二维模糊划分最大熵图像分割算法

该文提出了一种通过最大化二维直方图模糊划分熵分割灰度图像的新算法。首先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熵。随后利用多维三角模定义了非相关模糊子集的广义直积,给出构造多维模糊划分的方法,并根据最大熵原理设计了一种基于二维直方图模糊划分熵分割灰度图像的新算法。对几例真实目标图像的对比分割实验结果表明该文方法性能优越。     

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

基于最大熵法的雷达图像分割

介绍了雷达扫描的视频图像中的目标提取方法.首先需要在雷达扫描图像中将回波目标从信号的背景噪声中分割出来,笔者认为基于阈值分割的方法是一种适合文中提到的雷达扫描视频图像分割的方法,并且简单易于工程实现.文中利用最大熵的阈值分割法将目标从雷达图像中分割出来,这种方法较其它阈值分割法更适合于应用在文中提到的雷达扫描视频图像中.     

采用进化规划和最大熵的目标图像分割算法

图像分割是图像处理和计算机视觉中关键技术之一。在分析最大熵法和进化规划算法(EP)基础上,提出一种自动阈值选取的图像分割算法。该算法以图像的最大熵作为适应度值,将图像分割问题看作一个全局数值优化问题,利用进化规划全局寻优和快速计算的特点,搜索一个最佳阈值用于图像分割。仿真结果表明,本方法很好地解决了最大熵法计算量大的缺点,速度快且分割效果好。     

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。     

基于免疫克隆选择算法的图像分割

图像分割是图像处理领域中不可缺少的一个分支。该文基于阈值分割方法,将免疫克隆选择优化算法应用到图像分割中,提出了一种新的图像分割算法。详细叙述了算法机理,并对算法复杂度进行了理论分析以及实验数据比较。在仿真实验中,将遗传算法和免疫克隆选择算法分别独立运行10次,对10次得到的阈值以及均值、方差进行了比较,并将函数评价次数作为算法复杂度的评价指标。该文算法不仅能够对图像进行准确的分割,而且在同样的种群规模下能够以较少的迭代代数和较低的函数评价次数得到最优阈值。仿真结果表明,该方法应用在图像分割中是可行的、有效的。     

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.     

一种基于小波的图像模糊熵阈值分割算法

提出了一种新的有效的图像阈值分割算法.本算法将小波理论,模糊集理论和信息论三者有机的结合起来.算法采用目标类与背景类最大模糊熵准则,并针对现有的模糊熵分割算法中存在的阈值选取计算效率低的缺陷,重新定义了新的模糊隶属度函数与模糊熵,并且根据小波理论的多尺度分辨的思想,对该算法进行了优化,提高了阈值选取的寻优速度.通过与各种经典算法比较,证实该文算法的可行性,具有很好的鲁棒性.     

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。     

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。     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

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.     

基于最大熵和粒子群优化的红外图像分割

最大模糊熵是一种有效的图像分割方法,该方法的一个关键问题是确定模糊隶属度函数的最优参数组合,从而使得图像变换到模糊域后的模糊熵最大.但是直接采用穷举法来寻找最优参数组合的计算量是很大的,甚至是不可能的.因此,提出了采用一种新的优化方法,即粒子群算法来寻找最优参数组合.在参数搜索空间中,随机初始化一群粒子,通过粒子之间的相互协作来寻找最优解.所提出的方法用于分割红外图像的结果表明,花费很小的计算代价就可以获得理想的分割结果.     

一种基于蚁狮最大熵算法与引导滤波的图像融合算法

传统红外与可见光图像融合算法中易出现目标提取不够充分、细节丢失等问题,导致融合效果不理想,从而无法应用于目标检测、跟踪或识别等领域。因此,该文提出一种基于蚁狮优化算法(ALO)改进的最大香农(Shannon)熵分割法结合引导滤波的红外与可见光图像融合方法。首先,使用蚁狮最大熵分割法(ALO-MES)对红外图像进行目标提取,然后,对红外和可见光图像使用非下采样剪切波变换(NSST),并对获得的低频和高频分量进行引导滤波。由提取的目标图像与增强后的红外和可见光低频分量通过低频融合规则得到低频融合系数,增强后的高频分量通过双通道脉冲发放皮层模型(DCSCM)得到高频融合系数,最后经NSST逆变换得到融合图像。实验结果表明,所提算法能够得到目标明确、背景信息清晰的融合图像。

     

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。     

基于最大熵和PCNN的图像分割新方法

针对脉冲耦合神经网络(PCNN)无法确定最优分割以及脉冲门限具有非线性因子的问题,提出了一种基于最大熵和脉冲耦合神经网络的新型图像分割算法.该算法采用线性方式动态调整脉冲门限,采用最大熵确定PCNN网络的循环迭代次数,并引用均值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.