由于许多外界干扰因素的存在,使得基于经典模糊集方法进行的分割,结果也常常不令人满意。
在这里,我们描述一个有效的阈值去噪技术通过分析统计参数的小波系数。
目标分割前,在每一次迭代分割过程中计算目标的尺寸、形状以及其灰度变化范围。
实验结果表明,此方法比一般小波阈值降噪法取得的效果要好得多。
表演在变换域中,因此,大大提高了信号的阈值技术。
最后利用灰度阈值实现图像分割来得到表现缝线和加工疵点特征的二值图像。
文中提出了一种新的阈值化方法用来在自适应背景的应用中把运动物体从景物中分割出来。
我们还做了一些简单的阈值数学运算以决定如果显示预报。
图像中的噪声可以通过这个滤波算子和小波技术进行去除。
然后对背景差分图像的RGB灰度之和,通过设定阈值来提取运动区域;
同时,在两种经典的硬、软阈值处理方法基础上,提出了一种综合阈值处理方法。
传统的分割方法往往是根据图像单一的属性标准对图像进行分割,很难满足图像的多方面分割要求。
通过设定门限的方法对待测图像进行分割,再对分割后的图像提取边界点;
提出一种融合视觉感知和等周理论的图像阈值分割方法。
首先将最大二维熵阈值分割用于岩石阴影的检测;
在贝叶斯最大后验概率估计(MAP)准则下推导出与NIG模型相对应的阈值函数表达式,以此对图像进行去噪处理。
在此基础上提出了一种基于边缘分析的二值化算法的投影判断法。
分离噪声是小波分析中一个新的信号检测方法。
在红-黑小波变换的基础上,提出了一种新的阈值方法对小波系数进行萎缩以实现图像的去噪。
用于显微细胞图象的二维自适应阈值分割算法的优化