首先进行图像分割算法和基于内存的果蝇优化算法

文摘

在这篇文章中,最常见的椒盐噪声灰度图像中噪声是在深度调查中值滤波算法,改进的中值滤波算法,自适应开关中值滤波算法和自适应极地中值滤波算法应用于大津算法。两种改进的大津算法自适应切换值基于过滤器等大津算法和极地自适应中值基于过滤器大津算法。实验结果表明,该算法能更好地处理灰度图像椒盐卷饼噪音,污染和分割灰度图像不仅清晰而且可以更好地保留了灰度图像的具体特征。遗传算法是一种高自适应搜索算法,运算速度快,和良好的全局空间发现能力,它将有一个良好的效果应用到阈值时发现的大津算法。然而,传统的遗传算法陷入局部最优解在不同程度寻找最优阈值。两种插值方法的优点提出了,一个是边缘灰度图像插值算法利用大津阈值自适应分割,另一个是灰度边缘使用局部自适应阈值分割的图像插值算法,可以准确地把灰度图像地区根据不同的灰度图像的特点和有效改善灰度图像边缘细节信息的损失和锯齿状模糊造成的经典插值算法。灰度图像的视觉效果是通过选择灰度图像增强的标准灰度图像测试集和插值和双线性插值,田园插值,NEDI插值,FEOI插值插值模拟验证。主观评价和客观评价,以及运行时间进行比较,分别显示,本文的方法可以有效地提高灰度插值图像的质量。

1。介绍

分割算法的一个重要的步骤在灰度图像数据分析。在许多灰度图像分割算法中,阈值分割技术实现的简单性和效率的优点,因此被广泛使用(1]。灰度图像分割技术已经发展了几十年,和富有成果的阈值分割算法不断提出。然而,阈值分割技术仍然是一个在灰度图像分割的研究热点2]。在灰度图像分割,阈值分割是一种最广泛使用的灰度图像分割方法。在实际应用中,为了满足我们的需求,有时需要使用多维阈值分割方法或选择多个阈值同时实现目标灰度图像的有效分割。随着灰度图像信息数量的维度或选择阈值的数量增加,阈值分割算法的计算复杂度增加迅速(3]。它将需要很长时间,这在一定程度上限制了使用分割算法。

然而,在传统的大津算法,阈值的搜索过程是通过耗尽所有解决方案的灰色空间,所以随着阈值的数量增加,执行搜索维度也增加,和复杂性大大增加,许多不必要的计算,时间是指数级增加,搜索效率较低(4]。此外,在一般情况下,通过各种渠道获得的图像遭受许多随机扰动和条件,因此,获得原始图像含有大量的噪声,使事物获得的原始图像的特点大大改变,如果直接这样的图像进行了分析,对图像的理解将极大的偏见5]。因此,大津算法的优化,提高计算效率和计算效率已成为一个困难的一个热点问题。在本文中,自适应和快速算法研究了分割效果的优化和改善分割大津算法的效率。

本文包含四个章节,其具体章节安排如下。第一章是介绍。本章中介绍了研究的背景和研究的意义,总结了本研究内容的研究现状,并说明本文的研究内容和安排。第二章进行相关的研究自适应灰度图像阈值分割和快速算法,分析了研究现状,根据当前研究优化算法,提高了中值滤波,然后将它应用于大津算法。第三章分析了分割时间和算法改进的大津算法的性能,证明了本文算法的优势研究通过比较它与传统算法和其他相关算法。第四章提供了一个总结和展望。本文的研究工作进行了总结,分析了研究的不足和未来的研究发展方向进行了展望。在本文中,我们把各种算法和结合每个算法来消除他们的优点缺点,所以我们的方法更先进。

2。研究灰度图像阈值分割算法

2.1。相关工作

随着大津算法的维数增加,计算工作量增加,从而导致计算速度明显降低,所以提出了许多改进算法大津算法随后[6]。班达里改进二维大津算法降维得到快速算法,这两个维度分解为两个一维的方式来减少计算工作;同时,组内的方差信息被认为是灰度图像,构造一个新的函数阈值(7]。Aslam等人提出了一个fast-recursive 3 d大津法算法减少计算时间的3 d大津法(8]。Soeleman等人调查的低效multithreshold大津算法确定最优阈值,而不是使用穷举方法,他们提出了一个快速算法基于multithreshold大津算法标准,这大大提高了分割速度(9]。

除了改进的大津算法,其他图像处理方法也取得了不错的效果。李和李也大津分割阈值,提出了一种快速计算方法,不再计算灰度图像,但轮的组内的方差的算术平均灰度的像素点在目标和背景部分,并使用它作为分割阈值(10]。新算法有效地解决了问题,传统的算法需要进行详尽的计算每个像素点的灰度图像时发现大津分割阈值,提高了计算效率。实验表明,该算法更有效地分割在梯度小目标灰度图像。周等人设计了一个新的花蜜源选择方法和交叉操作指导的发展人口和引入了反向学习变异策略,提高算法的收敛速度(11]。胡锦涛等人提出了一种改进的搜索方程,更好的平衡算法的勘探和开发能力(12]。

从实际应用的角度来看,图像分割,图像分割的一般方向改进主要是改善运营效率,提高手术效果,达到理论和实践相结合的目的。

2.2。灰度图像阈值分割的选择

multithreshold分割方法结合模糊理论是用来纠正上述工件。模糊股权分割过程中,允许地区部分重叠,归属函数分配概率像素属于每个地区。这个不足分割方法可以保留更多的信息关于原始灰度图像分割过程中,有效地避免了小姐心理状态造成的工件和改善灰度图像分割的有效性(13]。

段,灰度图像G像素是否x分为区域问是由一组的年代见以下方程:

之间有一些差异表达模糊Kapur熵和原始Kapur熵,这主要是由于归属函数的引入。以模糊归属函数的灰度概率14]。模糊Kapur熵可以根据梯形归属函数,当j阈值用于分区k区域(k=j+ 1)的最大模糊熵目标函数被描述为如下方程: 在哪里年代_米灰色像素灰度值的概率米在灰度直方图G,β₁,β₂,β_米像素灰度值的关系值吗我每个分割区域,ϕ1,ϕ₁,ϕ_米表示的模糊概率累积每个地区的情况n分割阈值, , ,和是对应的模糊熵分割区域(15]。通过比较目标函数的多层次硬股权,可以发现细微的差别,模糊熵包含更多的信息。F(TG)可以表示为一个函数ϕ用模糊参数一个_j作为变量,也被优化的目标函数。因此,解决最大化模糊Kapur熵的问题转化为求解最优模糊参数的问题一个_我见以下方程:

算法的流程如图1。首先,最初的磁共振成像灰度图像预处理,然后是梯形归属函数是用来分配关系值像素,紧随其后的是模糊的建设Kapur熵函数的灰度直方图灰度图像,每个像素的从属关系。最后,模糊Kapur熵函数作为目标函数,和一种改进的量子粒子群算法用于优化获得最佳梯形归属函数模糊参数,和阈值分割得到的两个相邻参数的平均值(15]。

2.3。自适应和快速算法研究

大津算法选择组内的方差最大化分割阈值的灰度图像分割。由二维构造灰度值集注的大津算法是二维的,由原始的灰度值的像素点灰度图像和灰度值附近平滑过程后,分别为(16]。对灰度图像(米,n)的大小米 N是谁的灰度l,让相应的平均灰度图像的灰度图像h(米,n):h(米,n),h(米,n),在像素灰度值m和n点(米,n),分别,然后像素点的灰度图像h(米,n),(米,n)将形成一个灰度图像由像素灰度值及其附近平均灰度值形成一个二元组:(x,y)。发生的频率(x,y)是用G_沪江的联合概率(x,y)是用年代_沪江。

图2(一个)是一个未被污染的摄影师灰度图像大小为256×256,图吗2 (b)是一个二维灰度直方图投影图吗2(一个),图2 (c)是执行二维大津算法的分割结果图吗2(一个)。图2(一个)是莉娜灰度图像大小为512×512没有噪音污染,图吗2 (b)是一个二维灰度直方图的图2 (d),图2 (f)是进行二维大津算法的分割结果图吗2 (d)。通过观察图2,可以看出二元组的像素灰度值和邻里灰色值数据2 (b)和2 (e)都分布在对角线位置的二维灰度直方图,他们都分布在区域B和地区C在图2显然,它分辨像素点数据2(一个)和2 (e)到目标和背景。2 d大津算法的分割效果是好的。

下面的方程可以表达的想法中值滤波:

如果它是被认为是一个噪声点检测后,开关放置在连接到过滤器和像素的中值滤波后输出;如果它是被认为是一个正常的像素检测后,开关连接到一个港口没有任何处理和像素输出直接处理(17]。下面的方程可以表示开关中值滤波算法:

自适应极值中值(AEM)滤波算法是一种改进的算法基于自适应中值滤波和极地中值滤波,汇集了双方的优势和确定滤波窗口到合适的大小本身根据灰度图像噪声点的密度,和滤波窗口小当有更少的噪声点。当有更少的噪声点,过滤窗口小,这样详细的特性在灰度图像可以更好地恢复18]。大津算法基于自适应极化的原理和中值滤波可以概括如下:最大和最小运营商作为噪声检测运营商,处理和灰度图像扫描逐行从左到右的自适应窗口;同时,检测窗口的像素点位于从大到小排序或从小型到大型根据灰度值的大小。剩下的未被污染的像素点是判断。如果他们认为吵闹,过滤;non-noisy如果他们认为,他们没有处理,直接输出信号点达到的目的有选择地处理灰度图像和保留细节而表示(19- - - - - -24]。最后,二维大津算法操作是在灰度图像上执行完成分割。

2.4。自适应和快速算法的评估

对灰度图像分割灰度均匀性是一个重要的指标,通常也称为地区内部的一致性。因为同一个目标在灰度图像有一个非常近距离的灰度值,和不同的目标的灰度值通常有一个更明显的对比。分割算法的有效性是衡量计算灰度图像的灰度均匀性,见以下方程:

峰值信噪比是一种使用最广泛的指标来评估质量的全部参考灰度图像和误差敏感灰度图像质量基于像素点之间的误差的概念和描述见以下方程:

本文基于选择的想法大单元平均恒虚警率选择较大的平均值和标准偏差的前后参考单元,因此品质因子的阈值米_b计算了探测器类型,本文提供的检测方法是最大的单位平均选择探测器;因此,米_b计算见以下方程:

当虚警概率年代_哈并参考窗口n的值是不同的,米_b如表所示1。

3所示。结果分析

3.1。灰度图像分割效果分析

图3列出了四种方法获得的分割阈值分割后的六个灰度图像。本文详尽的方法获得的分割阈值作为参考。从图可以看出3ABC算法和FA算法功能差,容易陷入局部最优解的过程中寻找最优阈值,从而获得的分割阈值是不够准确的。获得的分割阈值方法在本章详尽的方法是一样的,所以该方法的全局搜索能力的这一章是比ABC算法和英足总算法。通过前面的比较分析,可以看出,对于不同类型的灰度图像和噪声灰度图像,该方法在本章可以跳出局部最优解和搜索更准确的分割阈值,使分割效果明显好于ABC和FA二维首先进行灰度图像分割方法和可以获得相同的二维分割效果,首先进行详尽的分割方法。的分割效果是一样的,2 d首先进行详尽的分类。另外,当分段嘈杂的灰度图像,噪声对分割结果的影响很压抑。总之,本章中的方法可以克服的问题,ABC和FA算法的过程中寻找局部最优和抗噪能力更好,可以获得更好的质量分割灰度图像。

所需的计算时间分段六个灰度级的图像如图以上四个方法4。从图4,众所周知,本文中的方法是33.29倍,1.22倍,1.49倍速度比穷举搜索法、ABC算法,和FA算法,分别分割速度。操作时间最长的四种分割方法,2 d首先进行详尽的分割方法主要是使用,因为方法遍历所有可能的阈值的过程中寻找最优阈值,和65536 2 d大津函数计算,这是一个大量的计算和不能满足实时分割。计算重,运行时间长,不能满足实时细分的必要性。其他三种分割方法采用ABC算法,算法,和改进的ABC算法寻找最优阈值,只需要计算3050或1500(人口规模的最大数量的迭代)的2 d大津功能最多,所以这三种分割方法的计算是2 d大津的多。首先进行详尽的分割方法是小,但运行时间和准确性的方法在这一章比ABC算法和FA的算法。这主要是因为介绍了全局最优解的方法来指导搜索方向,采用不同的方程为不同类型的蜜蜂,提高了搜索效率和算法的全局搜索能力;同时,它使用模拟退火机制更新花蜜源位置,它有效地避免了个体在搜索过程中陷入局部最优,并细分最快的速度和最高的细分精度与ABC算法和FA算法相比。

3.2。灰度图像分割性能分析

图5显示了腐蚀算法的性能评价结果损害。从客观评价指标比较,它可以观察到腐蚀损害的分割算法本文有很大的改进传统大津,约有31.2%的改善区域一致性,提高约25.4%间隔对比,相对减少43.1%最终测量精度,减少出错率约57.8%。根据图5,本文的算法的分割结果和传统的随机漫步算法如下:该地区一致性提高约3.3%,间隔对比提高了约3.2%,相对最终测量精度降低约6%,而且错误率降低约2.1%。这个算法的分割结果和活动轮廓提取如下:区域一致性提高约5.4%,间隔对比提高了约10%,相对最终测量精度降低约11.9%,而且错误率降低约10%。从上面的分析结果,活动轮廓提取方法比传统的大津,和本文算法有更好的分类性能比传统的大津算法和活动轮廓模型,改进传统的RM算法。

优化算法的收敛性能是一个重要的指标来评估算法的优点。测试每个分割算法的收敛速度,本文采用ABC算法,FA算法,本章的方法寻找最优阈值和全局最优解的变化记录每次迭代的搜索。为了保证实验结果的客观性,三种算法的迭代次数设置为100,人口规模设置为20。三个算法的收敛曲线如图所示6分割的灰度图像进行测试。

从图6ABC算法搜索到第62代收敛;英足总算法需要60迭代收敛;该方法在本章只需要23迭代收敛于全局最优解。可以看出,ABC算法的收敛速度是最慢的,这是由于缺乏明确的搜索方向的问题,单一的搜索方程,和快速损失的人口多样性的过程中寻找最优使整个种群的搜索效率低,算法的收敛速度慢;虽然英足总算法的收敛速度快于ABC算法,其全局搜索能力差,很容易收敛到局部最优迭代的过程。足总算法收敛速度比ABC算法,但其全局搜索能力差,很容易收敛到局部最优迭代。本文改进了ABC算法搜索的基本方程,引入了模拟退火机制更新花蜜来源。在灰度图像分割的过程,极大地提高了ABC算法收敛速度比ABC和FA算法和可以快速搜索更精确的最优阈值。

3.3。灰度图像分割的实际分析

图7显示了分割阈值通过传统的大津算法和目前的算法对莉娜灰度图像,摄影师灰度图像,分别和辣椒灰度图像。通过比较获得的阈值下的传统算法和该算法,发现该算法的阈值非常小,波动是没多大区别的最优阈值下得到传统算法,证明了算法具有良好的稳定性和在改善大津算法是有效的。

传统的大津算法的分割结果noise-contaminated图像并不理想。当胡椒噪声强度为0.25添加到图像,这两个算法的分割结果显示一个明显的区别。当的椒盐噪声强度0.55添加到图像,这两个算法的分割结果出现明显的差异,传统的图像分割大津算法已经被噪声严重污染,和图像变得模糊,而本文算法的分割效果仍然很好,照片很清楚,保持原始图像的细节特征。实验结果表明,本文的算法可以很好地应对被噪声污染的图像,和更多的噪声强度可以反映出该算法的优越性。图8显示了时间比较传统的大津算法和该算法寻找最优阈值对不同灰度图像。实验结果证明,该算法具有更好的稳定性和更快的运行速度,同时保持更好的稳定性。

客观评估算法的优点,峰值信噪比(PSNR)的灰度图像分别由不同的插值算法计算处理,和PSNR值之间的差异反映了插值灰度图像和原始灰度图像。图9本文表明,插值算法PSNR值最高。结果表明,本文算法能更好地保持灰度图像的边缘细节信息。客观地评价不同的插值方法的优点和缺点,峰值信噪比(PSNR)的灰度图像分别由不同的插值算法计算处理,和PSNR值之间的差异反映了插值灰度图像和原始灰度图像。越接近插值灰度图像是原始灰度图像,灰度图像质量越好。图9本文表明,插值方法PSNR值最高,与其他插值方法相比,本文的峰值信噪比高于平均0.45 dB。实验结果表明,本节中的插值算法可以更好地保持纹理灰度图像的边缘细节信息。

4所示。结论

本文首先介绍了研究意义、研究进展,以及基本的灰度图像分割的算法知识,重点是二维大津算法,然后其他算法的优点适用于大津算法的缺点互补的传统大津算法的优缺点,提出了改进方案,通过实验验证本文算法的有效性。二维大津算法灰度图像噪声免疫力不佳被高强度噪音,污染,结果往往不是很满意的,如果直接分割图像。面对这个问题,传统的大津算法无法应对强烈的噪声,中值滤波去除噪声的优良性能应用于大津算法。在本文中,我们首先改进中值滤波,然后应用改进的大津算法,并提出大津算法基于自适应开关中值滤波和大津算法基于自适应极地中值滤波。通过实验比较和分析,本文算法仍有良好的灰度图像分割结果面对高强度的噪音,和灰度图像分割效果比传统的大津算法的性能。面对传统的耗时问题大津算法寻找最优阈值,性能优良的遗传算法寻找最优解决方案非常有效地应用于大津算法。在本文中,我们首先讨论这个问题,传统的遗传算法容易陷入局部最优时找到最优解,然后将改进的遗传算法应用于大津大津算法,提出基于改进的遗传算法。通过实验比较和分析,本文算法在一个更好的工作在保持灰度图像的细节特征,和分割效果明显优于传统的大津算法,操作速度快,缩短了时间来寻找最优解的算法。本文以及大多数当前的方法,只适用于静态的,灰度图像,而不是颜色、动态灰度图像。与人工智能等领域的崛起,颜色的分割,以及动态灰度图像将变得越来越苛刻,所以未来的反应颜色的灰度图像分割灰度图像和动态灰度图像需要进一步研究和探索。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突或人际关系可能出现影响工作报告。

引用

1. w .叮,y赵,r·张,“一种适应性、抗干扰分割算法对于复杂的图像不稳定成像环境下,“国际期刊的计算机应用技术,卷61,不。4、265 - 272年,2019页。视图:出版商的网站|谷歌学术搜索
2. t . Lei, x, t·刘,刘,h·孟和a . k .南帝”播种图像分割的自适应形态学重建”,IEEE图像处理,28卷,不。11日,第5523 - 5510页,2019年。视图:出版商的网站|谷歌学术搜索
3. t . g . Debelee f . Schwenker s Rahimeto d .遗址上,“评价适应性修改k——分割算法”,计算视觉媒体,5卷,不。4、347 - 361年,2019页。视图:出版商的网站|谷歌学术搜索
4. d .邵c .徐y湘et al .,“超声图像分割与多级阈值基于微分搜索算法,”专业图像处理,13卷,不。6,998 - 1005年,2019页。视图:出版商的网站|谷歌学术搜索
5. 美国太阳,h .歌曲,d .他和y长”,一种自适应细分方法MSRCR和均值漂移算法结合K在自然环境——修正的青苹果农业信息处理》第六卷,没有。2、200 - 215年,2019页。视图:出版商的网站|谷歌学术搜索
6. w·罗和l .太阳”,一种改进的二值化算法的木材缺陷图像分割不均匀背景的基础上,“林业研究杂志》,30卷,不。4、1527 - 1533年,2019页。视图:出版商的网站|谷歌学术搜索
7. A . k .班达里”小说β微分进化算法快速多级为彩色图像分割,阈值”神经计算和应用,32卷,不。9日,第4613 - 4583页,2020年。视图:出版商的网站|谷歌学术搜索
8. y: n .桑德拉让n Ramasamy, k . Ramar”修改后的自适应阈值方法使用布谷鸟搜索算法检测表面缺陷,”国际期刊《先进的计算机科学和应用程序,10卷,不。5,214 - 220年,2019页。视图:出版商的网站|谷歌学术搜索
9. m·a·Soeleman a . Nurhindarto m . Muslih et al .,“自适应阈值移动物体检测使用高斯混合模型,”TELKOMNIKA(电信计算电子和控制),18卷,不。2、1122 - 1129年,2020页。视图:出版商的网站|谷歌学术搜索
10. h·李和w·李”,加强人工蜂群算法及其应用、图像特征检索”多媒体工具和应用程序,卷78,不。7,8683 - 8698年,2018页。视图:出版商的网站|谷歌学术搜索
11. 李x, z h·谢et al .,“白细胞基于自适应直方图阈值图像分割和轮廓检测,”目前的生物信息学,15卷,不。3、187 - 195年,2020页。视图:出版商的网站|谷歌学术搜索
12. k . Hu s . Liu y . Zhang et al .,“dermoscopy图像的自动分割使用特点结合基于小波变换的自适应阈值,“多媒体工具和应用程序,卷79,不。6,14625 - 14642年,2020页。视图:出版商的网站|谷歌学术搜索
13. k . g .木豆Das,射线,j . Galvez s Das,“自然优化算法及其应用multi-thresholding图像分割,“档案在工程计算方法,27卷,不。3、855 - 888年,2019页。视图:出版商的网站|谷歌学术搜索
14. p . Kandhway和a . k .班达里”最优自适应阈值sub-histogram均衡为基础的亮度保持图像对比度增强,”多维系统和信号处理,30卷,不。4、1859 - 1894年,2019页。视图:出版商的网站|谷歌学术搜索
15. p . Kandhway和A . k .班达里“水循环为彩色图像分割算法多级阈值系统使用马西熵,”电路、系统和信号处理,38卷,不。7,3058 - 3106年,2019页。视图:出版商的网站|谷歌学术搜索
16. m·艾哈迈迪k .齐米。a . Aarabi t . Niknam和m . s . Helfroush”使用多级阈值图像分割基础上修改鸟交配优化”多媒体工具和应用程序,卷78,不。16,23003 - 23027年,2019页。视图:出版商的网站|谷歌学术搜索
17. 古普塔和k .深,“混合正弦余弦人工蜂群算法全局优化和图像分割,“神经计算和应用,32卷,不。13日,9521 - 9543年,2020页。视图:出版商的网站|谷歌学术搜索
18. a . k . m . Khairuzzaman和s·乔杜里,”马西基于熵的多级阈值图像分割,“多媒体工具和应用程序,卷78,不。23日,第33591 - 33573页,2019年。视图:出版商的网站|谷歌学术搜索
19. 答:阿里,w·m·d·万海岬,a·侯赛因”视网膜血管分割从视网膜图像使用B-COSFIRE和自适应阈值,“印尼的电气工程和计算机科学杂志》上,13卷,不。3、1199 - 1207年,2019页。视图:出版商的网站|谷歌学术搜索
20. z . w . Wang锣,j . Ren f .夏z Lv,和w·魏”场馆主题model-enhanced联合图形造型在学术引用推荐大数据,”ACM交易在亚洲和资源缺乏语言信息处理(TALLIP),20卷,不。1、1 - 15,2020页。视图:出版商的网站|谷歌学术搜索
21. 刘问:Ke, s . Zeng-guo y, w . WeiM。WozniakR。谢勒,”高分辨率SAR图像去除杂点AA模型,基于非局部方法筛选和修改”安全性和通信网络卷,2020篇文章ID 8889317、8页,2020。视图:出版商的网站|谷歌学术搜索
22. n . w . Wang Kumar j . Chen等人”实现物联网智能旅游的潜力与5 g和AI,”IEEE网络,34卷,不。6,295 - 301年,2020页。视图:出版商的网站|谷歌学术搜索
23. y熊、梁l . l . Wang j .她和m .吴”的识别经济作物疾病使用自动图像分割算法和深度学习与扩展的数据集,”计算机和电子产品在农业文章ID 105712卷,177年,2020年。视图:出版商的网站|谷歌学术搜索
24. 垫片和y . e .歌曲“编码器类型语义使用多尺度分割算法学习类型路面损伤识别,”《韩国研究所的智能交通系统,19卷,不。2、89 - 103年,2020页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Ruishuai柴。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。