的重点和难点之一,也一直是研究的热点。图像分割是图像分析、图像识别等更高层图像处理的基础,分割结果直接影响着更高层分析和理解的正确性。基于图像处理的技术应用范围广泛。无论从图像场景还是成像原理上,都存在图像来源多样复杂,图像属性千差万别等问题;图像分割的目的各不相同;在成像、存储及传输过程中引入的各种干扰会使图像质量下降;这些问题给图像分割带来巨大挑战。阈值分割是图像分割的主要方法之一,在面向工业领域、医学影像处理领域的图像处理问题中,阈值分割是最重要的分割方法。本文结合启发式算法开展面向医学图像的阈值分割方法研究。本文简述了阈值分割的基本方法及启发式算法特点,从优化角度分析了基于启发式算法的阈值分割方法基本过程。通过改进阈值分割目标函数计算方法以及优化目标函数两个角度,面向医学图像分割,研究了几种结合改进的启发式算法的阈值分割方法。主要工作如下:（1）对基于启发式算法的阈值分割方法进行了分析。通过把阈值分割归纳为一个优化问题来求解,总结了基于启发式算法的阈值分割方法的基本步骤。针对传统启发式算法在解决阈值分割问题时,算法及参数的确定对具体分割的图像和应用目标先验知识依赖度高的问题,给出了一个面向图像阈值分割的超启发式结构。（2）分析了影响传统Otsu阈值分割计算复杂度的各种因素,针对这些影响因素提出了一种综合的改进方案。采用动态规划中把多维计算转变为多次一维计算的思想,把多阈值分割变为多次的单阈值分割,对算法的底层计算效率进行了优化。对于阈值的搜索过程,使用启发式算法提高计算效率,结合分割思想的特点,提出使用具有个体自主决策过程的多种群PSO算法,有效提高了在每一次阈值计算的搜索效率和质量。提出的分割算法在分割质量上与使用经典Otsu准则进行多阈值分割相当,在计算复杂度指标上不仅优于经典的Otsu方法,而且也比使用递推多阈值分割和基于遗传算法的多阈值分割有优势。最突出的优势在于其计算时间随着阈值数的增加呈现线性趋势的特点,这对于应用在实时性要求高的环境是非常有利的。（3）基于二维或多维直方图的阈值分割方法虽然会改善对噪声干扰等图像分割的效果,但计算复杂度会进一步增加。针对这一问题,采用重构的方法将二维直方图重构成一维直方图,并结合启发式搜索算法求解阈值。重构的一维直方图保留了二维直方图中抑制噪声和边缘效应的优点,以及简单的一维直方图处理方便的优点。采用SAPSO算法求解阈值较好地降低了PSO容易陷入局部最优的问题,对多阈值分割体现出了更好的鲁棒性。实验结果表明,基于改进直方图和SAPSO的多阈值图像分割算法,不仅综合性能上优于Otsu,而且相比HOtsu和基于PSO的Otsu也有一些优势,以相当于PSO Otsu的计算效率达到与HOtsu相当的分割质量。（4）提出了一个基于改进蚁群算法的阈值分割,针对传统蚁群算法前期收敛速度缓慢的问题,提出一种改进的蚁群算法,并应用于Otsu分割的阈值求解。当对蚁群进行初始化时,使蚁群的个体尽量均匀地分布在解空间中,以便蚁群尽可能的搜索到整个解空间;在蚁群算法执行的过程中,摒弃了传统蚁群算法的全局转移概率参数,通过引入Lévy飞行模式产生随机步长,控制蚁群的搜索范围。通过与传统Otsu算法和基于经典蚁群算法的Otsu分割相比,能更有效更快速的搜索到最优阈值。（5）提出了一个基于多种群动态决策FA（DBM-FA）的二维Otsu分割方法。DBM-FA比较有效地克服了传统FA算法容易陷入局部最优、收敛速度慢的缺点。它优化了传统FA中由随机分布引起的搜索效果不稳定的问题,更接近于真实自然界中萤火虫的生理机制。该算法符合仿生学的原理,相比传统FA和一些改进的方法具有更好的效果。针对使用启发式随机搜索优化算法的特点,结合二维Otsu阈值分割递推计算方法的特点,提出了在随机搜索中就近递推计算的二维Otsu阈值分割算法。（6）提出了一个通过元启发式算法探查子空间,不断淘汰劣质子空间,进而减小搜索范围提高元启发式算法工作效率的超启发式结构。这个方法是通过优化搜索空间,而不是通过提升搜索算法本身的搜索能力,提高启发式算法的工作效率,也就是通过有效使用元启发式算法搜索资源提升整体搜索效率。与直接使用元启发式算法在整个解空间搜索比较,其提高了计算资源的使用效率;由于子空间之间完全隔离,把一个大的函数空间划分成了多个小的函数空间,把一个大范围的优化问题转化为多个小范围的优化问题,在小的空间中目标函数相对简单,搜索过程可以更有效快捷找到这个范围的最佳点,更有效避免跌入局部最优点;底层各个子空间之间的计算完全独立,在上层上评估子空间优劣,因此子空间搜索过程有利于使用并行计算方式。
张明[5]（2018）在《基于计算机视觉技术的马铃薯病害识别研究》文中研究表明马铃薯是一种重要的粮菜兼用型农作物,成为继小麦、稻谷和玉米之后的又一主粮,其适应性强、产量高、营养丰富,不仅是世界粮食市场上的一种主要食品,而且也是重要的工业原料,极具开发价值。我国是马铃薯生产的第一大国,甘肃省以其独特的自然资源、农田气候和环境资源,已经成为马铃薯的主要产区之一,种植面积和产量均居全国第一位,促进了全省马铃薯产业的蓬勃发展,是农业增收、企业增效、农民致富的重要途径。我国是一个农业大国,也是一个农业病虫害多发的国家,不仅种类繁多、分布广泛,而且成灾条件复杂。马铃薯病害一直都是制约其可持续发展的主要因素之一,在造成经济损失的同时,还会造成环境污染和食物污染,也会对人类食品安全造成威胁。为了解决马铃薯病害发生严重、产生分散、病虫害专家缺乏等问题,帮助基层技术人员和广大种植用户及时准确地诊断马铃薯病害、把握发生动态、指导开展防控和防治工作,在计算机视觉技术的基础上,结合智能优化算法和深度学习算法,针对马铃薯病害图像的自动识别问题开展了一系列的研究,主要工作如下:（1）分别于2015年和2016年的7月至9月间,在甘肃省马铃薯的主要种植区域定西市的“国家现代化农业示范区马铃薯模式化攻关—定西市安定区香泉镇示范基地”以及定西市的临洮县、康乐县、岷县、渭源县、漳县和陇西县进行马铃薯病害图像的采集工作,重点采集了马铃薯叶部的病害图像。然后采用计算机视觉技术,在Adobe Photoshop CS6 x64简体中文版软件中对采集到的图像进行图像裁剪、调整图像分辨率的预处理,在MathWorks MATLAB R2016a x64简体中文版软件中采用编程的方式进行图像灰度化、灰度图像中值滤波和彩色图像中值滤波的预处理。（2）在研究OTSU阈值分割算法和SFLA智能优化算法的基础上,将OTSU算法简单高效的特点与SFLA算法高效的计算性能、不易陷入局部最优、优良的全局寻优能力、易于实现的特点相结合,首次提出了一种新的基于混合蛙跳算法的OTSU阈值分割算法（OTSU-Shuffled Frog Leaping Algorithm,简称OTSU-SFLA算法）。首先对预处理好的马铃薯病害图像进行灰度化处理并且计算其直方图,然后采用OTSU算法根据直方图对病害图像进行基础分割,最后将OTSU算法的分割结果作为SFLA算法的优化起点,在OTSU算法分割的基础上,利用SFLA算法强大的寻优能力与计算能力做进一步的分割优化,在MathWorks MATLAB R2016a x64简体中文版软件中采用该算法进行编程,从复杂马铃薯病害图像中成功地获取了病斑区域,实现了图像病斑的准确分割。同时,在该算法中首次提出了图像分割紧凑度的概念和具体的计算方法,并且将图像分割紧凑度与交叉熵的加权和作为该算法的适应度函数,在OTSU-SFLA算法中引入该适应度函数后,不仅算法收敛速度快,而且还不易陷入局部最优。（3）在研究人工神经网络和深度学习算法的基础上,充分利用卷积神经网络在计算机视觉方面的优秀性能以及其强大的建模能力、特征学习能力和模式识别能力,基于Caffe开放框架构建了一个13层的基于深度卷积神经网络的马铃薯病害识别模型,由1个输入层、5个卷积层、3个池化层、2个全连接层、1个Softmax层和1个输出层所组成,ReLU函数作为其激活函数,该模型把特征提取直接纳入到模型的学习训练之中,将病害图像的特征提取和分类识别有机地进行了组合。将OTSU-SFLA算法分割之后的二值图像还原为彩色图像,然后将其分成两组样本,一组样本中的每张图像每45度逆时针旋转一次,共旋转7次,在原样本基础上扩大8倍后对模型进行了训练和参数调整;另一组样本对模型进行了识别测试,平均正确率为95.17%,较好地实现了马铃薯病害图像的特征提取和病害识别。
李孟军[6]（2019）在《交通路口异常事件检测及识别技术研究》文中研究指明交通路口异常事件是影响交通正常运行的重要因素,且交通路口作为公共出行集中度较高位段,公共安全事件的发生影响范围广。随着城市发展和生活水平的逐步提高,快速的城市化过程,使得北京迅速成为排名世界前20位的超大型城市。但是,同样随着城市的发展和机动车量的迅速增加,城市交通环境急剧恶化,交通拥堵成为城市的常态,据统计60%-70%交通拥堵受到交通事故的影响。本课题研究为交通路口异常事件检测和识别提供了研究思路,为交通路口异常事件类型识别提供了技术支撑,对于交通路口异常事件的及时发现、及时处理能够减少或疏解交通拥堵情况有重要意义。能够提高相关部门针对异常事件的及时性反馈和救援效率,避免危害事件的扩大化,有效的减少人民生命财产安全受到的危害。基于视频的事件检测作为一种快速、无损、高效的检测方法,成为交通监控异常事件的主要手段。由于交通环境复杂,影响交通运行条件多样,基于视频的自动化检测方法并不完善,主要存在如下问题:1)大多数交通异常事件的检测,只能够检测到异常事件的发生,而并不能识别交通异常事件发生的类型,难以实现异常事件的快速处理和反馈;2)现有的交通异常事件一般注重交通车辆的运行而忽略了行人在交通异常事件中处于的弱势地位和主导地位。本论文作为自选课题,针对交通路口异常事件的影响,对交通路口异常事件类型,以及相关技术方面进行研究。本论文研究内容主要包括以下三个方面:1)行人目标的准确性分割方法,用于个体行人目标的精确性分割;2)人体行为的低秩纹理描述,用于群体异常事件类型识别。3)基于人体关键点分析的人体姿态估计,用于行人倒地事件类型识别。本文的主要研究工作及创新点如下:（1）针对交通路口目标检测范围背景信息的影响,提出了一种基于全局显着性的双窗Fisher自适应目标分割方法,可以快速准确提取目标,减少目标背景的影响。针对个体目标的邻域环境相对连续、统一问题,提出对目标进行全局显着性提取获得目标的显着性图。结合双窗阈值分割结构简单且能兼顾不同局部信息的误差和Fisher线性判断阈值能够准确合理的自适应选择阈值的优点,提出一种双窗Fisher自适应阈值分割方法,对个体目标的显着性图进行阈值分割,实现个体目标的准确性提取,避免个体目标邻域背景信息的影响。（2）针对群体事件研究群体密度方法的复杂性,提出了一种基于低秩纹理方向的人体描述方法,并以此为基础,构建群体异动事件模型,识别不同的群体异动事件。人体本身带有的纹理特征伴随人体行为改变而改变,将人体目标作为整体纹理进行提取,由于人体行动方向所带动的人体结构具有倾向性,其表现在图像中为所选择的个体目标区域为稀疏矩阵区域,具有较高的秩。而人体直立或相对直立时,人体区域矩阵密集,同样具有较高的秩。不同之处在于,稀疏矩阵能够进行压缩,获得较低的矩阵秩。密集矩阵并不随着矩阵压缩而降低矩阵秩。低秩纹理特征提取能够将选择的图像区域进行矩阵压缩,以便获得较低的矩阵秩。计算获得选择图像区域的低秩方向,从而对图像选择区域进行转换,形成图像目标的低秩纹理方向和运动趋势描述特征。群体异常事件是多目标之间的相互关系而反映出的总体特性,构建多目标的方向和运动趋势关系,形成群体异常事件类型检测模型。（3）针对交通路口行人倒地事件原因的复杂性,提出一种基于人体骨骼关键点分析的姿态评估方法,并以此为基础,构建路口行人倒地事件识别模型。人体姿态的变化伴随人体骨骼关键点相互关系的转变,以人体骨骼颈部关键点为中心,选取人体动作相对重要的8个关节点（左右肩、左右肘、左右臀、左右膝）,并提取关键的位置信息,构建关键点之间的相互关系。以颈部关键点为基准,计算到该基准点的八个距离熵值,并计算左右肘、左右膝四个关键点直接到基准点的距离熵与经过中间关键点左右肩、左右臀到达基准点的距离比值,构建人体目标的姿态评估模型。人体姿态呈现异常状态,则以该目标为中心点,查找邻域范围内目标,计算目标与中心目标的欧式距离,判断邻域目标与中心目标的相互关系,判断倒地事件是人为事件还是个人事件。本文对交通路口异常事件类型识别及相关技术进行了探索和研究,但仍存在以下不足有待进一步研究:1)在现有监控系统基础上所获得的监控视频,有很大一部分视频内容并不能使用深度学习的Faster-RCNN模型进行检测识别,尤其是监控视频模糊或监控目标小的情况下,识别更为困难,严重影响目标的检测识别结果;2)目标的低秩纹理方向特征受到目标整体影响的同时,还受到目标本身纹理的影响,如衣服、背包、光照。如何进一步选择和使用人体低秩纹理方向并用以人体行为描述,成为研究重点。3)目前本文只对交通路口群体异常事件和行人摔倒事件进行识别和分析,有待于对交通路口其他类型的异常事件进行识别和扩展。
颜世利[7]（2018）在《灰度图像阈值分割的自适应滤波和快速算法研究》文中指出图像分割技术一直是计算机领域的研究热点,随着人工智能的兴起,图像分割更是掀起了一股研究的热潮。只有很好的完成对图像的分割,才能更好的对图像进行研究和应用,阈值分割以其简单、高效的优良性能而成为图像分割技术中的一个研究热点。在阈值分割方法中,最小误差法、OTSU（最大类间方差法）和最大熵法是最为经典的三种方法,其中,OTSU算法因为其计算简单、实时性高、算法无参数而得到了最为广泛的研究与应用。但是在通常情况下,通过各种渠道所获取的图像由于受到各种条件的限制和随机的干扰,会包含大量的噪声,使所获取的原始图像中事物的特征发生改变,如果直接分析这类图像,会对图像的理解产生偏差,因此图像分割算法抑制噪声的能力会显得很重要。OTSU算法在求取最优阈值时,需要遍寻所有的像素点,计算量非常大,当OTSU算法推广到二维以后,运算的复杂性进一步提高,计算量进一步增大,计算过程变得非常耗时,不符合实际应用中对实时性的要求。所以本文就OTSU算法分割效果的提高和分割效率的提高进行了相关的研究。本文针对图像噪声中最常见的椒盐噪声,深入研究了中值滤波算法,将改进后的中值滤波算法——自适应开关中值滤波算法和自适应极值中值滤波算法运用到OTSU算法中,得到两种改进的OTSU算法——基于自适应开关中值滤波的OTSU算法中和基于自适应极值中值滤波的OTSU算法中。实验结果表明,该算法能更好地应对受到椒盐噪声污染的图像,分割后的图像不仅清晰,而且能更好地保留图像的细节特征。遗传算法是一种自适应高、运算速度快且有良好全局空间寻优能力的搜索算法,将其应用到OTSU算法的阈值求取中会有很好的效果。但是传统遗传算法在求取最优阈值时会不同程度的陷入局部最优解,因此本文尝试将改进后的遗传算法与OTSU算法相结合,提出一种基于改进遗传算法的OTSU算法。利用OTSU算法中的函数指导寻优方向,利用遗传算法优秀的全局寻优能力,在图像中找到一个最优阈值用来区分目标和背景,完成对图像的分割。实验结果表明,该算法缩短了分割图像所需要的时间,提高了图像分割的效率,且分割后的图像能更好地保留图像的细节特征。
闫露露[8]（2017）在《原位根系CT序列图像的分割》文中进行了进一步梳理根是植物从土壤等介质环境中吸收养分的重要器官,其特殊的生长环境及复杂的形态结构,使得它的研究难度远远超过对植物冠层的研究。实际上,缺乏快速、准确的原位观测方法已经构成了对植物根系进行深入研究的技术难题。为此,华南农业大学农业成像检测技术研究室尝试采用X射线计算机层析成像（XCT）技术首先获取植物根系的原位断层图像,然后利用图像图形处理技术实现对植物根系的原位观测和定量测量。其中,图像分割是植物根系实现三维重建和定量分析的基础,在根系三维构型的无损检测技术研究中具有重要的地位和作用。在前期的研究过程中,课题组曾采用过多种图像分割算法,包括阈值分割、区域生长、多种微分算子边缘检测等,但对于原位根系中逆生长分支的CT图像分割尚未找到有效、可靠的解决方案。逆生长是指植物根系因介质阻隔、营养诱导等因素引起的非向地性生长现象,在其空间序列图像中表现为逆生分支的生长方向与主根的生长方向相悖或不一致的情况。逆生长分支CT图像分割研究的主要技术瓶颈在于,当前分割算法对于每层切片的ROI区域（根系区域）大多是选定一个种子点,以四邻域或八邻域的搜索路径对像素聚类,再将种子点往下（上）进行投影,这样对周围的像素搜索聚类时,就会始终局限于单张切片上,无法搜索到同一张（层）切片中突然出现的不在同一个区域的逆分支,所以分割后的图像可能会出现逆分支缺失的问题。本文结合植物原位根系CT图像自身的特点,提出了一种基于三维连通域提取的原位CT序列图像分割方法,该方法在分割时能实现对上一层切片像素的搜索聚类,实验证明该方法能较好解决原位根系CT图像分割中存在的逆生长问题,确保了目标区域的完整性。论文的主要工作包括:1.通过文献阅读了解国内外CT序列图像分割技术现状,并对目前主流的CT图像分割方法,包括基于区域的图像分割方法、基于边缘的图像分割以及基于特定理论的分割方法进行比较分析;在此基础上,针对课题任务要求,提出本文的算法思路。2.根据植物根系的空间密度分布特征,结合逆生长区域的特点,提出一种基于三维连通域提取技术的原位根系CT序列图像的分割算法。首先根据根系密度的分布特征,采用三维阈值法获取包含根系区域在内的所有ROI区域;接着根据根系在介质空间中的连续性,采用基于26邻域的三维连通区域提取技术实现了根系区域与其密度相近的非根系区域的分割,不仅获得了单一、纯净的三维根系目标区域,同时解决了传统分割算法中容易出现的逆生长区域缺失问题,确保了目标区域的完整性。3.采用MATLAB编程,在WIN10系统下实现了分割算法的程序设计和实验测试。首先通过X射线CT成像设备分别获取三组原位根系CT序列图像数据:261张（485×485×261）、350张（485×485×350）、358张（465×493×358）,共969张32位（bits）灰度图像。然后,将三组CT序列图像数据分别封装成三维体数据,通过直方图分析分别确定每组根系区域的灰度分布范围11203290、9103420、18123560并实现对三组数据的阈值分割（粗分割）。在此基础上,利用本文提出的三维连通域算法对粗分割后的图像数据进行精确分割,剔除了与根系密度相近的杂质体素;并利用数学形态学闭运算处理实现了根系断层区域内的“孔洞”填充,获得了完整的根系目标区域。4.从定性和定量两个方面,对本文提出的分割算法应用于原位根系CT序列图像的分割效果进行了评价和分析。首先分别从二维和三维两个维度对本文算法与传统分割方法的分割结果进行了直观的对比分析,验证了本文的分割算法在解决逆生长分支问题上的有效性。接着分别采用分割区域重叠率、总体素比值等定量指标评价了本文算法的精确性。结果表明,本文算法处理三组数据的逆生长层的切片,重叠率均值分别在90.88%、90.06%、90.41%,相比传统分割算法分别高出3.90%、5.91%、56.43%;本文算法分割得到的根系区域总体素比值分别为93.61%、90.23%、91.09%,相比传统分割方法分别高出5.20%、4.01%、53.26%。综上所述,本文提出的基于三维连通域的分割算法能较好解决原位根系CT序列图像分割中容易出现的逆生长分支缺失问题,并提高了植物根系的分割精度。
吴一全,孟天亮,吴诗婳[9]（2015）在《图像阈值分割方法研究进展20年（1994—2014）》文中研究表明阈值分割是图像分割领域中使用最为普遍的一类简单而有效的方法,多年来受到许多学者的广泛关注,发表了大量的研究成果。作者曾于20年前对1962-1992年阈值分割的研究状况做了一个阶段性的回顾与总结。时至今日,阈值分割方法已经获得了巨大的发展,新思路、新方法层出不穷。本文旨在对近20年来阈值分割领域常用的一些方法再次进行概括和分类,其中包括近年来新提出的阈值分割方法,也包括对经典方法的改进。文中给出了这些方法的基本思想和公式,阐明了各种方法的特点及其适用范围,以期为今后阈值分割的相关研究提供一些思路和启迪。
雷博[10]（2013）在《基于图像不确定性信息的阈值分割方法研究》文中研究表明图像分割是由图像处理向图像分析过渡的重要步骤，在图像处理技术中占有重要地位。图像分割同时也是一个经典的世界性难题，目前仍然还没有一种公认的通用的分割算法。阈值化是图像分割中最常用的方法之一，阈值化具有简单、直观、易于实现的特点，是图像分割研究和应用的一个热点。鉴于图像信息具有不确定性，如何处理好图像中的不确定性信息，以便获得更精确的分割结果是图像分割的一个难点。图像中的不确定性包括图像获取，传输，存储等过程中带来的随机性、模糊性、不完全性、不稳定性和不一致性等几个方面。本论文从图像拥有的统计信息、模糊信息和粗糙信息入手，针对现有的一些阈值化方法中存在的问题和不足进行探讨，提出了一些适应性更好的阈值分割算法。取得的主要研究成果如下：1.针对运用图像统计信息的Otsu法不能有效分割小目标图像的缺点，提出了两种加权Otsu法。其一是利用邻域平滑直方图作为权值，对传统Otsu法加权，提出了一种邻域加权Otsu法，该方法在保证阈值点处类间方差尽可能大的同时，保证了阈值点尽量位于图像直方图的谷点位置；其二是结合梯度映射函数提出了一种梯度加权Otsu法，该方法将梯度信息加入到Otsu方法的目标函数中，使得最佳的阈值尽量位于目标和背景的边界处。2.把运用图像统计信息的一维最小误差阈值法和一维最小交叉熵阈值法推广到二维情形，并舍弃传统二维方法中二维直方图内反对角线区域概率和近似为0的假设，提出了二维直线型最小误差阈值法和二维直线型最小交叉熵阈值法。3.对运用图像模糊信息的最大模糊熵阈值分割法进行研究。针对该方法耗时太长的问题提出了一种快速算法，快速算法利用S型隶属函数和模糊熵的两个性质，将传统模糊熵阈值法的时间复杂度由O （L4）降到O （L3）；基于模糊熵的对偶概念——模糊能量，讨论了基于模糊能量的图像阈值分割法，为了增强基于模糊能量的阈值法的分割效果，提出了一种加权模糊能量阈值法。4.对运用图像模糊信息的广义模糊熵阈值化方法进行研究。针对该方法中参数m的选取问题提出了一种利用优化算法自适应选取参数的方案，该方案可以根据具体图像自适应选取参数m，同时针对参数（a, b, d）穷举搜索费时的缺点，通过优化方法快速找到其最佳参数组合；将一维广义模糊熵阈值法推广到二维以提高算法的抗噪能力，二维方法通过定义图像的二维模糊隶属度函数，同时考虑图像的点灰度信息和像素点周围邻域内的平均灰度信息，可以有效去除图像中的高斯噪声。5.对运用图像粗糙信息的粗糙熵阈值化方法进行研究。针对现有粗糙熵表述上的问题，提出了最小平方粗糙熵阈值分割法，该方法的最佳分割阈值取在图像中目标和背景的粗糙度为0处，目标函数的意义更为明确；针对一维粗糙熵阈值法仅考虑了图像中灰度信息的不足，建立了图像的二维粗糙集模型，提出了一种结合空间信息的二维粗糙熵图像阈值分割算法。
二、一种结合空间信息的图像阈值分割新方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种结合空间信息的图像阈值分割新方法（论文提纲范文）
（1）轨道图像中轨面缺陷检测关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轨道表面区域定位提取技术研究现状 |
| 1.2.2 轨道表面图像增强技术研究现状 |
| 1.2.3 轨道表面缺陷检测技术研究现状 |
| 1.3 论文的主要工作及组织结构 |
| 1.3.1 论文的主要工作 |
| 1.3.2 论文的组织结构 |
| 1.4 本章小结 |
| 第二章 轨道表面区域定位提取 |
| 2.1 基于图像的轨道表面缺陷检测流程 |
| 2.2 不同色彩空间下轨道图像的特征分析 |
| 2.2.1 RGB空间轨道图像灰度分析 |
| 2.2.2 亮色分离的色彩空间分析 |
| 2.3 基于YUV色彩空间的钢轨表面区域提取方法 |
| 2.3.1 YUV色彩空间简介 |
| 2.3.2 基于贪心算法选择及斜率探测扩充的轨面区域提取方法 |
| 2.3.3 绘制YUV空间V分量搜索曲线 |
| 2.3.4 搜索最大子序和区间——粗提取 |
| 2.3.5 斜率探测扩充——精提取 |
| 2.4 实验结果与分析 |
| 2.4.1 性能评价指标 |
| 2.4.2 偏转角阈值θ大小分析 |
| 2.4.3 实验结果与对比分析 |
| 2.5 本章小结 |
| 第三章 轨道表面图像增强 |
| 3.1 轨道图像灰度化 |
| 3.2 轨道表面图像的去噪 |
| 3.2.1 几种常见图像滤波方法 |
| 3.2.2 对比实验结果分析 |
| 3.3 轨道表面图像特征分析 |
| 3.3.1 轨面图像灰度分析 |
| 3.3.2 轨面图像列灰度均值、中值规律分析 |
| 3.3.3 轨面图像缺陷比例分析 |
| 3.4 基于缺陷比例限制的轨面图像背景差分对比度增强 |
| 3.4.1 基于列灰度均值、中值的背景建模 |
| 3.4.2 背景差分 |
| 3.4.3 缺陷比例限制滤波 |
| 3.4.4 对比度增强实验结果 |
| 3.5 本章小结 |
| 第四章 轨道表面缺陷分割 |
| 4.1 轨道表面缺陷分割整体流程 |
| 4.2 轨道表面缺陷初判断 |
| 4.3 基于缺陷比例限制的最大熵阈值分割 |
| 4.3.1 基于OTSU的阈值分割方法 |
| 4.3.2 基于ME的阈值分割方法 |
| 4.3.3 基于缺陷比例改进的ME阈值分割方法 |
| 4.3.4 连通区域标记法 |
| 4.4 实验结果与分析 |
| 4.4.1 性能评价指标 |
| 4.4.2 缺陷比例上界限分析 |
| 4.4.3 鲁棒性分析 |
| 4.4.4 对比实验分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要工作回顾 |
| 5.2 未来展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（2）基于仿生优化的图像分割方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 图像分割研究及发展现状 |
| 1.3 论文的研究内容 |
| 1.3.1 研究目的与思路 |
| 1.3.2 论文的章节安排 |
| 第二章 仿生优化算法 |
| 2.1 仿生优化算法概述 |
| 2.2 Levy飞行算法 |
| 2.2.1 Levy飞行的起源与思想 |
| 2.2.2 Levy飞行的原理 |
| 2.2.3 Levy飞行算法的研究进展 |
| 2.3 灰狼优化算法 |
| 2.3.1 灰狼优化算法的的起源及原理 |
| 2.3.2 标准灰狼优化算法 |
| 2.3.3 灰狼优化算法的局限性 |
| 2.3.4 灰狼优化算法的研究进展 |
| 2.4 本章小结 |
| 第三章 基于差分进化灰狼优化的FCM图像分割 |
| 3.1 模糊C均值聚类算法及其改进 |
| 3.2 基于差分进化灰狼优化的FCM算法 |
| 3.2.1 适应度函数设置 |
| 3.2.2 差分进化灰狼优化算法原理 |
| 3.2.3 基于差分进化灰狼优化的FCM算法流程 |
| 3.2.4 基于差分进化灰狼优化的自适应FCM算法 |
| 3.3 实验结果与分析 |
| 3.3.1 图像分割效果的评价指标 |
| 3.3.2 实验结果与分析 |
| 3.4 本章小结 |
| 第四章 基于并行LGWO和局部信息的FCM图像分割 |
| 4.1 结合图像局部信息的FCM算法 |
| 4.2 并行LGWO优化算法 |
| 4.2.1 LGWO优化算法 |
| 4.2.2 并行LGWO优化算法 |
| 4.3 基于并行LGWO和局部信息的FCM图像分割 |
| 4.3.1 自适应灰度权重 |
| 4.3.2 改进的模糊因子 |
| 4.3.3 改进的距离测度 |
| 4.3.4 所提算法及其计算流程 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 基于改进并行LGWO和全局信息的FCM图像分割 |
| 5.1 改进的并行LGWO优化算法 |
| 5.1.1 改进算法收敛因子 |
| 5.1.2 引入动态权重策略 |
| 5.2 快速非局部均值去噪算法 |
| 5.3 基于改进并行LGWO和全局信息的FCM图像分割 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章基于改进灰狼优化算法的多阈值图像分割 |
| 6.1 Tsallis灰度熵 |
| 6.2 IGWO算法 |
| 6.2.1 基于对立学习的种群初始化策略 |
| 6.2.2 狼群Levy飞行策略 |
| 6.2.3 狼群自适应边界策略 |
| 6.2.4 较差狼个体主动高斯变异策略 |
| 6.3 实验结果与分析 |
| 6.3.1 算法性能测试 |
| 6.3.2 实验结果与分析 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于显着性的目标分割算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 显着性目标分割(检测)简介 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的组织结构 |
| 第2章 预备知识 |
| 2.1 支持向量机的基础知识 |
| 2.2 低秩矩阵分解与显着性分割 |
| 2.3 交替方向乘子法 |
| 2.4 超像素图像分割算法 |
| 2.5 本章小节 |
| 第3章 基于SVM的显着性目标自动分割新方法 |
| 3.1 引言 |
| 3.2 改进的新算法 |
| 3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第4章 基于结构矩阵分解的非凸显着目标分割算法 |
| 4.1 引言 |
| 4.2 SMD算法 |
| 4.3 基于结构矩阵分解的非凸显着目标检测算法 |
| 4.4 实验结果与分析 |
| 4.5 基于OTSU阈值的显着目标分割 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（4）基于启发式算法的医学图像阈值分割方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 图像分割方法 |
| 1.2.2 医学图像阈值分割方法 |
| 1.2.3 基于启发式算法的阈值分割 |
| 1.3 本文的主要研究工作 |
| 1.3.1 研究工作目标 |
| 1.3.2 本文主要工作内容 |
| 1.3.3 本文基本架构 |
| 第2章 医学图像分割以及启发式算法相关技术 |
| 2.1 医学图像分割概念 |
| 2.2 医学图像分割方法 |
| 2.2.1 医学图像分割方法分类 |
| 2.2.2 基于阈值的医学图像分割技术 |
| 2.3 启发式算法 |
| 2.4 基于启发式算法的图像阈值分割架构 |
| 2.4.1 作为优化问题的阈值分割 |
| 2.4.2 超启发式医学图像架构 |
| 2.5 本章小结 |
| 第3章 基于直方图一致性与粒子群算法的多阈值快速分割方法 |
| 3.1 概述 |
| 3.2 多阈值Otsu |
| 3.2.1 基本统计量 |
| 3.2.2 多阈值Otsu分割问题描述 |
| 3.3 多阈值Otsu计算复杂度分析 |
| 3.4 最小化类内方差与一致性准则的阈值分割 |
| 3.4.1 基于统计量递推关系的单阈值类间方差快速计算 |
| 3.4.2 类内方差与一致性综合多阈值选取方法 |
| 3.4.3 基于多种群粒子群算法的阈值搜索过程 |
| 3.5 实验结果与分析 |
| 3.5.1 算法有效性测试 |
| 3.6 本章总结 |
| 第4章 基于二维直方图重构与SAPSO的多阈值分割算法 |
| 4.1 概述 |
| 4.2 二维直方图的重建 |
| 4.2.1 二维直方图及二维阈值分割 |
| 4.2.2 直方图重构 |
| 4.3 基于SAPSO算法的阈值计算 |
| 4.3.1 模拟退火算法 |
| 4.3.2 模拟退火粒子群优化算法 |
| 4.3.3 阈值搜索计算 |
| 4.4 实验结果与分析 |
| 4.5 本章总结 |
| 第5章 基于改进蚁群算法的Otsu多阈值医学图像分割 |
| 5.1 概述 |
| 5.2 基于Lévy模式移动蚁群算法 |
| 5.2.1 蚁群算法 |
| 5.2.2 Lévy飞行模式 |
| 5.3 基于改进蚁群算法的Otus分割 |
| 5.3.1 解空间划分与蚁群初始化 |
| 5.3.2 基于改进蚁群算法的Otus算法 |
| 5.4 实验结果与分析 |
| 5.4.1 算法性能比较 |
| 5.4.2 算法收敛性比较 |
| 5.5 本章总结 |
| 第6章 基于动态决策多种群萤火虫算法的二维阈值分割方法 |
| 6.1 概述 |
| 6.2 二维Otsu阈值分割的递推计算 |
| 6.2.1 二维Otsu阈值分割 |
| 6.2.2 随机搜索时的二维Otsu类间方差递推计算 |
| 6.3 动态决策多种群萤火虫算法 |
| 6.3.1 萤火虫算法 |
| 6.3.2 多种群萤火虫算法原理及分析 |
| 6.3.3 多种群萤火虫子群分布与优化 |
| 6.3.4 萤火虫位置的动态扰动 |
| 6.3.5 基于DBM-FA的二维Otsu分割 |
| 6.4 实验结果与分析 |
| 6.4.1 实验环境 |
| 6.4.2 分割效果实验与分析 |
| 6.4.3 分割效率实验与分析 |
| 6.5 本章总结 |
| 第7章 基于子空间探索淘汰启发式方法的图像阈值分割 |
| 7.1 概述 |
| 7.2 基本结构 |
| 7.3 子空间淘汰式启发算法 |
| 7.3.1 子空间的划分及子空间搜索算法 |
| 7.3.2 子空间淘汰式启发算法描述 |
| 7.4 基于子空间淘汰搜索的多阈值分割 |
| 7.5 实验结果与分析 |
| 7.5.1 实验环境及数据参数 |
| 7.5.2 实验过程及结果 |
| 7.5.3 实验分析 |
| 7.6 本章总结 |
| 第8章 总结与展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（5）基于计算机视觉技术的马铃薯病害识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 研究目标与内容 |
| 1.2.1 研究目标 |
| 1.2.2 研究内容 |
| 1.3 本文的结构安排 |
| 第二章 文献综述 |
| 2.1 国外研究进展 |
| 2.2 国内研究进展 |
| 2.3 存在的主要问题 |
| 第三章 马铃薯病害图像采集和预处理 |
| 3.1 马铃薯病害图像采集 |
| 3.1.1 采集对象介绍 |
| 3.1.2 图像采集 |
| 3.2 试验环境说明 |
| 3.3 马铃薯病害图像预处理 |
| 3.3.1 图像裁剪 |
| 3.3.2 调整图像分辨率 |
| 3.3.3 图像灰度化 |
| 3.3.4 图像滤波 |
| 第四章 马铃薯病害图像病斑分割 |
| 4.1 图像分割算法 |
| 4.2 OTSU-SFLA算法的提出 |
| 4.3 OTSU算法 |
| 4.3.1 OTSU算法的基本思想 |
| 4.3.2 OTSU算法的基本原理 |
| 4.4 SFLA算法 |
| 4.4.1 SFLA算法的基本思想 |
| 4.4.2 SFLA算法的基本原理 |
| 4.5 OTSU-SFLA算法实现马铃薯病害图像分割 |
| 4.5.1 马铃薯病害图像灰度化 |
| 4.5.2 马铃薯病害图像中值滤波 |
| 4.5.3 计算马铃薯病害图像的直方图 |
| 4.5.4 马铃薯病害图像OTSU算法基础分割 |
| 4.5.5 马铃薯病害图像OTSU-SFLA算法实现分割优化 |
| 第五章 马铃薯病害图像特征提取与病害识别 |
| 5.1 病害图像特征提取技术 |
| 5.2 病害图像识别技术 |
| 5.3 卷积神经网络 |
| 5.3.1 人工神经网络 |
| 5.3.2 卷积神经网络 |
| 5.4 基于卷积神经网络的马铃薯病害图像特征提取和病害识别 |
| 5.4.1 设计马铃薯病害图像特征提取和病害识别的结构 |
| 5.4.2 设计马铃薯病害图像特征提取和病害识别的各层功能 |
| 5.4.3 马铃薯病害图像特征提取和病害识别的激活函数 |
| 5.4.4 实现马铃薯病害图像特征提取和病害识别的框架 |
| 第六章 系统及模型训练和识别的可靠性测试 |
| 6.1 系统及模型训练 |
| 6.1.1 马铃薯病害图像样本的来源和选取 |
| 6.1.2 马铃薯图像病斑分割之后图像彩色化还原 |
| 6.1.3 系统及模型的训练 |
| 6.2 马铃薯病害识别的可靠性测试 |
| 第七章 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论 |
| 7.2.1 创新点 |
| 7.2.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
| 导师简介 |
（6）交通路口异常事件检测及识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 交通异常事件研究现状 |
| 1.2.1 车辆异常事件研究现状 |
| 1.2.2 群体异常事件研究现状 |
| 1.3 交通路口异常事件检测识别相关技术 |
| 1.3.1 交通视频的对象检测与识别技术 |
| 1.3.2 视频内目标分割技术 |
| 1.3.3 视频内目标描述技术 |
| 1.3.4 视频内目标相互关系识别技术 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 创新点 |
| 1.5 本文组织结构 |
| 2 基于Faster-RCNN模型目标检测识别及处理 |
| 2.1 运动目标检测方法及现状 |
| 2.1.1 帧间差分法和背景差分法 |
| 2.1.2 光流法 |
| 2.1.3 深度学习检测法 |
| 2.2 图像人体目标识别及预处理 |
| 2.2.1 基于Faster-RCNN的目标检测识别 |
| 2.2.2 FSRCNN超分辨率目标重建 |
| 2.3 实验及分析 |
| 2.4 本章小结 |
| 3 基于全局显着性的双窗Fisher自适应目标分割方法 |
| 3.1 目标分割理论及相关工作 |
| 3.1.1 阈值分割法 |
| 3.1.2 聚类分割法 |
| 3.1.3 语义分割法 |
| 3.2 目标显着性检测 |
| 3.2.1 显着性检测研究发展与现状 |
| 3.2.2 HC显着性检测方法 |
| 3.3 图像阈值自适应分割算法 |
| 3.2.1 图像中的Fisher判定准则 |
| 3.2.2 双窗Fisher方法 |
| 3.4 实验及分析 |
| 3.5 本章小结 |
| 4 基于人体低秩纹理方向的群体异动事件识别 |
| 4.1 人体行为识别研究基础 |
| 4.1.1 引言 |
| 4.1.2 研究现状 |
| 4.2 人体行为描述与群体异常识别 |
| 4.2.1 目标低秩纹理方向 |
| 4.2.2 人群异动事件模型构建 |
| 4.2.3 算法描述 |
| 4.3 实验及分析 |
| 4.4 本章小结 |
| 5 基于人体骨骼关键点信息熵关系姿态估计的倒地事件识别 |
| 5.1 姿态估计研究概述及现状 |
| 5.1.1 引言 |
| 5.1.2 研究现状 |
| 5.2 姿态估计与倒地异常识别 |
| 5.2.1 关节点检测 |
| 5.2.2 姿态模型构建 |
| 5.2.3 基于姿态评估的异常事件模型 |
| 5.3 实验与分析 |
| 5.4 本章小结 |
| 6 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）灰度图像阈值分割的自适应滤波和快速算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 阈值分割方法研究现状 |
| 1.3 课题的研究内容 |
| 1.3.1 课题研究问题 |
| 1.3.2 课题研究内容 |
| 1.4 论文章节安排 |
| 第2章 算法相关理论基础 |
| 2.1 阈值图像分割算法 |
| 2.1.1 全局阈值分割 |
| 2.1.2 局部阈值分割 |
| 2.1.3 迭代式阈值分割 |
| 2.2 二维OTSU算法 |
| 2.3 中值滤波算法 |
| 2.3.1 开关中值滤波 |
| 2.3.2 自适应中值滤波 |
| 2.3.3 极值中值滤波 |
| 2.4 遗传算法 |
| 2.4.1 遗传算法实现过程 |
| 2.4.2 元胞遗传算法 |
| 2.5 本章小结 |
| 第3 章基于改进中值滤波的OTSU算法 |
| 3.1 引言 |
| 3.2 基于改进中值滤波的OTSU算法 |
| 3.2.1 基于自适开关应中值滤波的OTSU算法 |
| 3.2.2 基于自适应极值中值滤波的OTSU算法 |
| 3.3 实验结果与分析 |
| 3.3.1 基于自适应开关中值滤波的OTSU算法 |
| 3.3.2 基于自适应极值中值滤波的OTSU算法 |
| 3.4 本章小结 |
| 第4 章基于改进遗传算法的OTSU算法 |
| 4.1 引言 |
| 4.2 基于改进遗传算法的OTSU算法 |
| 4.3 实验结果 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（8）原位根系CT序列图像的分割（论文提纲范文）
| 摘要 |
| abstract |
| 1 前言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标、内容和技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 2 CT图像分割方法概述 |
| 2.1 CT图像的常用分割方法 |
| 2.1.1 基于区域的分割方法 |
| 2.1.2 基于边缘的分割方法 |
| 2.1.3 基于特定理论的分割方法 |
| 2.1.4 综合区域与边缘的的分割方法 |
| 2.2 CT图像分割算法存在的问题 |
| 2.3 小结 |
| 3 基于三维连通域的图像分割 |
| 3.1 三维连通性算法框架 |
| 3.2 图像预处理 |
| 3.2.1 植物根系XCT序列图像 |
| 3.2.2 构建三维体数据 |
| 3.2.3 利用高斯滤波去噪 |
| 3.2.4 三维体数据粗分割 |
| 3.3 基于三维连通域的分割 |
| 3.3.1 三维体元的相邻关系 |
| 3.3.2 连通域标记算法 |
| 3.3.3 基于三维连通域分割 |
| 3.3.4 数学形态学处理 |
| 3.3.5 三维重建 |
| 3.4 小结 |
| 4 结果与分析 |
| 4.1 植物原位根系CT序列图的采集 |
| 4.2 噪声处理 |
| 4.3 三维体数据粗分割 |
| 4.4 三维体数据基于三维连通域分割 |
| 4.5 三维体数据形态学处理 |
| 4.6 三维体数据三维重建 |
| 4.7 小结 |
| 5 算法分割效果评价 |
| 5.1 算法原理比较 |
| 5.2 逆生长分割效果比较 |
| 5.3 算法精确度分析 |
| 6 总结与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A1 发表论文1篇 |
| 附录 B1 三维连通域算法流程图 |
（9）图像阈值分割方法研究进展20年（1994—2014）（论文提纲范文）
| 引 言 |
| 1 阈值分割的基本原理 |
| 2 基于直方图区域划分的阈值选取方法 |
| 2.1 直方图区域划分与统计信息计算 |
| 2.1.1 直方图及其区域划分 |
| 2.1.2 直方图统计信息计算 |
| 2.2 Otsu法 |
| 2.3 最大熵法 |
| 2.4 最小交叉熵(相对熵)法 |
| 2.5 灰度熵法 |
| 2.6 最大相关法 |
| 2.7 最小误差法 |
| 2.8 基于直方图区域划分方法的特性与对比 |
| 3 基于空间特征的阈值选取方法 |
| 3.1 灰度共生矩阵法 |
| 3.2 基于边缘信息的阈值选取方法 |
| 3.3 局部阈值方法 |
| 4 基于模糊集/粗糙集的阈值选取方法 |
| 4.1 模糊集方法 |
| 4.2 粗糙集方法 |
| 5 基于非Shannon熵的阈值选取方法 |
| 5.1 指数熵准则 |
| 5.2 Tsallis熵准则 |
| 5.3 Renyi熵准则 |
| 5.4 Arimoto熵准则 |
| 6 阈值选取准则的简化与优化算法 |
| 6.1 递推、迭代和降维算法 |
| 6.2 阈值选取优化算法 |
| 6.2.1 模拟退火算法 |
| 6.2.2 遗传算法 |
| 6.2.3 粒子群算法 |
| 6.2.4 人工蜂群算法 |
| 6.2.5 其他群智能优化算法与组合式优化 |
| 7 阈值分割评价 |
| 8 结束语 |
（10）基于图像不确定性信息的阈值分割方法研究（论文提纲范文）
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 图像阈值化分割技术发展与研究现状 |
| 1.3 本文的主要研究工作 |
| 1.4 本文的结构安排 |
| 第二章 基于统计信息的图像阈值分割方法 |
| 2.1 引言 |
| 2.2 改进的一维 Otsu 阈值法 |
| 2.2.1 平滑直方图加权 Otsu 法 |
| 2.2.2 梯度加权 Otsu 法 |
| 2.3 最小误差阈值法的二维推广 |
| 2.3.1 二维最小误差阈值分割法 |
| 2.3.2 二维直线型最小误差阈值分割法 |
| 2.4 最小交叉熵阈值法的二维推广 |
| 2.4.1 二维交叉熵阈值分割法 |
| 2.4.2 二维直线型交叉熵阈值分割法 |
| 2.5 小结 |
| 第三章 基于模糊信息的图像阈值分割方法 |
| 3.1 引言 |
| 3.2 基于模糊熵的阈值分割算法 |
| 3.2.1 最大模糊熵阈值法的快速算法 |
| 3.2.2 最大模糊能量阈值分割法 |
| 3.3 基于广义模糊熵的阈值分割算法 |
| 3.3.1 基于 PSO 优化搜索的参数选取 |
| 3.3.2 二维广义模糊熵图像阈值分割法 |
| 3.4 小结 |
| 第四章 基于粗糙信息的图像阈值分割方法 |
| 4.1 引言 |
| 4.2 粗糙集模型 |
| 4.3 基于最小粗糙熵的图像阈值化分割算法 |
| 4.3.1 最大粗糙熵阈值法 |
| 4.3.2 最小平方粗糙熵阈值分割法 |
| 4.3.3 最小平方粗糙熵阈值分割算法实现与实验仿真 |
| 4.4 结合空间信息的粗糙熵阈值化分割算法 |
| 4.4.1 引言 |
| 4.4.2 结合空间信息的粗糙熵阈值分割算法 |
| 4.4.3 二维粗糙熵阈值分割算法的实现与实验结果分析 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
四、一种结合空间信息的图像阈值分割新方法（论文参考文献）
- [1]轨道图像中轨面缺陷检测关键技术研究[D]. 刘龙标. 华东交通大学, 2021(01)
- [2]基于仿生优化的图像分割方法研究[D]. 李沐青. 西安电子科技大学, 2020(05)
- [3]基于显着性的目标分割算法研究[D]. 吴开元. 重庆邮电大学, 2019(02)
- [4]基于启发式算法的医学图像阈值分割方法研究[D]. 秦俊. 吉林大学, 2019(12)
- [5]基于计算机视觉技术的马铃薯病害识别研究[D]. 张明. 甘肃农业大学, 2018(02)
- [6]交通路口异常事件检测及识别技术研究[D]. 李孟军. 中国矿业大学(北京), 2019(12)
- [7]灰度图像阈值分割的自适应滤波和快速算法研究[D]. 颜世利. 桂林理工大学, 2018(05)
- [8]原位根系CT序列图像的分割[D]. 闫露露. 华南农业大学, 2017(08)
- [9]图像阈值分割方法研究进展20年（1994—2014）[J]. 吴一全,孟天亮,吴诗婳. 数据采集与处理, 2015(01)
- [10]基于图像不确定性信息的阈值分割方法研究[D]. 雷博. 西安电子科技大学, 2013(04)