Otsu

摘要： 传统自适应Canny算法在憎水性图像边缘检测上的效果不甚理想,往往检测出来的图像边缘断点较多,不能形成一个完整的闭合边缘。因此,文中针对绝缘子憎水性图像中水珠上边缘难以捕捉的特点,分别从滤波、阈值选择以及边缘连接方向几个层面进行优化,提出了一种改进边缘连接的Canny算法。首先,联合对比度受限的自适应直方图均衡化与引导滤波对图像进行预处理,通过双边滤波平滑图像,在Canny算法中引入二维OTSU以及边缘连接实现图像分割,最后应用最大水珠面积比法判定复合绝缘子图像的憎水性等级。实验结果表明:文中方法能够准确有效的分割水珠图像,为后续憎水性的判定提供了依据。

摘要： 水体提取对于洪涝灾害评估有着重要的意义。针对传统的Otsu分割阈值会偏向方差大的一类,因此分割结果包含大量的伪水体,给后续处理增加了极大困难的问题,提出目标权重改进的Otsu和结合高程连通标定的形态学优化方法。通过实验证明,基于目标权重改进的Otsu可以有效地平衡分割阈值,计算的分割阈值更接近真实分割阈值。利用改进Otsu提取水体的初始分布图,并采用结合高程连通标定的形态学优化方法对其进行优化,得到最终的水体分布图。对实验结果分析得出,该水体提取方法可以充分发挥改进Otsu和结合高程连通标定的形态学优化方法在提取水体方面的各自优势,大大提高了水体提取的精度。利用该方法对覆盖彭泽县的影像数据进行水体提取,验证了该方法提取水体的可靠性。

摘要： 海上油田开发中后期,识别并预测河流相砂体边界是老油田剩余油挖潜中亟待解决的重点问题。由于海上井点少、井距大,砂体尺度小、散度大;密井网条件下的测井方法和常规砂体边界地震识别方法并不适用。基于能反映砂体横向展布的地震属性,使用联合双边滤波、Otsu自适应阈值处理方法及形态学算法改进Canny算子,进行河流相砂体边界的预测,形成了一套自适应、高精度的河流相砂体边界的预测方法。从河流相砂体的沉积特点和演变规律出发,建立了一组正演模型,验证了方法的有效性。将此方法应用于渤海Q油田,在目标层取得了良好的效果。

摘要： 由于现有的医学图像分割方法效果不够理想,因此将混沌初始化的郊狼优化算法应用于医学图像分割中。对郊狼群参数进行混沌初始化处理,分析组内郊狼的成长情况,并评估新生郊狼的社会适应度。为了验证设计方法的有效性,进行对比实验。与模糊改进的快速人工蜂群及其聚集算法(FMQABCA)、改进的模糊郊狼优化算法(FICOA)的图像分割结果相比,本文设计方法在医学图像分割方面具有更好的分割效果。

摘要： 针对帧间差分法在目标细节识别上较为粗糙的缺点,提出一种优化改进的目标检测与跟踪算法,构建两次区域限定与Kalman滤波算法融合的检测方法.首先通过提出的网格划分算法来获得动态感兴趣区域,仅在此道路的显著性范围内进行车道线区域的识别;然后依据车道线区域信息与建立的道路区域掩模作为帧间差分的评价指标,提高算法的处理精度,并使用扩展的Otsu算法,使用自适应动态阈值解决了帧间差分目标提取性能的有效性问题;最后基于检测的目标形心坐标作为观测量,通过Kalman滤波跟踪预测目标的行驶轨迹.采用Halcon视觉软件平台,对所提出算法性能进行试验验证.结果表明,所提出算法平均处理时间为32.132 ms,能够满足实时性需求,且车道线检测的平均准确率达95%以上.此算法能够迅速、准确地提取车道线区域,且对目标位置具有较高的可预测性.

摘要： 在图像畸变矫正和图像缩放过程中,需要使用插值算法对像素点进行插值。为了更好地保留图像的纹理细节,以及降低算法时间复杂度,论文提出一种基于OTSU的图像插值算法。利用被插值点四邻域像素的方差来划分图像区域,并采用OTSU算法确定阈值,对图像平坦区域采用双线性插值,而图像纹理细节部分采用双三次插值。实验结果表明,该算法很好地保留了图像细节部分,算法时间复杂度较低,获得的图像质量高,算法具有一定的实用价值。

摘要： 为了监测水稻病害等级并及时做好预防,本文提出一种基于超绿超红算法(ExG+ExR)结合最大类间方差法(Nobuyuki Otsu,OTSU)分割水稻病斑区域。首先,针对传统阈值算法分割效果不佳的缺陷,利用加权平均值进行灰度处理,通过直方图均衡化改善图像质量,并且以自适应中值滤波保护图像细节,从而实现对图像的降噪及增强处理;其次,通过ExG+ExR结合OTSU依次从背景分割出水稻叶片和病斑区域;最后,本文提出的方法与复印称重法和KNN算法比较,在800×300图像中平均绝对准确率高达98.28%,并且只有1.53%的平均绝对误差率。对比结果表明,该算法能够有效分割水稻的病斑区域,为有效识别病害种类及等级奠定了基础。

摘要： 针对原棉破籽类杂质视觉检测中OTSU方法最佳阈值难以确定的问题,提出基于粒子群优化最佳阈值的杂质检测方法。首先对图像进行灰度变换,去除图像中冗余信息与噪声数据,然后将类间方差设置为目标函数模型,通过动态调整惯性权重因子与自适应动态调整学习因子进行优化,迭代整个群体的全局最优位置和粒子自身的历史最优位置,进而求解最大类间方差,获取最优图像分割阈值。实验结果表明:与OTSU方法相比,改进OTSU方法的杂质检测相对误差平均降低2.74%,检测到的杂质边缘信息能够有效表征杂质像素属性,杂质边缘描述清晰明确,适用于原棉破籽类杂质快速检测。

摘要： 本文提出了一种结合实地考察海岸类型的岸线遥感提取方法来对象山港区域岸线进行提取,根据研究区内实地考察获取的不同海岸类型特征,对Landsat卫星数据采用不同的处理方法进行岸线提取:基岩海岸和人工海岸采取OTSU变换;砂质海岸和淤泥质海岸采取MNDWI,处理后采取改进的Canny边缘检测算子进行水边线提取。研究结果表明:使用此方法提取出的岸线与真实岸线贴合程度较好。此外,对得到的象山港区域岸线进行分析后发现,2002—2017年其自然岸线占比呈下降趋势,而人工岸线占比呈上升趋势。

摘要： 针对传统Canny算子存在梯度算子简单、阈值选取缺乏自适应性等问题,提出一种改进的高低阈值选取算法。首先将卷积模版扩大到3×3,并对45°和135°方向上的权值进行优化;然后利用改进的Otsu法自适应地生成高低阈值;最后对局部阈值进行优化,从而完成对Canny算子的改进。实验结果表明,针对不同的影像,改进算法能自适应地生成符合局部特征的高低阈值,在纹理细节丰富和图像对比度较小的区域,能够在避免过多冗余信息的情况下最大限度地保留局部细节,改进后的方法能够为边缘提取提供参考。

摘要： 本发明公开了一种基于GEE的Otsu和边缘检测算法的高山林线提取方法，包括步骤：S1、选择数据源：采用拥有30米分辨率的多光谱陆地遥感卫星Landsat8影像，或使用Landsat7或Landsat5影像；所选影像处于植被早期生长季4‑6月，待提取的目标是有高山林线的区域；S2、对目标区域的遥感图像进行预处理；S3、采用归一化植被指数NDVI提取遥感影像中的植被区域；S4、图像分割与边缘检测：在GEE平台中引入Otsu算法，实现NDVI指数的图像分割，进一步使用边缘检测算法提取高山林线；S5、对图像进行后处理，最终得到高山林线的分布图。本发明的方法提取高山林线的技术流程自动化高，快速简单，提取效果好，能实现批量操作，避免了传统野外调查费时费力和不安全的问题。

摘要： 本发明一种改进狮群优化的二维Otsu快速图像分割方法属于图像分割技术领域，该方法在狮群算法中加入混沌序列，改变狮群初始分布规律，构建混沌狮群优化算法(CLSO)，增强狮群分布均匀性及查找遍历性，提高狮群算法的运算速度，更好地优化Otsu算法，避免陷入局部极值；然后将得到的全局最优解作为最佳阈值，根据二维Otsu算法原理，灰度值大于最佳阈值为目标，灰度值小于最佳阈值为背景，从而图像分割出来；本发明一种改进狮群优化的二维Otsu快速图像分割方法，可以提高分割精度、缩短分割时间。

摘要： 本发明公开了一种基于BiGAN与OTSU的内部用户行为检测方法，包括如下步骤：获取用户行为原始日志数据，并将所述用户行为原始日志数据按照不同用户分别提取指定的时间单位长度计算其频率特征，并对所提取的特征进行数据处理；基于数据处理后的特征，利用BiGAN网络作为构建用户正常行为模式的模型，获得正常行为模型，并训练所述正常行为模型；基于训练后的所述正常行为模型，计算用户待检测数据的重构误差与判别器误差得到异常得分，之后应用OTSU算法自动选取阈值，获得检测结果。以此提高异常检测方法在内部用户行为检测中的准确率，并降低误报率。

摘要： 本发明公开了一种基于Otsu‑SSIM的自适应顶帽变换方法，包括如下步骤：根据处理后的灰度图像依次计算出迭代次数i为1‑20的顶帽变换后图像；将顶帽变换处理后图像与原图像做结构相似度SSIM计算；将顶帽变换处理后图像做Otsu计算得到阈值，将图像中大于等于阈值的灰度值做算术平均，得到结构光波峰区域平均灰度值；将结构相似度SSIM计算的结果与结构光波峰区域平均灰度值做除得到衡量迭代次数对于顶帽变换处理效果优劣的指标相亮比S，画出相亮比S与迭代次数i的关系图；根据关系图找到使得相亮比S最小的迭代次数i即为最优迭代次数。所述方法能够消除大量的结构光线的散射噪声，能提高结构光线的提取精确性。

摘要： 本发明公开了一种改进的鲁棒二维OTSU阈值图像分割方法。通过在原始二维OTSU算法中对原图像使用中值滤波，增强算法对椒盐等噪声的鲁棒性；将待处理图像进行分区并基于多个区域重新定义二维OTSU算法的类间方差度量，实现背景灰度不均匀图像的阈值分割；通过单变量迭代代替二维OTSU算法中阈值穷举策略改善算法的效率。本发明的方法对加噪图像和背景亮度不均图像具有较好的分割效果,阈值搜索算法可降低搜索过程的时间开销。

摘要： 本发明公开了一种基于OTSU和GA‑BP神经网络墙纸缺陷检测与识别方法，其包括获取待检测墙纸的检测图像，并采用RGB颜色函数对检测图像进行预处理得到预处理图像；计算预处理图像中像素值小于像素阈值的像素点的占比；当所述占比大于设定阈值时，采用OTSU阈值分割法对预处理图像进行缺陷分割；计算进行缺陷分割后的图像中缺陷部分的灰度特征和几何特征；将所述灰度特征和几何特征输入预先训练的GA‑BP神经网络进行检测，得到墙纸中缺陷的类型；当所述占比小于等于设定阈值时，表明待检测墙纸无缺陷。

摘要： 本发明涉及图像分割领域，具体涉及一种基于模糊集和Otsu的图像阈值分割方法及装置。本发明首先基于模糊集给出了新的模糊增强隶属函数；然后利用均方差的离散化方法，构造了Otsu的类间方差；最后结合Renyi熵理论，引入权重计算给出图像的Renyi熵，再使用最大Renyi熵的阈值完成图像分割。本发明相比传统的阈值分割算法，在分割边缘的准确性和对噪声的鲁棒性上具有较好的优势，同时也具有良好的稳定性和分割效果，可以有效地提高图像分割的精度。

摘要： 本发明公开了一种改进的Otsu阈值分割方法，包括计算全部像素的灰度均值μ、阈值T；初始化步长和左右边界；判断并进行迭代修正的步骤。本发明的方法对前景背景方差较大和光照不均匀的图像具有较好的分割效果，与现有技术相比，不仅分割效果更好，并且有效降低了计算方法的时间开销，提升了计算的效率。

摘要： 一种基于Otsu的Ratio算子自适应图像边缘检测方法，包括以下步骤：(1)获取图像，将其转化为灰度图；(2)对灰度图进行高斯滤波去除图像噪声；(3)设定四个方向的Ratio算子滑动检测模板，分别为0°、90°、180°、270°，使用这四个滑动模板计算得到图像像素点的Ratio值；(4)利用Otsu方法自动获取像素点Ratio的阈值，得到伪边缘图像；(5)对伪边缘图像进行非极大值抑制，得到最终的边缘图像。本发明通过Otsu自动得到Ratio算子的阈值，无需人工手动不断尝试，结合非极大值抑制，准确实时地完成自适应图像边缘检测。

摘要： 本发明公开了基于局部Otsu阈值化的边缘检测方法，首先对原始图像进行均匀分区，得到面积大小相同的四块区域；然后采用Otsu算法计算每一块区域的阈值，得到四个阈值；接着利用每个阈值对各自的区域进行阈值化处理，得到二值图像；最后使用边缘检测算子对二值图像进行边缘检测，得到边缘图像。通过本发明方法使得边缘检测质量得到提高，可以有效的滤除噪声，保留关键的边缘，并且能得到连续性良好的单像素闭合边缘线，为之后的特征物提取、目标识别等提供了良好的基础。