本文選題：多目標(biāo)圖像 + 統(tǒng)計曲線��； 參考：《系統(tǒng)仿真學(xué)報》2017年11期

【摘要】：為準(zhǔn)確地分割目標(biāo)面積過小,目標(biāo)和背景灰度值相近的多目標(biāo)圖像,提出一種基于統(tǒng)計曲線差分法的閾值分割算法。建立多目標(biāo)灰度圖像的山地模型,對圖像灰度歸一化處理。用等間隔的閾值逐一分割,計算連通區(qū)域個數(shù)。繪制統(tǒng)計曲線,曲線橫坐標(biāo)為等間隔的灰度級,縱坐標(biāo)為計數(shù)結(jié)果。對統(tǒng)計曲線進(jìn)行差分,差分值趨近于零的點,就是所要求得的閾值點。實驗結(jié)果表明:與目前性能較優(yōu)越的Otsu、最大熵閾值分割方法相比,所提出的方法在多目標(biāo)圖像分割效果準(zhǔn)確性更高。
[Abstract]:A threshold segmentation algorithm based on statistical curve difference method is proposed to accurately segment multi-object images with small target area and similar gray values between target and background. The mountain model of multi-object gray image is established and the gray level of image is normalized. The number of connected regions is calculated by dividing the equal-interval threshold one by one. Draws the statistical curve, the curve horizontal coordinate is the equal interval gray level, the vertical coordinate is the counting result. The point where the difference value approaches zero is the required threshold point. The experimental results show that the proposed method is more accurate than the Otsu-maximum entropy threshold segmentation method.
【作者單位】： 河北工業(yè)大學(xué)機(jī)械工程學(xué)院;
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)會議論文 前3條

1 夏勇;趙榮椿;;一種結(jié)合空間信息的圖像閾值分割新方法[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

2 徐志剛;張秋余;朱紅蕾;謝鵬壽;;視頻判讀中圖像閾值分割方法的研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

3 李忠海;王莉;崔建國;;復(fù)雜天空背景下小飛行目標(biāo)檢測與跟蹤系統(tǒng)設(shè)計[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

相關(guān)博士學(xué)位論文 前2條

1 霍鳳財;基于人工蜂群算法的工程圖紙圖像閾值分割方法研究[D];東北石油大學(xué);2015年

2 盛有明;微循環(huán)及心肌細(xì)胞顯微圖像特征參數(shù)動態(tài)測量技術(shù)及應(yīng)用研究[D];北京協(xié)和醫(yī)學(xué)院;2011年

相關(guān)碩士學(xué)位論文 前10條

1 胡文昭;融入空間鄰域信息的圖像閾值分割方法研究[D];燕山大學(xué);2015年

2 宋亞玲;基于熵的圖像閾值分割研究[D];華僑大學(xué);2016年

3 孫寶翔;Bloch球面改進(jìn)量子蜂群算法及在圖像閾值分割中的應(yīng)用[D];東北石油大學(xué);2016年

4 張勇;圖像中模糊邊界目標(biāo)的閾值分割方法研究[D];合肥工業(yè)大學(xué);2011年

5 劉輝;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的圖像測溫方法研究[D];昆明理工大學(xué);2009年

6 曹其友;圖像自動分割關(guān)鍵技術(shù)研究與實現(xiàn)[D];山東大學(xué);2014年

7 劉翠;水聲圖像閾值分割及智能優(yōu)化算法的研究[D];哈爾濱工程大學(xué);2010年

8 朱曉;玉米高光譜圖像的特征提取與分類研究[D];江南大學(xué);2013年

9 潘U，

本文編號：1820512