基于Otsu与模糊技术的图像分割方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (32): 194-197.

• 图形、图像、模式识别 • 上一篇下一篇

基于Otsu与模糊技术的图像分割方法

徐琳俊，陈红卫

江苏科技大学电子信息学院，江苏镇江 212003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-11 发布日期:2011-11-11

Method of image segmentation based on Otsu and fuzzy technologies

XU Linjun，CHEN Hongwei

Department of Electronic Engineering，Jiangsu University of Science and Technology，Zhenjiang，Jiangsu 212003，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-11 Published:2011-11-11

摘要/Abstract

摘要： 阈值分割是一种使用较广的图像分割处理方法，传统的单阈值分割方法存在一定的缺陷。针对人眼视觉系统的特点并考虑图像的模糊不确定因素，将模糊技术应用到传统的最大类间方差分割法。用一种快速多阈值分割方法进行多区域划分，引入隶属度改进最大类间方差法，寻找区域最优分割阈值，进而分割图像。仿真实验结果表明：用该方法分割图像可以大大改进因噪声、光照或其他干扰因素造成的模糊、多目标、分割不完全的情况，分割效果明显改善。

关键词: 多阈值分割, 隶属度, 最大类间方差

Abstract: The threshold segmentation is widely used in image segmentation，but the traditional single-threshold segmentation method has some shortcomings.This paper applies fuzzy technologies to traditional Otsu segmentation，considering the characteristics of human visual system and the uncertainty of fuzzy images.It divides multi-regional with a fast multi-threshold segmentation method，introduces degree of membership to Otsu to find optimal segmentation threshold.The final segmented result is used to segment images.The result of the simulated experiment proves that the method can improve the situations of fuzzy，multi-objective and incomplete segmentation caused by noise，light and other interference factors.The method can provide satisfactory segmented result.

Key words: multi-threshold dividing, degree of membership, maximum between-class variance

徐琳俊，陈红卫. 基于Otsu与模糊技术的图像分割方法[J]. 计算机工程与应用, 2011, 47(32): 194-197.

XU Linjun，CHEN Hongwei. Method of image segmentation based on Otsu and fuzzy technologies[J]. Computer Engineering and Applications, 2011, 47(32): 194-197.

[1]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.
[2]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[3]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[4]	吴会会1，高淑萍1，彭弘铭2，赵怡1. 自适应模糊[C]均值聚类的数据融合算法[J]. 计算机工程与应用, 2019, 55(5): 26-35.
[5]	古亭，李子印，王乐. 基于距离变换的粘连蚕茧分割方法[J]. 计算机工程与应用, 2019, 55(23): 177-181.
[6]	李娟，游晓明，刘升，陈佳. 自适应模糊蚁群系统[J]. 计算机工程与应用, 2019, 55(15): 75-81.
[7]	盛晓遐1，杨志民2，王甜甜1. DP聚类的可信性加权模糊支持向量机[J]. 计算机工程与应用, 2019, 55(10): 169-178.
[8]	赵彤彤1，张春雷2，张春雨3，高世臣1. 基于模糊熵的KNN分类模型在岩性识别中的应用[J]. 计算机工程与应用, 2018, 54(24): 260-265.
[9]	吕晓燕1，郭建军2，李祥生1. 基于模糊理论的脑中风风险预报模型[J]. 计算机工程与应用, 2018, 54(20): 259-262.
[10]	杨志民1，王甜甜2，邵元海1. 面向不均衡分类的隶属度加权模糊支持向量机[J]. 计算机工程与应用, 2018, 54(2): 68-75.
[11]	仇功达1，何明1，祝朝政1，杨杰2，刘勇1. 基于稀疏交界最大密度连通的模糊聚类方法[J]. 计算机工程与应用, 2018, 54(14): 82-88.
[12]	刘汉强，赵静. 基于半监督的超像素谱聚类彩色图像分割算法[J]. 计算机工程与应用, 2018, 54(14): 186-190.
[13]	尹学松，蒋融融，江立飞，施建华. 基于成对约束的非线性维数约减框架[J]. 计算机工程与应用, 2017, 53(5): 147-153.
[14]	杨恢先1，颜微2，谭正华2，李淼1，蔡勇勇1. 改进的灰度-局部方差二维直方图图像分割[J]. 计算机工程与应用, 2017, 53(4): 209-213.
[15]	乔平安，周敏，刘运爽. 基于Ad Hoc网络的新型分群算法研究[J]. 计算机工程与应用, 2017, 53(13): 129-133.

基于Otsu与模糊技术的图像分割方法

Method of image segmentation based on Otsu and fuzzy technologies

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics