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。     

两种二维交叉熵阈值法等价性证明及快速实现

二维直方图斜分最大类间交叉熵阈值(TOSMICE)法和二维交叉熵直线型阈值(TMCELT)法是两种有效的分割方法,且都是二维交叉熵阈值法,为了考查二者分割结果是否相同,提出对两种二维交叉熵阈值法的等价性探讨。首先分析两种二维交叉熵阈值法：虽然名称不同但经过证明其分割原理相同,然后对两种选取公式进行推导得到一种最简阈值选取公式,从而证明了二者的等价性,随之提出基于最简公式的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,两种方法获取的阈值相等,分割结果相同;并且与当前二维直方图斜分递推算法相比,所提出的新型递推算法速度更快。     

基于遗传算法的织物印花图案的分割

印花图案分割是印花工艺中一个重要步骤,采用遗传算法优化的二维最大熵法对织物印花图案进行分割,以提高分割速度和精确度.为了消除织物纹理噪音的影响,采用最大熵值法对织物印花图案进行分割.在采用最大熵值法分割时,为了提高在二维直方图空间中最佳阈值的搜索速度,引入了遗传算法.采用遗传算法优化的最大熵阈值法能快速、准确地对织物印花图案进行分割,且分割后图像边缘连续,轮廓清晰.     

基于信息熵图像分割算法的若干改进

最大熵阈值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。针对原有最大熵阈值法的不足,从3个方面对其进行了改进研究:参数化最大熵分割准则,引入灰度对比度对分割进行评价来选取参数来改善最大熵阈值法的分割性能;加权图像指数熵,引入了信息熵的指数形式并对其加权,依照灰度的分布选取权重,并通过分割后灰度对比度来确定权的参数,更充分地利用了图像的灰度信息;基于高频率灰度信息对原始熵进行变形,充分考虑了高频率灰度对分割的影响。通过对比实验表明,改进算法确定的阈值可以获得更佳的分割效果。     

一种加权直觉模糊熵分割法

针对现有的直觉模糊熵阈值法对于光照不均匀图像的分割很不理想,提出了一种新的加权直觉模糊熵,将其应用于图像分割最佳阈值的选取,最后给出了加权直觉模糊熵阈值化准则的权重选取方法。实验结果表明,该加权直觉模糊熵阈值法是可行的,可以弥补现有直觉模糊熵阈值法的不足。     

微分进化的自适应彩色图像阈值分割

针对阈值的选择依赖于经验和试验的问题,提出了结合微分进化算法和二维最大熵算法得到图像自适应阈值的方法。该方法首先利用全局阈值法中的迭代法得到图像的阈值并初次对图像进行分割,然后利用微分进化算法并且结合二维最大熵阈值进行适应度的计算、个体编码、终断条件等计算图像的自适应阈值,最后对测试的图像应用微分进化算法实现对图像的正确分割。采用微分进化算法可以准确地对图像进行分割,是一个比较高效的方法,有效地提升了分割效果。与现有的自适应阈值分割算法相比,本文算法缩短了计算时间。阈值分割不仅可以对灰度图像进行分割,彩色图像也可以用阈值分割。     

混沌粒子群优化指数交叉熵的阈值分割

为了提高指数交叉熵的阈值选取效率,提出了一种混沌粒子群优化指数交叉熵的阈值分割方法。首先导出指数交叉熵阈值选取方法,然后利用混沌粒子群算法对其进行优化。实验结果表明,相对于最大熵法和指数熵法,混沌粒子群优化指数交叉熵的阈值分割方法不仅分割结果精确,而且运行时间也相应缩短。     

二维直分指数交叉熵的印章图像阈值分割快速算法

提出了一种二维直分指数交叉熵的印章图像阈值分割快速算法。利用二维直方图对二维指数交叉熵进行阈值选取,导出快速算法。实验结果表明,提出的二维直分指数交叉熵的印章图像阈值分割快速算法相对于最大熵法和指数熵法,不仅分割结果精确,运行时间也相应缩短。     

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。     

矩不变调整的二维Shannon嫡图像分割及其快速实现

为了克服二维Shannon熵阈值法的缺陷,提出了一种使用矩不变法来调整二维直方图斜分Shannon熵的阈值分割方法。首先将二维直方图斜分原理运用到两种Shannon熵阈值法中,然后利用矩不变法从两种熵阈值法获取的阈值中选择最佳阈值,并提出二维直方图斜分Shannon熵阈值法的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,提出的方法不仅分割效果优于当前的二维直方图斜分的最大熵阈值法,而且运行速度更快,约快4倍。     

A thresholding method based on two-dimensional Renyi's entropy

In this paper, we present a new thresholding technique based on two-dimensional Renyi's entropy. The two-dimensional Renyi's entropy was obtained from the two-dimensional histogram which was determined by using the gray value of the pixels and the local average gray value of the pixels. This new method extends a method due to Sahoo et al. (Pattern Recognition 30 (1997) 71) and includes a previously proposed global thresholding method due to Abutaleb (Pattern Recognition 47 (1989) 22). Further, our method extends a global thresholding method due to Chang et al. (IEEE Trans. Image Process. 4 (1995) 370) to the two-dimensional setting. The effectiveness of the proposed method is demonstrated by using examples from the real-world and synthetic images.     

利用混沌PSO或分解的2维Tsallis灰度熵阈值分割

现有最大Shannon熵或Tsallis熵阈值选取方法没有从类内灰度均匀性出发,而仅依据图像灰度直方图,并且Tsallis熵法的分割效果通常优于Shannon熵法。为此,提出了基于混沌粒子群优化(PSO)和基于分解的两种2维Tsallis灰度熵阈值分割方法。首先,给出了1维Tsallis灰度熵阈值选取方法并将其推广到2维,导出了相应的2维Tsallis灰度熵阈值选取公式及其递推算法;其次,利用混沌PSO算法搜寻2维Tsallis灰度熵法的最佳阈值,并采用递推方式去除迭代过程中适应度函数的冗余运算,大大提高了运行速度;最后,将2维Tsallis灰度熵阈值选取方法的运算转化为两个1维Tsallis灰度熵法的运算,计算复杂度从O(L2)进一步降低到O(L)。实验结果表明,与2维最大Shannon熵法、2维最大Tsallis熵法及2维Tsallis交叉熵法相比,所提出的两种方法可以大幅提高图像分割质量和算法运行速度。     

分解的二维非对称Tsallis 交叉熵图像阈值选取

现有的Tsallis 交叉熵能够度量图像分割前后的差异,但公式复杂,计算效率不高,据此, 提出了基于分解的二维非对称Tsallis 交叉熵图像阈值选取方法。首先给出了非对称Tsallis 交叉熵的定 义,提出了一维非对称Tsallis 交叉熵阈值选取方法;然后,将其拓展到二维,推导出相应的阈值选取 公式;最后,在此基础上提出了二维非对称Tsallis交叉熵阈值选取的分解算法,使求解二维非对称Tsallis 交叉熵阈值法的运算转化到两个一维空间上,将计算复杂度从O(L4)降低为O(L)。大量实验结果表明, 与基于混沌粒子群优化的二维Tsallis 灰度熵法、二维斜分对称交叉熵法,二维斜分对称Tsallis 交叉熵 法等方法相比,该方法分割性能优,运行时间短,可望满足实际应用系统对分割的实时要求。     

概率分布双向稀疏化下单一Tsallis熵阈值选取方法

现有基于熵最大准则选取阈值的方法涉及两个或两个以上的随机变量, 都忽视了一个约束条件而影响到它们的分割精度和适用范围: 参与随机系统整体熵计算的各随机变量应当相互独立. 提出了一种概率分布双向稀疏化下的单一Tsallis熵最大化导向的自动阈值选取方法, 可以自然规避多个随机变量需要相互独立的约束条件.在多尺度卷积乘变换...     

鲁棒的二维Renyi嫡图像闭值分割快速算法

二维Renyi熵阈值分割算法是经典的图像阈值分割方法,但其性能对椒盐噪声较敏感。针对此不足,引入图像滤波中对椒盐噪声有较好鲁棒性的中值滤波技术,提出了新的二维直方图构造方法。为了进一步提高算法效率,分析了阈值分割目标函数的特点,使用惯性权重递增的粒子群算法对其进行优化。通过实验与原方法比较说明了此方法的优越性。     

快速二维最小交叉Tsallis熵的图像阈值分割

目前二维最小交叉Tsallis熵阈值分割法有较好的分割性能,但由于计算复杂度高,使得分割速度慢。针对此问题,提出了一种基于二维最小交叉Tsallis熵的快速图像分割方法。首先对二维最小交叉Tsallis熵法公式进行推导找出需要递推的几个量,然后对二维直方图投影进行分析得到二维直方图的特性;最后利用此特性导出新型的快速递推算法来减少计算时间。实验结果表明:相对于当前二维最小交叉Tsallis熵阈值法,提出的方法在保持分割效果的情况下,其速度提高了20倍以上,其运行时间小于0.2 s。     

二维指数熵图像阈值选取方法及其快速算法

二维Shannon信息熵法是图像阈值分割中常用的经典算法，但存在着不足。为此，提出了一种二维指数信息熵阈值选取方法，克服了对数熵的不足,将对数改为指数，提高了速度。同时给出了一种二维指数熵阈值选取的快速算法，通过改变二维直方图的区域划分，将二维阈值转换为一维，运行时间不到原算法的1%。实验结果表明，该算法能快速准确地实现图像分割。     

改进二维熵阈值法在深空探测中的应用

星体轨迹观测的难点在于所观测的星体一般为低对比度的弱小目标。传统图像处理方法中采用的一维最大熵阈值分割法仅基于原始直方图,对噪声较敏感,对真实目标尤其是弱小目标的提取造成很大影响。本文介绍了一种改进的二维熵阈值快速算法,从数学运算角度采用递推迭代方法去除冗余计算量,并根据图像对比度低,目标模糊,直方图分布集中的特点,将二维直方图的尺寸大大缩小,使得循环次数大大减少,显著提高了计算速度,大大提高了对弱暗模糊的小型星体的实时测量精度,对噪声具有很强的抗干扰能力。     

基于卡方散度阈值方法的图像分割研究与实现

通过分析交叉熵阈值法的计算时间量较大的问题,提出了基于卡方散度的图像阈值化分割新准则,并从理论上分析了它与交叉熵阈值法的计算复杂性.实验结果表明,提出的图像分割准则是可行的,且计算所需时间比交叉熵阚值法有了明显减少,它对一定强度噪声干扰的图像比交叉熵法能获得更好的分割结果.     

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。