一种基于模糊划分的边缘检测算法

基于信息论中最大熵原理，提出了一种新的基于模糊划分的边缘检测算法，并介绍了模糊概率和用条件概率与条件熵来定义模糊划分熵的概念以及模糊划分的原理。该算法是利用自然划分以及梯度图像模糊划分的关系，在条件概率与模糊划分熵的基础上，通过最大模糊熵原则来实现图像分割中最优阈值的自动提取，以实现图像的边缘检测。通过不同类型测试图像的边缘检测结果比较表明，该算法用于边缘检测能获得很好的效果。     

红外人体图像模糊Renyi熵快速分割

针对红外人体图像目标与背景对比度低、边缘模糊、细节分辨能力差等特点,以及通常情况下的实时性处理要求,提出了一种新的有效分割方法。基于Renyi熵原理,构造了一种广义模糊熵——模糊Renyi熵;为了较快地获得分割阈值,基于混沌理论设计了一种混沌模拟退火算法,用于最佳分割阈值的搜索;把提出的模糊熵与混沌模拟退火算法相结合用于红外人体图像分割,并与几种著名的图像阈值分割方法进行了比较。实验结果表明,用该方法对红外人体图像进行分割,能得到较满意的分割结果,与其他方法相比,鲁棒性较好;对具有256级灰度的图像进行分割,其CPU耗时约为0.8 s,满足了红外人体图像分割的精确、实时性要求。     

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。     

应用最大熵和思维进化算法的阈值分割

在指数熵的基础上给出了模糊指数信息熵的定义及其性质,避免了对数中无定义点的问题,并用此概念和条件概率定义图像模糊划分的熵,根据熵最大原理进行图像自动分割。为了降低计算复杂度,提高计算速度,改进了思维进化算法（MEA）,设计了自适应趋同和小概率随机异化操作,优化模糊隶属参数,搜索最优分割阈值。实验结果表明,该方法能够自动、有效地选取阈值,分割效果优于Otsu等其他算法,并能保留原始图像的主要特征。     

快速二维Renyi熵阈值分割方法

提出一种基于二维Renyi熵的阈值二值化方法,该方法通过引入二维直方图不仅利用了图像像元点的灰度分布信息,而且充分考虑了像元点之间的空间相关信息,对于低对比度、低信噪比的物体,该方法具有良好的分割效果.运用二维Renyi熵的原理选择灰度阁值对图像进行分割,并且引入量化图像直方图概念讨论了一种快速二维Renyi熵阚值分割算法,该算法能够递推运算和自动寻找阈值,将计算复杂性大大降低.仿真对比实验结果表明,该算法提高了计算效率并具有更佳的分割效果.     

地下水动力场演化图像奇异点检测方法研究

为了增强图像中的细节、完善平滑处理、提高图像中奇异点的检测精度,提出基于改进Renyi熵的地下水动力场演化图像奇异点检测方法。通过求解地下水动力场演化图像的梯度场,计算不同亮度下图像的相对梯度。利用图像增强函数,对地下水动力场演化图像作增强处理。创新性地根据三维直方图将地下水动力场演化图像划分为图像背景域和目标域。利用改进Renyi熵,定义了演化图像在目标域和背景域的三维Renyi熵。结合最大熵分割原理,分割了地下水动力场演化图像。引入平滑尺度,对地下水动力场演化图像进行平滑处理。利用概率函数,建立图像奇异点检测函数。设计了地下水动力场演化图像奇异点检测算法。试验结果表明,所提方法能够准确检测图像中的奇异点,并将检测熵值和检出率分别提高到0.8以上和90%以上。该研究有效提高了地下水动力场演化图像中奇异点的检测性能。     

改进萤火虫优化算法的Renyi熵污油图像分割

针对传统Renyi熵方法在分割污油图像时存在图片差距大、无法根据不同图片进行最优分割的问题,提出改进萤火虫算法对二维Renyi熵分割算法中的α值进行寻优来解决上述问题。分析了采集的污油图片特点以及对污油图片进行分割的必要性;针对多目标寻优精度不高和后期收敛速度较慢的问题,对萤火虫算法进行了改进,并对初始萤火虫位置进行混沌优化处理,使结果达到全局最优;利用基于改进萤火虫算法的Renyi熵图像分割算法对采集的污油图片进行阈值分割实验,并与二维Renyi熵分割、粒子群算法(PSO)Renyi熵分割方法进行比较。实验结果表明:本文提出的算法可以有效地对污油区域进行分割,能够快速地实现复杂图像的精确处理。     

一种新的图像阈值分割算法

提出了一种基于区域灰度均值-梯度共生矩阵模型和二维Renyi熵原理的阈值分割方法.该方法不仅利用了图像的灰度信息,而且也利用了梯度信息,通过计算基于灰度-梯度共生矩阵的二维Renyi熵,并使边缘区域的熵最大来选择阈值.二维Renyi熵比其它二维熵多了一个参数,此参数使得二维Renyi熵能处理更多类型的图像.将上述方法进行仿真实验,并且仿真其它二维熵方法,仿真结果显示,该算法比其他二维熵方法效果更有效更一般化.     

一种新的阈值分割方法

提出了一种基于Renyi熵原理的阈值分割方法．该方法首先计算代表目标的熵和代表背景的熵，然后求出两熵之差并取其绝对值，最佳阈值对应于其中的最小值．Renyi熵比其它熵多了一个参数，此参数使得Renyi熵能处理更多类型的图像．将上述方法进行仿真实验，并且仿真其它熵方法，仿真结果显示，该算法比其他熵方法效果更有效、更一般化．     

Renyi熵与Tsallis熵的等价关系

描述了Tsallis熵和Renyi熵的等价关系及其在图像分割领域的应用.Tsallis熵和Renyi熵在图像分割中的应用是两种重要的全局阈值选取方法,是Shannon熵的广义形式,不仅在形式上具有等价关系,而且在应用于图像分割中也具有特殊的等价关系.这种特殊的等价关系应用在图像分割时只需任选一种熵来选取阈值.还讨论了它们自带的参数的取值对阈值选取的影响,这个参数可以针对不同类型的图像进行调节,可以得到很好的分割效果.     

Image segmentation by three-level thresholding based on maximum fuzzy entropy and genetic algorithm

In the paper, a three-level thresholding method for image segmentation is presented, based on probability partition, fuzzy partition and entropy theory. A new fuzzy entropy has been defined through probability analysis. The image is divided into three parts, namely, dark, gray and white part, whose member functions of the fuzzy region are Z-function and Π-function and S-function, respectively, while the width and attribute of the fuzzy region can be determined by maximizing fuzzy entropy. The procedure for finding the optimal combination of all the fuzzy parameters is implemented by a genetic algorithm with appropriate coding method so as to avoid useless chromosomes. The experiment results show that the proposed method gives good performance.     

A technique of three-level thresholding based on probabilitypartition and fuzzy 3-partition

Thresholding is a commonly used technique in image segmentation. Selecting the correct thresholds is a critical issue. In this paper, the relationship between a probability partition (PP) and a fuzzy c-partition (FP) in thresholding is given. This relationship and the entropy approach are used to derive a thresholding technique to select the best fuzzy c-partition. The measure of the selection quality is the compatibility between the FP and the PP generated by the problem. An entropy function defined by the PP and FP is used to measure the compatibility. A necessary condition of the entropy function arriving at a maximum is derived. Based on this condition, an efficient algorithm for three-level thresholding is deduced. Experiments to verify the efficiency of the proposed method and comparison to some existing techniques are also presented. The experiment results show that our proposed method gives the best performance in three-level thresholding using fuzzy c-partition     

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。     

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。     

改进的二维Renyi嫡图像闭值分割

提出一种基于灰度一梯度信息二维Rcnyi墒图像阂值分割新方法。首先,由图像灰度值和梯度值构造出二维直方图,在此基础上计算目标和背景区域的二维Renyi嫡,并使此嫡值函数最大,得到分割阂值。像素梯度信息和Renyi嫡可调参数相结合,可以处理更多类型的图像,同时分割得到的图像内部更均匀,边界形状更准确。     

自适应非局部空间约束与K-L信息的模糊C-均值噪声图像分割算法

针对传统模糊C-均值聚类(FCM)算法对噪声鲁棒性差的问题, 提出一种自适应非局部空间约束与K-L信息 的模糊C-均值噪声图像分割算法. 首先, 通过定义平滑度, 设计自适应匹配函数, 实现非局部空间信息项搜索窗口和 邻域窗口的自适应计算, 克服非局部空间信息窗口大小固定的问题. 其次, 将K-L信息引入目标函数, 利用隐马尔可 夫模型计算图像像素的上下文信息, 减少分割的模糊性. 最后, 利用原始图像和非局部空间信息项局部方差的绝对 差和其倒数自适应约束原始图像和非局部空间信息项, 实现约束项参数的自适应选择, 提高算法的灵活性. 含噪合 成图像和彩色图像分割实验表明, 该算法在分割精准度、平均交互比、归一化互信息、模糊分割系数和模糊划分熵 等性能方面均优于其他几种FCM算法. 例如, 在混合噪声密度为15%的条件下, 算法的模糊分割系数和模糊划分熵 分别达到99.92%和0.14%.     

自动图像阈值分割算法

该文提出了一种新的图像阈值分割算法。该算法通过求取最大模糊熵准则下,灰度均值直方图的最佳模糊划分参数来确定两个模糊集A和B,图像分割阈值即选取为两个模糊集的交点。该算法用Zadth的模糊熵定义适应度函数,采用改进的遗传算法寻求最佳模糊参数。该文对遗传算法的改进包括,给出了缩短染色体码长的编码方法和性能良好的改进的单点交叉算子和均匀变异算子。实验结果表明,该算法的分割效果与二维模糊熵算法接近,而计算时间还没有用到二维模糊熵算法的一半。