基于OTSU算法的图像阈值分割技术
发布时间：2021-01-12 21:13
图像分割是图像分析过程中的一个重要步骤,其目标是将图像中感兴趣的区域划分出来。在众多的图像分割方法中,阈值分割技术是图像分割中使用较广的一类方法,其基本原理是基于图像灰度直方图计算分割阈值,然后按阈值对图像进行分割。OTSU法是阈值分割中的一种常用算法,通过实现类间方差最大化来进行阈值选取,该方法具有原理通俗易懂、分割效果可观、算法稳定等特征。但是,一维OTSU法不能处理更加复杂的图像,在分割背景与目标区域像素点的灰度差值过小的图像时,会出现误分割的情况。因此,大量学者引入了灰度邻域均值以及灰度邻域中值,将其推广到了二维和三维。这样可提高分割复杂图像的准确率。但阈值数量的增加使得算法循环迭代的次数增加,从而导致算法运算量庞大,运行效率显著下降的现象。本文从运算复杂度和分割精度两个方面着手,对二维、三维OTSU法进行分析研究,针对算法计算量大、实时性差等问题,提出了改进方法,克服了运算效率低、寻优速度慢的缺陷。并通过实验验证了改进的方法具有分割效果良好、计算效率显著升高的特点。具体工作包括:（1）改进狼群算法优化的二维OTSU法。原始二维OTSU算法阈值选取普遍依赖于穷尽搜索方式,计算量...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 论文研究的背景及意义
1.2 国内外研究现状
1.3 论文研究的主要内容
1.4 论文的组织结构
第二章 基于狼群算法的二维OTSU法
2.1 引言
2.2 一维OTSU法
2.3 OTSU法的多阈值推广
2.3.1 OTSU法的多阈值原理
2.3.2 二维OTSU法
2.4 改进的狼群算法优化二维OTSU法
2.4.1 狼群算法概述
2.4.2 狼群算法的角色分配
2.4.3 狼群算法的主要原理
2.4.4 改进狼群算法的主要原理
2.4.5 改进狼群算法优化二维OTSU算法的步骤
2.5 实验仿真与分析
2.5.1 实验环境介绍
2.5.2 实验评价准则
2.5.3 对医学图像的分割
2.5.4 对人物图像的分割
2.5.5 对自然风景图像的分割
2.6 本章小结
第三章 改进狼群算法优化的三维OTSU法
3.1 引言
3.2 三维OTSU法
3.3 改进的三维OTSU图像分割法
3.3.1 改进三维OTSU算法主要原理
3.3.2 改进狼群算法优化三维OTSU算法的步骤
3.4 仿真实验及结果分析
3.4.1 实验环境介绍
3.4.2 对指纹图像的分割
3.4.3 对医学图像的分割
3.4.4 对人物图像的分割
3.5 本章小结
第四章 总结与展望
4.1 工作总结
4.2 工作展望
参考文献
致谢
作者简介及硕士期间发表的专业论文
【参考文献】：
期刊论文
[1]改进狼群优化算法的Otsu图像分割法[J]. 曹爽,安建成. 微电子学与计算机. 2017(10)
[2]一种改进的狼群算法[J]. 惠晓滨,郭庆,吴娉娉,赵昱. 控制与决策. 2017(07)
[3]Fault Pattern Recognition based on Kernel Method and Fuzzy C-means[J]. SUN Yebei,ZHAO Rongzhen,TANG Xiaobin. International Journal of Plant Engineering and Management. 2016(04)
[4]基于多阈值Otsu准则的阈值分割快速计算[J]. 申铉京,刘翔,陈海鹏. 电子与信息学报. 2017(01)
[5]基于高斯分解的多尺度3D Otsu阈值分割算法[J]. 肖明尧,李雄飞. 吉林大学学报(工学版). 2017(01)
[6]基于改进萤火虫算法的二维Otsu图像分割法[J]. 周晨航,田力威,赵宏伟. 沈阳大学学报(自然科学版). 2016(01)
[7]一种基于文化机制的狼群算法[J]. 钱荣鑫. 信息技术. 2015(12)
[8]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)
[9]改进布鸟搜索算法最大熵值的医学图像分割[J]. 李爱菊,钮文良,王廷梅. 计算机仿真. 2014(08)
[10]一种新的群体智能算法——狼群算法[J]. 吴虎胜,张凤鸣,吴庐山. 系统工程与电子技术. 2013(11)
博士论文
[1]基于阴影集和粗糙集的模糊聚类算法研究与应用[D]. 王丽娜.南京航空航天大学 2016
硕士论文
[1]基于Otsu的医学图像分割算法研究[D]. 潘红.吉林大学 2016
[2]最大熵结合遗传算法的图像阈值分割算法研究[D]. 庹谦.昆明理工大学 2016
[3]基于平均中值离差的二维最小误差分割算法研究[D]. 宋斌.湘潭大学 2015
[4]基于粒子群优化算法的最大熵多阈值图像分割研究[D]. 路亚缇.郑州大学 2015
[5]基于阈值的图像分割研究[D]. 付云凤.重庆大学 2013
[6]基于模糊C均值聚类的图像分割算法研究[D]. 李伟.哈尔滨工程大学 2013
本文编号：2973556
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 论文研究的背景及意义
1.2 国内外研究现状
1.3 论文研究的主要内容
1.4 论文的组织结构
第二章 基于狼群算法的二维OTSU法
2.1 引言
2.2 一维OTSU法
2.3 OTSU法的多阈值推广
2.3.1 OTSU法的多阈值原理
2.3.2 二维OTSU法
2.4 改进的狼群算法优化二维OTSU法
2.4.1 狼群算法概述
2.4.2 狼群算法的角色分配
2.4.3 狼群算法的主要原理
2.4.4 改进狼群算法的主要原理
2.4.5 改进狼群算法优化二维OTSU算法的步骤
2.5 实验仿真与分析
2.5.1 实验环境介绍
2.5.2 实验评价准则
2.5.3 对医学图像的分割
2.5.4 对人物图像的分割
2.5.5 对自然风景图像的分割
2.6 本章小结
第三章 改进狼群算法优化的三维OTSU法
3.1 引言
3.2 三维OTSU法
3.3 改进的三维OTSU图像分割法
3.3.1 改进三维OTSU算法主要原理
3.3.2 改进狼群算法优化三维OTSU算法的步骤
3.4 仿真实验及结果分析
3.4.1 实验环境介绍
3.4.2 对指纹图像的分割
3.4.3 对医学图像的分割
3.4.4 对人物图像的分割
3.5 本章小结
第四章 总结与展望
4.1 工作总结
4.2 工作展望
参考文献
致谢
作者简介及硕士期间发表的专业论文
【参考文献】：
期刊论文
[1]改进狼群优化算法的Otsu图像分割法[J]. 曹爽,安建成. 微电子学与计算机. 2017(10)
[2]一种改进的狼群算法[J]. 惠晓滨,郭庆,吴娉娉,赵昱. 控制与决策. 2017(07)
[3]Fault Pattern Recognition based on Kernel Method and Fuzzy C-means[J]. SUN Yebei,ZHAO Rongzhen,TANG Xiaobin. International Journal of Plant Engineering and Management. 2016(04)
[4]基于多阈值Otsu准则的阈值分割快速计算[J]. 申铉京,刘翔,陈海鹏. 电子与信息学报. 2017(01)
[5]基于高斯分解的多尺度3D Otsu阈值分割算法[J]. 肖明尧,李雄飞. 吉林大学学报(工学版). 2017(01)
[6]基于改进萤火虫算法的二维Otsu图像分割法[J]. 周晨航,田力威,赵宏伟. 沈阳大学学报(自然科学版). 2016(01)
[7]一种基于文化机制的狼群算法[J]. 钱荣鑫. 信息技术. 2015(12)
[8]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)
[9]改进布鸟搜索算法最大熵值的医学图像分割[J]. 李爱菊,钮文良,王廷梅. 计算机仿真. 2014(08)
[10]一种新的群体智能算法——狼群算法[J]. 吴虎胜,张凤鸣,吴庐山. 系统工程与电子技术. 2013(11)
博士论文
[1]基于阴影集和粗糙集的模糊聚类算法研究与应用[D]. 王丽娜.南京航空航天大学 2016
硕士论文
[1]基于Otsu的医学图像分割算法研究[D]. 潘红.吉林大学 2016
[2]最大熵结合遗传算法的图像阈值分割算法研究[D]. 庹谦.昆明理工大学 2016
[3]基于平均中值离差的二维最小误差分割算法研究[D]. 宋斌.湘潭大学 2015
[4]基于粒子群优化算法的最大熵多阈值图像分割研究[D]. 路亚缇.郑州大学 2015
[5]基于阈值的图像分割研究[D]. 付云凤.重庆大学 2013
[6]基于模糊C均值聚类的图像分割算法研究[D]. 李伟.哈尔滨工程大学 2013
本文编号：2973556
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2973556.html
