基于模糊指数熵和模拟退火的图像分割

为了有效分割照度不均匀的网格图像，提出了一种基于模糊指数熵和模拟退火算法的阈值分割方法。基于模糊集合理论，根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集，利用最大模糊熵准则确定模糊区间的范围，寻找模糊参数的最优组合，确定最优分割阈值，实现图像分割。由于使用穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大的弱点，因此采用模拟退火算法确定最优阈值，从而减少了计算量。实验结果表明，此方法能够自动、有效地选取阈值，运算时间约为使用穷举法寻求最优阈值所需时间的1／3，并且分割效果明显优于最大类间方差法、迭代法和一维最大熵法。     

基于混沌蚁群算法的快速红外图像分割

提出了一种基于混沌蚁群算法优化二维模糊划分最大熵的红外图像分割方法。二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,并且兼顾图像自身的模糊性,能取得很好的分割效果,然而最大熵的最优参量组合却很难快速准确地获得。本文将混沌蚁群优化算法应用到二维模糊划分最大熵分割方法当中,充分利用混沌蚁群算法快速寻找最优解的特点,来搜索二维模糊划分最大熵的最优参量组合。实验仿真结果表明,该方法比传统的图像分割方法有更好地分割效果,有效抑制了图像噪声对目标区域分割的干扰。     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。     

基于克隆选择算法的最大模糊熵图像分割

为了分割照度不均匀的图像,提出了一种基于最大模糊熵和免疫克隆选择算法的阈值分割方法.该方法利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定区分目标和背景的最佳阈值,实现图像分割.为了验证该方法的有效性,对其进行了图像分割实验,并与遗传算法进行了比较.实验结果表明,该算法能够自动、有效地选取阈值,分割效果优于遗传算法,并能保留原始图像的主要特征.     

一种改进的模糊熵红外图像分割方法

提出了一种改进的模糊熵图像分割算法,该算法定义了一种新的模糊隶属度函数,该模糊隶属度函数只包含一个参数,即所要寻找的最优分割阈值,采用简单的穷举法便可得到最优分割阈值。实验结果表明,此方法的分割效果与传统的模糊熵方法效果相当,但计算时间大大减少,使得分割更加快速。     

基于参数自适应粒子群模糊聚类的图像分割研究

传统模糊聚类算法初始值过多依赖先验知识，易陷入局部最优，而采用粒子群模糊聚类虽有所改善，但粒子群也存在陷入早熟收敛的情况。针对这一问题，提出一种基于参数自适应的粒子群模糊聚类算法APSO-FCM。首先采用自适应参数控制策略对粒子群算法进行改进，然后使用提出算法优化模糊聚类初始数目，接着使用新的模糊C均值聚类方法进行图像分割。实验结果表明，提出算法划分的图像效果得到改善，在划分系数、划分熵等图像分割指标上有进一步提升。     

采用遗传算法与最大模糊熵的双阈值图像分割

提出了一(?)基于概率划分的最大模糊熵双阈值图像分割方法。文章将概率划分、模糊划分及最大模糊熵准 则结合起来,提出一种 概率划分的最大模糊熵准则。将图像分为暗、灰和亮三个部分,并分别采用S函数、Π函数 和Z函数来描述其模糊性。利用最大模糊熵准则确定图像的两个模糊区域带宽及其属性,进而确定图像的两个最佳分 割门限。由于需优化处理的参数较多,本文采用遗传算法对六个模糊参数进行组合寻优,并采用合适的编码方案以避免无 效染色体的产生。试验结果证明利用本文提出的最大模糊熵准则分割图像具有较好的效果,采用遗传算法也使本文的分割 算法速度大大提高,在较短的时间内能够得到满意的分割结果。     

基于克隆粒子群算法的图像分割方法

最大熵阈值法是目前图像分割中应用最广泛的方法之一。为了快速准确地自动确定图像分割阈值,把克隆选择算法和粒子群算法相结合,提出克隆粒子群优化算法。利用这种改进方法对最大熵图像分割函数进行全局寻优。克隆选择算法和粒子群算法的结合克服了各自的缺点,克隆选择的多样性补偿了粒子群的多样性差的缺点,粒子群的快速性补偿了克隆选择的收敛速度慢的缺点。克隆粒子群方法克服了传统遗传算法易出现早熟、陷入局部最优等的问题,加快了图像分割函数收敛速度,最后能够快速准确地得到图像分割的最佳阈值。实验表明,改进后的算法分割速度较快,易于收敛到最优解,并且得到的分割阈值更加稳定。     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

基于粒子群算法的图像分割

文章对基于粒子群算法的图像分割进行研究。图像分割是在一个复杂的参数空间寻找最优分割参数。各种智能优化算法可以对复杂的非线性多维数据空间进行快速有效的计算,它不仅可以得到全局最优解,而且会使计算时间大大缩短。智能优化算法用于图像分割的关键是求解最优阈值。最优阈值的选取就是将智能算法作为优化工具,采用迭代的方式计算在某准则下目标函数的最优值,从而求解出分割图像的最优阈值。其中,粒子群算法是经典的智能优化算法之一。     

一种二型模糊可能性聚类红外图像分割算法

提出了一种新的基于二型模糊可能性聚类的红外图像分割算法。针对受概率约束的模糊聚类算法和不受概率约束的可能性聚类算法在红外图像分割时存在的问题,采用二型模糊系统融合两种分割算法的隶属度函数,将隶属度函数看作一个区间型分布,而不是单独采用两种算法输出的确定模糊值。这种处理方式不但能有效抑制噪声及野值,而且能有效防止红外图像的过分割。实验仿真结果表明,该算法较传统聚类算法能获得更好的分割效果,可有效抑制噪声对目标区域分割的干扰。     

基于L_1度量的Type-2熵模糊聚类红外图像分割

为了准确实现目标识别,从红外图像的特点出发,提出了将L_1空间度量的二型(Type-2)熵模糊聚类算法应用干红外图像分割.该算法首先通过L_1空间度量样本点与类别中最大最小值的距离,代替了传统聚类算法中样本点与聚类中心的聚类,然后根据熵模糊聚类算法获得上模糊隶属度和下模糊隶属度两个隶属度函数,并采用二型模糊融合得到隶属度函数,其中给出了一种权重加权降型算法.通过对实际的红外图像分割表明,这种算法能准确地实现红外图像分割,自适应性强,鲁棒性好,能够在复杂背景下获得较为理想的分割效果.     

图像分割中的交叉熵和模糊散度算法

本文将交叉熵和模糊散度应用于图像分割中,提出了中最优灰度值选取算法,其一是基于均匀分布假设的最小交叉熵算法,其二是利用后难概率的最大类间交叉熵算法,其三是类间最大模糊散度的改进算法,其四是最小模糊散度算法,针对图像阈什化分割的要求,在后两种算法中构造一种新的模糊录改度函数,本文采用均匀测试和开头测试比较各算法的性能,利用多种类型测试 是到的分割结果,显示了所筛算法的有效性和通用性。     

基于相对熵的水下图像模糊增强与边缘检测算法

采用一种基于相对熵的水下图像模糊增强算法对深海结核分布丰度图像进行处理.该算法首先使用基于阈值选取的图像分割原理确定一个阈值参数,然后根据此阈值参数定义隶属函数,从而将图像转化为等效的图像模糊特征平面,通过在模糊平面上采用相对熵的算法对图像进行增强运算,最后实现对图像的边缘检测.仿真结果表明该算法是有效的.     

基于图像模糊熵邻域非一致性的过渡区提取与分割

 本文提出了一种基于图像模糊熵邻域非一致性的过渡区直接提取和分割算法.通过求出图像中介于目标和背景之间的过渡区,根据过渡区直方图获得一个最佳分割阈值.构造了描述模糊划分的隶属函数,模糊熵及其邻域非一致性测度.本文算法摆脱了传统图像过渡区提取算法对噪声比较敏感且受剪切值L_low与L_high的限制.理论分析和实验结果表明,本文算法具有速度快,抗噪声性能好和稳健性强等特点,优于现有其它基于过渡区提取和分割算法.     

多层次的红外图像模糊增强算法

在分析现有模糊增强算法的基础上,提出了一种基于图像灰度特性的隶属度函数,该隶属度函数减少了人为设定的参数,并利用最大熵原理实现了参数的优化设置.然后将提出的隶属度函数应用到多层次的模糊增强算法中.通过对红外图像的仿真实验表明, 该算法能够提高图像的对比度,突出图像中不同层次的灰度信息和边缘信息,取得了较好的增强效果.     

一种改进的一维模糊熵图像分割算法

传统的一维最大模糊熵图像分割算法对于图像的局部信息干扰噪声处理能力存在不足。文中研究实数编码混沌量子遗传算法（RCQGA）与一维模糊熵算法相结合的新算法。该算法将图像的空间信息和像素信息引入到一维模糊熵图像分割算法中,并运用实数编码混沌量子遗传算法对一维最大模糊熵图像分割算法进行改进,从而提高了一维最大模糊熵分割精度。研究结果表明,该算法分割效果明显优于传统一维模糊熵图像分割算法,并具有较强的抗噪性能。