遗传算法在二维熵图像分割中的应用

对改进遗传算法的二维熵图像分割方法进行了研究和实现，并用几幅经典图像的分割结果对比表明，本文方法可以有效的提高二维熵图像分割的计算速度，提高了图像处理的实时性。     

二维最大熵和二维最小交叉熵结合的图像分割

二维最大熵法和二维最小交叉熵法是目前常用的两种阈值分割方法,但在某些时候因为两种方法获取的阈值过高或者过低,使得分割失效.针对此问题,提出了基于二维最大熵法和二维最小交叉熵法结合的图像分割方法.首先,对二维最小交叉熵公式进行转化;然后,利用多目标规划理论将这两种方法有机结合使得到的阈值既满足二维最大熵原则,又满足二维最...     

基于二维对称交叉熵的红外图像阈值分割

针对现有的阈值选取方法应用于目标与背景面积相差悬殊的红外图像时常导致严重的误分割现象,本文提出了一种基于对称交叉熵及背景与目标面积差的红外目标图像阈值选取方法。对称交叉熵能确保分割后类的内聚性好,而背景与目标面积差可抑制均等分割的趋势,将两者综合构成了更为合理的阈值选取准则函数。首先导出了一维阈值选取公式;然后给出了二维直方图斜分阈值及二维直方图斜分的简化阈值选取方法,抗噪性能明显改善;最后与二维斜分的最大熵阈值、Otsu阈值及非对称交叉熵阈值选取方法进行了比较,实验结果表明,本文方法在分割效果上具有明显的优势。     

基于分解的二维指数交叉熵图像阈值分割

尽管用对数定义的Shannon熵是测度信息不确定性的有效方法,但存在无定义值和零值的问题,且现有的二维Shannon交叉熵法其运行速度仍有提升空间。为此,提出了一维和二维指数交叉熵阈值分割算法。首先给出了指数交叉熵的定义,并导出了一维指数交叉熵阈值选取方法;然后将其推广提出了基于分解的二维指数交叉熵阈值分割算法。通过分别求原像素灰度级图像和邻域平均灰度级图像的一维指数交叉熵最佳阈值,并将其组合求解二维指数交叉熵最佳阈值,从而将二维运算转换到两个一维空间上,大大缩小了搜索空间,使计算复杂度由O(L4)降为O(L)。实验结果表明,与最近提出的二维Shannon交叉熵法及二维Tsallis交叉熵法相比,所提出的方法能够得到更为优越的分割效果,且运行时间大幅减少。      

中值邻域二维最小交叉Tsallis熵的快速图像分割

鉴于邻域窗口影响二维阈值法的分割结果,提出了一种基于中值邻域二维最小交叉Tsallis熵的快速图像分割方法.首先利用中值滤波法构建中值邻城二维直方图;然后将最小交叉Tsallis熵运用在这种直方图上构建中值邻城二维最小交叉Tsallis熵分割法,由于中值滤波后的图像优于均值滤波后的图像,此法能获得更理想的阈值;最后将递...     

基于二维OTSU和遗传算法的红外图像分割方法

为了改善红外图像的分割效果,将二维OTSU算法应用于红外图像分割,通过二维OTSU算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维OTSU算法寻找阈值的速度,提高分割效率.实验结果表明,该方法分割效果好,分割速度快,是一种可行的红外图像分割方法.     

基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。     

基于遗传算法的二维模糊C-划分最大熵SAR图像分割

在合成孔径雷达(SyntheticApertureRadar)自动目标识别中,图像分割的好坏直接影响目标的识别性能。本文将二维模糊最大熵方法应用于SAR图像,并根据SAR图像的特点,对其进行了改进。为了快速搜索到最优参数,采用了遗传算法和模拟退火方法进行全局寻优。实验结果表明,本文方法可有效地对SAR图像中的人造目标进行分割,并且具有执行时间短、鲁棒性强的优点。     

基于二维熵的人工鱼群材料图像分割方法

阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对电子扫描显微镜(SEM)摄取的纤维材料图像的自身特性,在预处理的基础上,提出了一种基于二维灰度直方图的人工鱼群图像分割方法。二维直方图的阈值的选取,是一个求全局最优的优化问题,本文将人工鱼群的算法应用于图像分割中,利用人工鱼群算法寻求二维熵的最优值,在实验中,人工鱼群算法收敛速度快,结果稳定,取得了理想的效果。     

分解的二维倒数交叉熵图像阈值选取

Shannon熵常用于表示信息平均不确定性,但因其定义基于对数函数故存在零点处无意义的缺陷,且二维交叉熵法中若能避免对数运算可使处理速度进一步提升。据此,本文提出了基于分解的二维倒数交叉熵图像阈值选取方法。首先定义了倒数交叉熵,依据分割前后图像之间的最小倒数交叉熵选取阈值;然后给出了二维倒数交叉熵定义及其阈值选取公式,提出了二维倒数交叉熵阈值选取的分解算法。通过求解两个一维倒数交叉熵的最佳阈值,再将其组合获得二维倒数交叉熵最佳阈值,由此将二维运算分解为两个一维运算,算法的计算复杂度从O(L4)降低到O(L)。大量实验结果表明,与基于粒子群优化(Particle Swarm Optimization, PSO)的二维最大Shannon熵法、基于粒子群优化的二维Shannon交叉熵法以及二维指数交叉熵法相比,本文方法的分割效果和运行速度均有优势。      

基于改进麻雀算法的最大2维熵分割方法

为了提高最大2维熵分割的性能,提出了基于改进麻雀算法的最大2维熵分割方法,可减小运算量并且缩短计算时间.首先,融合反向学习策略和自适应t分布变异,引入精英粒子,以扩大算法搜索范围,增加算法后期局部搜索能力;其次,使用萤火虫机制,对最优解进行扰动变异,进一步增加种群多样性;最后,采用提出的改进麻雀算法寻找图像最大2维熵,...     

图像非广延高斯熵分割的阈值选取方法

图像分割是实现图像目标与背景分离的基础和关键,其中阈值化是最为流行和有效的技术之一。考虑到图像处理作业场景的复杂境况,实时有效的阈值分割方法的提出一直是研究和应用中的极大挑战。针对复杂的工业无损检测图像及红外图像目标分割问题,基于非广延高斯熵提出一种新的图像阈值分割方法。对于图像中像素灰度级不均衡、不规则的随机分布特点,提出方法体现了较好的处理能力。在与实践常用方法的比较实验中,实验结果表明了提出方法的较优异性能和推广应用前景。     

复杂图像的Kaniadakis熵阈值分割方法

针对工业无损检测及红外等图像,基于信息论中的Kaniadakis熵理论,提出一种用于复杂图像分割的阈值化方法。该方法能综合图像像素灰度分布的复杂信息实现图像的有效分割,且能通过调节熵参数κ适应不同的分割任务。实验结果表明,提出方法在复杂图像的分割中获得的结果优于相比较的其他方法,且具有良好的实时性能,满足实践任务需求。     

基于遗传算法的彩色图像多阈值分割方法研究

针对彩色图像多阈值分割中阈值个数自动确定困难和优化时间长的问题,首先提出一种新的HSV空间中彩色图像投影预处理方法,然后计算待分割图像的颜色粗糙度,并根据颜色粗糙度确定图像分割的阈值数量,为提高分割效率,利用遗传算法搜索最优分割阈值组合,为提高分割精度,在遗传算法适应度函数设计时既考虑了类内的颜色离散度,又考虑了像素的空间关系。实验结果表明该方法具有较为理想的分割效果,对光线变化具有较好的鲁棒性。     

一种基于二维最大熵的SAR图像自适应阈值分割算法

MSTAR目标图像分割是研究SAR图像分割的重要内容,基于最大熵原理,利用二维直方图设计适应度函数,借助遗传算法实现自适应阈值选取,以确定每个像素点的归属,经实际图像测试,对于含噪SAR图像中目标、背景和阴影的分割具有很好的效果,抑噪功能强.     

一种改进的PCNN图像分割算法

PCNN用于图像分割时,为获得满意分割效果,其参数往往通过反复试凑确定,这在一定程度上限制了PCNN的使用。为此在改进的PCNN基础上,提出结合图像灰度直方图,以最大交叉熵函数作自适应遗传算法的适应度函数,采用自适应遗传算法搜索最优门限阈值的图像分割算法。该方法可有效地完成图像分割,分割结果优于原PCNN和传统Ostu算法。     

结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。