改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

基于道格拉斯-普克算法的图像分割初探

利用道格拉斯-普克算法化简灰度直方图,从化简后的直方图中获取图像分割的阈值。为了评估所提出算法的优劣,本文采用多峰法和大津法进行了对比实验。实验表明道格拉斯-普克算法分割某些图像具有一定的优势。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

自动确定图像二值化最佳阈值的新方法

在详细分析二值化处理原理及当前技术的前提下,综合考虑图像的各种实际情况,提出了自动确定图像二值化阈值的增强大津法和边缘检测阈值法.多次实验表明,根据这两种方法确定的阈值对图像进行二值化处理,不仅可有效地解决图像灰度随地物特征变化的图像处理问题,同时对于同一信号源的图像也有相当理想的处理效果.该方法可进一步应用于图像分割等.     

自动确定图像二值化最佳阈值的新方法

在详细分析二值化处理原理及当前技术的前提下，综合考虑图像的各种实际情况，提出了自动确定图像二值化阈值的增强大津法和边缘检测阈值法。多次实验表明，根据这两种方法确定的阈值对图像进行二值化处理，不仅可有效地解决图像灰度随地特征变化的图像处理问题，同时对于同一信号源的图像也有相当理想的处理效果，该方法可进一步应用于图像分割等。     

一种基于人工免疫的图像分割算法

图像二维熵分割,一直因耗时长而限制了实际应用。本文借鉴生物免疫思想,提出二维熵图像分割的人工免疫算法。在克隆选择算法中引入疫苗的免疫接种,用于优化最优分割阈值对的搜索过程。在遥感高分辨率图像上的实验显示,该算法不仅能准确搜索到最优阈值对,而且计算时间只有传统算法的1.8%。该算法也验证了人工免疫思想用于图像分割的可行性和有效性。     

基于高低帽变换的图像迭代分割方法

针对现有的迭代阈值分割算法作用于一些低对比度或一些变化较大的图像时精度不高、存在过度分割难以识别目标区域的问题,引入数学形态学模型,提出一种基于形态学中高低帽变换预处理后再进行迭代分割的改进优化算法。该算法利用高低帽变换来增大原始图像的灰度动态范围同时锐化图像,使图像清晰,再通过迭代阈值分割出目标区域,针对一些难以分割的目标,可以再次采用低帽变换凸显目标区域,最后通过二值图像连通区域标记,按面积擦除噪声区域完成分割。实验结果表明,不论是针对较小目标物体或是较大目标物体都能取得良好的分割效果,改进后算法的稳定性、适应性和分割精度都得到提升,具有广阔的应用前景。     

高海拔冰川信息提取方法研究与应用

为获取大范围最佳冰川边界,本文以西昆龙冰川为研究对象,利用融合后的Landsat-8OLI数据,依据纹理和亮度等规则,使用面向对象-NDSI方法结合大津算法提取了多期单时相2015年冰川范围信息。最后,使用多时相冰川范围信息,进行迭代综合分析,得到了最佳的西昆龙冰川边界。该信息提取总体分类精度高达99%以上,证明面向对象-NDSI方法结合大津算法能够实现高海拔冰川全方位的信息提取。本实验将图像分割大津算法应用于冰川阈值信息获取,实现了客观、快速和准确的影像分割过程。     

Otsu多阈值算法推广实现

遥感图像处理中的地物分割是分析和解译遥感图像的必要环节。本文分析了Otsu算法进行阈值分割的原理和有效性,针对Otsu多阈值分割算法计算效率低的缺点,提出了用Nelder-Mead单纯形法对Otsu的多阈值分割进行优化。将优化的Otsu算法与传统方法进行了比较,从理论分析和实验结果来看,此方法不仅能获得与传统方法分割一致的结果,而且应用到大尺寸遥感图像的多阈值分割中大大提高了分割效率。     

基于改进遗传算法的遥感图像边缘检测

遥感图像的边缘信息包含了丰富的地物形状特征,边缘提取是图像分析的重要手段。本文在对简单遗传算法分析的基础上,对它的三个算子进行了部分改进,其中选择算子采用无回放余数随机选择,交叉算子采用非等概率融合单阈值单点交叉,并采用自适应改变的变异算子在保护最优个体的同时,加快较差个体的淘汰速度。把该改进的遗传算法用于遥感图像边缘阈值的选取中,与简单遗传算法相比,缩短了平均进化次数,且图像定位准确,边缘检测效果明显。