广义模糊熵阈值法中基于粒子群优化的参数选取

针对广义模糊熵图像阈值分割法中参数m的选取问题,提出一种利用优化算法自适应选取参数的广义模糊熵阔值分割方法.该方法通过粒子群优化算法,依据图像分割质量评价准则对参数m在(0,1)区间进行全局寻优,并依据广义模糊熵最大准则对S型隶属度函数中的3个参数(a,b,d)进行全局组合寻优,从而实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验结果表明,该方法对光照不均匀图像具有更好的分割效果.     

基于二维模糊熵和遗传算法的图像阈值分割

针对目标和背景两类图像分割,考虑二维灰度直方图,采用了一种更符合图像空间分布特点的隶属函数,建立了对应的二维图像模糊熵,分别采用标准遗传算法和改进的自适应遗传算法对二维图像模糊熵的各个参数进行优化,根据最大模糊熵准则,确定目标和背景的最佳分割阈值。实验结果表明,基于改进的自适应遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度,且对噪声具有一定的抑制能力。     

基于改进模糊指数熵双阈值的3维人体图像分割优化算法

由于3维人体图像数据量大,导致分割耗时严重;人体组织间灰度差异相对较小,致使分割效果不佳。针对上述3维分割的两大难点问题,提出了改进的模糊指数熵函数来改善分割结果,并以加权免疫遗传算法（WIGA）对阈值进行优化搜索,从而提出了一种基于改进模糊指数熵双阈值的3维图像分割优化算法。真实人体胸部数据的分割结果表明,与传统熵函数及模糊隶属度函数相比,改进的最大模糊指数熵函数得到的阈值分割效果更好,且提出的WIGA算法的耗时仅为传统穷尽搜索法的14%。在与简单遗传算法（SGA）和免疫遗传算法（IGA）耗时基本相同的情况下,100次阈值计算结果表明,本文算法更加精确、稳定。     

基于IGA的最大模糊熵SAR图像双阈值分割

将基于免疫遗传算法的最大模糊熵双阈值方法应用到合成孔径雷达(SAR)图像分割中。此方法采用像素点邻域的平均灰度值分布所构成的直方图进行阈值的选取,有效地利用了图像的空间信息。为了快速搜索到最优参数,采用免疫遗传算法进行全局寻优。实验结果表明,该算法可以有效的分割出SAR图像中的目标和阴影,并且具有执行时间短、鲁棒性强的优点。     

基于改进模糊指数熵双阈值的3维人体图像分割优化算法

由于3维人体图像数据量大,导致分割耗时严重;人体组织间灰度差异相对较小,致使分割效果不佳。针对上述3维分割的两大难点问题,提出了改进的模糊指数熵函数来改善分割结果,并以加权免疫遗传算法(WIGA)对阈值进行优化搜索,从而提出了一种基于改进模糊指数熵双阈值的3维图像分割优化算法。真实人体胸部数据的分割结果表明,与传统熵函数及模糊隶属度函数相比,改进的最大模糊指数熵函数得到的阈值分割效果更好,且提出的WIGA算法的耗时仅为传统穷尽搜索法的14%。在与简单遗传算法(SGA)和免疫遗传算法(IGA)耗时基本相同的情况下,100次阈值计算结果表明,本文算法更加精确、稳定。     

最大模糊熵阈值法的快速算法

针对最大模糊熵图像阈值分割算法计算量太大的问题,文中在分析S型隶属函数特点和模糊熵性质的基础上,提出一种最大模糊熵阈值法的快速算法。该算法将最大模糊熵阈值分割算法的时间复杂度由O(L⁴)降到O(L³),同时避免优化算法易于陷入局部极值的缺陷。该快速算法可在提高算法速度的同时保证最大模糊熵阈值法的分割性能。     

广义模糊熵图像阈值分割参数选取的ADE方法

针对广义模糊熵图像阈值分割参数不能自动选取,提出自适应差分进化（Adaptive Differential Evolution,ADE）的广义模糊熵图像阈值分割方法。利用自适应差分进化算法作为优化工具来选取广义模糊熵阈值分割所需要的最佳参数,引入自适应变异算子和提出交叉概率自适应函数对优化过程进行控制,通过把参数带入广义模糊熵的补函数得到图像的阈值,进而得到图像最优分割。为验证其有效性与可行性,分别同基本图像质量评价准则的模糊熵图像阈值分割算法和粒子群优化广义模糊熵图像阈值分割算法相比较,实验表明,针对不同细节的图片,该算法所得分割结果多数情况下背景信息更少,目标信息更清晰,用时更短,分割更稳定且效果良好。     

基于量子遗传算法的二维最大熵图像分割

图像分割二维最大熵算法存在计算复杂度高的弊端,目前针对这个问题所提出的各类算法效果都不太理想。依据量子遗传算法种群多样性好、收敛速度快的特点,提出了一种基于量子遗传算法的二维最大熵算法,与基于标准遗传算法的二维最大熵算法相比较,取得了更好的实验效果。     

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。     

基于模糊加权熵的医学图像多阈值分割

针对H.D.Cheng等人提出的模糊熵公式存在不满足区域一致性条件等问题,提出了模糊加权熵公式,证明了该公式满足图像分割定义的五个条件,克服了传统方法导致图像细节被均衡的不足,可得到较佳的分割结果。另外,隶属函数采用一种梯形分布,该分布可降低了参数的维数,提高了运算的效率。     

基于遗传算法的模糊熵图像分割算法

图像阈值分割技术在图像分析和图像识别中具有重要的意义。图像分割的鲁棒性和自适应性一直是该技术的难点 ,该文运用模糊熵阈值分割技术 ,算法鲁棒性好 ,自适应性强 ,能够针对不同的图像 ,给出最佳的分割效果 ,在最优阈值的搜索中 ,引进了具有鲁棒性和自适应性的遗传算法 ,大大提高了算法效率 ,实验表明该方法的有效性     

基于遗传算法的最佳熵阈值的图像分割

Kapur等人提出的最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,限制了其实际的应用范围,且最佳熵阈值的确定是一有待解决的问题,文章将遗传算法应用于最佳熵阈值的确定中,提出了相应的算法并用于图像分割,仿真结果表明,在设定了合适的遗传算子后,遗传算法不仅可以实现正确的图像分割,并且使得分割速度大大提高。     

基于混沌优化的最佳熵阈值的图像分割

利用目标在图像中所占比例等信息,结合图像熵阈值算法进行图像的阈值分割。并利用混沌优化的方法一次寻找出图像熵的多个极值点,提高了阈值寻找的效率。仿真实验表明,与传统的图像熵阈值法相比较,该方法能够给出更加合理的分割结果。     

一种基于广义熵的模糊聚类算法

针对熵模糊聚类算法只考虑特殊的加权指数问题,将广义熵引入到模糊聚类的目标函数,获得一种基于广义熵的模糊聚类模型和模糊聚类算法。将核函数引入到该模糊聚类模型中,提出基于广义熵的核模糊聚类算法。实验研究广义熵模糊聚类算法与核模糊聚类算法,证明当使用熵模糊聚类算法对数据聚类时,选取加权指数大于2的值可获得较好的聚类结果,同时参数对核算法的聚类结果有较大的影响。     

广义概率Tsallis熵的快速多阈值图像分割

针对传统的熵多阈值法存在的计算复杂度高和分割不准确等 问题,提出了一种基于广义概率Tsallis熵的快速多阈值图像分割方法。首先,对传统的灰 度概率进行修改得到广义概率以构建广义概率Tsallis熵。然后,通过直方图均值自动确定Tsallis熵参数以解决参数不易选择 的问题。随后,将GPTE正确拓展到多阈值分割方法中使得分割更准确。最后,将差分进化(D ifferential evolution, DE)算法与递推算法有机结合应用于GPTE多阈值法中以解决计算复 杂度高的问题。[JP2]图像分割实验结果表明,与基于传统的熵多阈值法相比,本文提出的方法不 仅分割更准确,自适应性更强,而且运行速度更快。     

基于模糊遗传算法的极大似然参数估计

提出用模糊遗传算法和极大似然估计法结合的方法,通过模糊推理调节遗传算法的交叉和变异概率,使参数估计不受变量初值影响,提高求解精度和收敛速度,并以三参数威布尔分布为例进行参数估计.结果表明,改进的遗传算法在求解效率和收敛性能上达到了较好的平衡,能更好地将优化方法和极大似然估计法相结合,优于一般遗传算法,从而使模糊推理方法更好地应用于数理统计中.     

基于二维直方图和模糊熵准则的阈值化方法

图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视;阈值化法是图像分割的一种重要方法,在图像处理与识别中广为应用;针对图像分割中细节往往被忽略导致后续处理困难的问题,基于模糊关系和最大模糊熵原理提出了一种阈值化方法,对二维直方图进行模糊分割;为了获得图像分割中的细节,提出的方法根据最大熵原则自动确定模糊区域和门限,进而获得二维模糊熵和遗传算法最优解,最后获得图像细节;通过对不同灰度水平和颜色类型图像进行实验比较,实验结果表明提出的方法优于二维非模糊方法和一维模糊熵分割法,得到该方法在图像分割中获得细节的结论。