基于遗传算法的最大熵阈值的图像分割

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.最大熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.文中将遗传算法用于最大熵阈值的图像分割方法中,分别对一维及二维阈值分割的情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像分割方法. 通过对几幅经典图像的分割结果对比,表明了基于遗传算法的最大熵阈值的图像分割方法可以有效地提高最大熵图像分割的计算速度,提高图像处理的实时性.     

Survey and comparative analysis of entropy and relative entropy thresholding techniques

Entropy-based image thresholding has received considerable interest in recent years. Two types of entropy are generally used as thresholding criteria: Shannon's entropy and relative entropy, also known as Kullback-Leibler information distance, where the former measures uncertainty in an information source with an optimal threshold obtained by maximising Shannon's entropy, whereas the latter measures the information discrepancy between two different sources with an optimal threshold obtained by minimising relative entropy. Many thresholding methods have been developed for both criteria and reported in the literature. These two entropy-based thresholding criteria have been investigated and the relationship among entropy and relative entropy thresholding methods has been explored. In particular, a survey and comparative analysis is conducted among several widely used methods that include Pun and Kapur's maximum entropy, Kittler and Illingworth's minimum error thresholding, Pal and Pal's entropy thresholding and Chang et al.'s relative entropy thresholding methods. In order to objectively assess these methods, two measures, uniformity and shape, are used for performance evaluation     

基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。     

A new criterion for automatic multilevel thresholding

A new criterion for multilevel thresholding is proposed. The criterion is based on the consideration of two factors. The first one is the discrepancy between the thresholded and original images and the second one is the number of bits required to represent the thresholded image. Based on a new maximum correlation criterion for bilevel thresholding, the discrepancy is defined and then a cost function that takes both factors into account is proposed for multilevel thresholding. By minimizing the cost function, the classification number that the gray-levels should be classified and the threshold values can be determined automatically. In addition, the cost function is proven to possess a unique minimum under very mild conditions. Computational analyses indicate that the number of required mathematical operations in the implementation of our algorithm is much less than that of maximum entropy criterion. Finally, simulation results are included to demonstrate their effectiveness.     

倒数粗糙熵图像阈值化分割算法

基于粗糙集理论的粗糙熵阈值法不需要图像之外的先验信息。粗糙熵阈值法需要解决两个问题,一是图像信息不完整性的度量,二是图像的粒化。该文基于倒数信息熵,提出一种倒数粗糙熵用来度量图像中信息的不完整性。为了更好地对图像进行粒化,采用一种基于均匀性直方图的粒子选取方式。该文提出的倒数粗糙熵表述简洁,计算简单。实验验证了该文方法的有效性。

     

交叉熵约束的红外图像最小错误阈值分割

针对目标和背景具有相似统计分布的红外图像,经典阈值分割方法仅以某种形式的方差或熵作为准则,未考虑图像的实际特性,分割效果不甚理想。为此,提出了一种基于交叉熵约束的红外图像最小错误阈值分割新方法。首先,引入交叉熵来度量目标和背景统计分布的相似性,交叉熵越小表明分布越相似;然后在交叉熵小于一定值的条件下使分类错误达到最小。交叉熵的约束保证了分割过程适应红外图像实际特性,分类错误最小确保了分割效果的有效性。该方法原理清晰、参数设置简单,在一系列实际图像上的实验结果表明,与现有几种经典阈值分割方法相比,文中方法有效提高了目标和背景具有相似统计分布的红外图像的阈值分割准确率。     

模糊熵的修改及其在图像分割中的应用

首先将求和模糊熵修改为取小和取大两种类型,其次对其性质进行了探讨,最后用于图像分割中确定阈值化分割图像的最佳阈值.实验结果表明,该修改是可行的,对有些图像相对求和型模糊熵分割法能获得更好的分割效果.     

边缘引导和轮廓约束下的跨域香农熵最大化导向的自动阈值选取方法

为了处理诸如高斯、伽马、极值、瑞利、均匀或贝塔等基本灰度分布情形下的阈值选取难题,本文提出了一种跨域香农熵最大化导向的自动阈值选取方法.该方法利用不变的引导边缘图像和变化的约束轮廓图像共同构造出一系列持续变化的一维灰度直方图,并采用香农熵作为熵计算模型,从而得以跨越图像中若干局部区域去计算跨域香农熵,并以最大跨域香农熵对应的阈值作为最终阈值.在40幅合成图像和50幅真实世界图像上的实验结果表明,该方法虽然在计算效率方面不优于Masi熵阈值方法、Tsallis熵阈值方法、局部香农熵阈值方法和迭代三类阈值方法,但在分割适应性方面有显著增强,且在误分割率方面有显著下降.     

基于混沌PSO或分解的二维Tsallis交叉熵阈值分割(英文)

The segmentation effect of Tsallis entropy method is superior to that of Shannon entropy method, and the computation speed of two-dimensional Shannon cross entropy method can be further improved by optimization. The existing two-dimensional Tsallis cross entropy method is not the strict two-dimensional extension. Thus two new methods of image thresholding using two-dimensional Tsallis cross entropy based on either Chaotic Particle Swarm Optimization (CPSO) or decomposition are proposed. The former uses CPSO...     

模糊划分熵的新定义及其在图像分割中的应用

介绍了模糊划分的原理,提出用条件概率与条件熵定义模糊划分的熵,并基于最大熵原理设计了一种新的灰度直方图阈值选取算法。比较可见ＫＳＷ熵法是本文方法的一个特例,本文方法是ＫＳＷ熵法在模糊集上的推广,对几例真实目标图像的对比分割实验结果表明本文方法性能优越。     

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。      

基于高斯混合及相对熵测度的图像分割

针对图像分割问题,结合高斯混合模型与信息论中的相对熵测度概念,提出一种新的图像阈值化方法。在提出方法中把图像阈值化问题看成是两个概率向量之间的匹配问题,因此首先用高斯混合模型去拟合图像直方图的灰度级分布,然后用相对熵测度去度量拟合分布与图像原灰度级分布之间的差异,并把该度量作为图像阈值化的准则函数。在对图像实施分割时,通过在图像灰度级范围中求取所定义的准则函数的最小值获得最佳阈值。在NDT、SAR及红外图像上的分割实验中用提出方法与传统及最新的图像阈值化方法进行比较,结果表明提出方法获得的结果要优于相比较方法获得的分割结果,因此提出方法是一种有效的图像分割方法。     

基于小概率策略的Otsu图像分割方法

Otsu自适应阈值法是一种经典的图像阈值分割方法,在其基础上发展起来的2维Otsu法及其改进算法由于存在计算(或空间)复杂度较高、抗噪能力差、难以扩展到多阈值等不足而制约了其应用。该文针对2维Otsu法的不足,将噪声点的出现视为小概率事件,用噪声点的邻域均值代替其灰度值,将噪声点转换为目标(或背景)像素,减少了图像中的噪声点数量;继而直接采用1维Otsu法进行分割,以较小的代价获得良好的分割效果。算法分析及测试实验表明：与现有2维Otsu法相比,该算法在复杂度、抗噪性、多阈值扩展性等方面都有明显改善。     

基于Sugeno补的广义模糊熵阈值分割方法

鉴于传统的基于模糊熵的图像阈值分割方法对于光照不均匀图像的分割结果很不理想,该文提出了基于Sugeno补的广义模糊熵图像阈值分割方法。首先按照Sugeno补函数不动点的变化,对一幅图像产生9个阈值,然后利用图像分割质量评价指标对这9个阈值进行评价,最后选择使得评价指标最大的阈值作为最优的阈值。与传统的模糊熵阈值分割方法相比,新方法增加了选择更好的分割结果的机会,对于光照不均匀的图像能够获得比传统模糊熵方法更好的分割效果。     

基于Tsallis交叉熵快速迭代的河流遥感图像分割

为了使河流遥感图像分割的精度和速度进一步提高,本文提出了一种基于二维Tsallis交叉熵快速迭代的河流遥感图像分割方法。鉴于现有的Tsallis交叉熵阈值法运算效率不够高,首先提出了一维Tsallis交叉熵阈值选取的快速迭代算法;然后导出了基于灰度级—邻域平均灰度级直方图的Tsallis交叉熵阈值选取公式,以进一步提高分割精度,并采用递推方式计算阈值选取准则函数中的中间变量,避免其重复运算,加快运算速度;最后,提出了二维Tsallis交叉熵阈值选取的快速迭代算法,推导出相应的公式,大大减少了运算量。大量实验结果表明,与近年来提出的4种阈值分割方法相比,本文方法在对河流遥感图像的分割效果及运行时间上均有明显优势,是河流检测与类型识别系统中可选择的一种快速有效的分割方法。      

基于空间截面投影的 Otsu 图像分割算法

针对传统三维Otsu法存在抗噪性差、计算复杂度高、难以多阈值扩展等不足,提出了一种基于空间截面投影的Otsu法。该方法采用垂直于主对角线的平面截三维直方图,并将截面内的点投影到主对角线上,进而建立一维的截面投影直方图以降低计算复杂度,然后基于该一维直方图进行Otsu分割;对于分割结果,运用基于阈值的后处理策略做进一步的处理以增强算法的抗噪性。实验结果表明：与现有三维Otsu法相比,该算法计算效率高、抗噪性好,能对含不同噪声的图像进行较好的分割。     

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...     

基于阈值法的图像分割技术

图像分割是图像处理方向的一个重要课题,阈值法因其实现简单、计算量小、具有较高的运算效率,性能较稳定,而成为图像中最基本和最广泛的分割技术。阈值法分为全局阈值法和局部阈值法两种,其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。这里主要研究基于点的全局阈值法,即最大类间方差法,并基于Matlab软件环境进行算法的仿真。该系统能够对图像中某些感兴趣的部分进行提取,较好地实现了图像分割。     

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。      

用基函数神经网络实现多阈值图象分割

本文介绍了一种用基函数神经网络实现多阈值图象分割的新方法。它从函数逼近的角度研究基于灰度直方图的多阈值分割问题，提出了一种模糊反向传播学习算法，采用该算法的高斯基函数网络能够准确检测直方图中包含的子区域和它们的分布函数，而且速度很快。实验表明本文的方法在实际图象分割中是有效的。