使用遗传算法对图像按照最大类间方差为适应度值求其阈值，效果稳定，且比大津法要快

基本思想是直接或间接设计一个偏微分方程（组） ，曲线、曲面或图像在这样的方程（带初始条件和边界条件）控制下进行演化，所得到的偏微分方程数值解就是我们希望处理的结果。

全局和局部熵图像分割算法的集成

1 K-means算法 实际上，无论是从算法思想，还是具体实现上，K-means算法是一种很简单的算法。它属于无监督分类，通过按照一定的方式度量样本之间的相似度，通过迭代更新聚类中心，当聚类中心不再移动或移动差值小于阈值时，则就样本分为不同的类别。 1.1 算法思路 随机选取聚类中心 根据当前聚类中心，利用选定的度量方式，分类所有样本点 计算当前每一类的样本点的均值，作为下一次迭代的聚类中心 计算下一次迭代的聚类中心与当前聚类中心的差距 如4中的差距小于给定迭代阈值时，迭代结束。反之，至2继续下一次迭代 1.2 度量方式 根据聚类中心，将所有样本点分为最相似的类别。这需

针对在岩石变形实验的熔融图像处理中，图像的曝光不均、单个像素点灰度值异常和裂痕带来的分割噪声问题，本文提出了一种基于数学形态学中的腐蚀、膨胀方法的自适应阈值分割算法，通过和全局阈值法和局部阈值法的对比实验可以看出，这种方法不仅能够解决全局阈值分割法亮度分布不均的问题，也能解决局部阈值分割法（Bernsen算法）抗噪声性能差的问题，同时运算效率提高38.5倍（和Bernsen算法比较）。

基于阈值的图像分割方法.doc

观察灰度直方图的峰值，使其变成双峰，再进行直方图均衡化，从而实现批量图像分割。

BSD500数据集包括图像分割和轮廓提取的Ground Truth，训练集和测试集各200张，验证集100张。

使用量子退火的图像分割 因此，该项目将图像分割问题实现为优化问题。 为此，使用了马尔可夫随机场（MRF）。 创建MRF模型后，可以运行两种不同的算法来找到问题的解决方案。 请参考src文件夹以了解如何使用相关的python脚本。 1-ICM “ / src / ICM” 2-qbsolv “ / src / qbsolv”

hsi图像分割matlab代码使用马尔可夫随机场和卷积神经网络的高光谱图像分类 CNN-HSI-MRF 这是卷积神经网络（CNN）的TensorFlow实现，用于基于代码（）的高光谱图像分割任务，如本文所述： 曹X，周F.许L.徐D.孟格，许Z.许和J.佩斯利， 此代码的另一个版本在[]中 要求 张量流0.12.1 如何使用代码 步骤1：运行python代码python cnn_train.py 第2步：运行Matlab代码Demo_Post_MRF.m 引用 该代码受MIT许可证保护。 如果您在代码中使用以下代码，请引用我们的论文： @article{cao2017hyperspectral, title={Hyperspectral image segmentation with Markov random fields and a convolutional neural network}, author={Cao, Xiangyong and Zhou, Feng and Xu, Lin and Meng, Deyu and Xu, Zongben and Paisley, J