首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到15条相似文献,搜索用时 78 毫秒
1.
为了提高最大2维熵分割的性能,提出了基于改进麻雀算法的最大2维熵分割方法,可减小运算量并且缩短计算时间.首先,融合反向学习策略和自适应t分布变异,引入精英粒子,以扩大算法搜索范围,增加算法后期局部搜索能力;其次,使用萤火虫机制,对最优解进行扰动变异,进一步增加种群多样性;最后,采用提出的改进麻雀算法寻找图像最大2维熵,...  相似文献   

2.
李丽宏  华国光 《激光技术》2019,43(1):119-124
为了解决传统最大2维熵分割算法计算量大、耗时较多等缺陷,提出一种基于改进遗传算法的最大2维熵图像分割法。通过对遗传算法变异操作方式进行改进,提高遗传算法寻找最大2维熵分割阈值的速度,加速分割算法对图像的分割,并进行了仿真实验验证。结果表明,改进模型的运行时间被压缩到了0.95s,远远低于传统的最大2维熵分割法。改进的分割方法实现了分割效率的提高,同时也保证了图像的分割精度。  相似文献   

3.
魏雪峰  刘晓 《激光技术》2013,37(4):519-522
为了提高图像分割的质量,采用2维最大熵最佳阈值方法,首先通过灰度区域确定该域像素的2维随机向量,在准则函数下求得到2维最大熵最佳阈值;接着通过递推优化对2维最大熵最佳阈值计算数据优化处理,减少重复性数据计算量;最后通过分割图像区域与原目标空间位置的互信息量最大准则,把误分割误差函数作为检测分割标准,给出了算法流程;并仿真出了不同算法的图像分割结果。结果表明,该算法得到图像分割的精度较高,没有背景与噪声的残留,保留了图像信息,执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。  相似文献   

4.
二维最大熵和二维最小交叉熵结合的图像分割   总被引:1,自引:1,他引:0  
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...  相似文献   

5.
陈洪科  杨晓玲 《红外》2012,33(8):27-31
提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。  相似文献   

6.
一种基于二维最大类间方差的图像分割算法   总被引:46,自引:0,他引:46  
本文提出了一种二维最大类间方差的图像分割算法,该方法不仅利用了图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,理论分析和实验表明,对于低对比度,低信噪比的地面目标,该方法具有良好的分割效果,在该算法的基础上,又提出也一种快速递推二维最在类间方差法,减少了计算量,节约存储空间,具有较强的实用价值。  相似文献   

7.
二维模糊划分最大熵图像分割算法   总被引:16,自引:1,他引:15  
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。  相似文献   

8.
肖子雅  刘升 《电子学报》2019,47(10):2177-2186
针对鲸鱼优化算法(Whale Optimization Algorithm,WOA)存在的收敛速度慢、寻优稳定性不足等问题,本文提出了精英反向学习的黄金正弦鲸鱼优化算法(Elite Opposition-Based Golden-Sine Whale Optimization Algorithm,EGolden-SWOA).利用精英反向学习策略提高种群的多样性和质量可以有效提升算法的收敛速度,同时引入黄金分割数优化WOA的寻优方式,从而协调算法的全局探索与局部开发能力.对20个单模态和多模态测试函数进行寻优实验,并与RLPSO(Reverse-learning and Local-learning Particle Swarm Optimization)、IWOA(Improved Whale Optimization Algorithm based on nonlinear convergence factor)等多个算法进行对比,实验结果表明EGolden-SWOA具有更好的寻优精度和稳定性.进一步对EGolden-SWOA进行求解大规模问题的实验,实验结果表明EGolden-SWOA可以有效解决大规模优化问题.最后将EGolden-SWOA应用于压力容器和蝶形弹簧设计优化问题,结果表明EGolden-SWOA在工程优化方面的性能优于RCSA(Rough Crow Search Algorithm)、CPSO(Co-evolutionary Particle Swarm Optimization)等改进算法,可以有效运用于实际工程优化问题.  相似文献   

9.
洪霞  周牧  田增山  董会宁 《半导体光电》2013,34(4):689-693,705
提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。  相似文献   

10.
基于二维最大熵和顺序滤波的红外图像分割   总被引:1,自引:0,他引:1  
郭清风  王建国 《红外技术》2008,30(2):99-102
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.  相似文献   

11.
基于量子最大熵多阈值算法的图像分割研究   总被引:2,自引:0,他引:2  
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.  相似文献   

12.
基于遗传算法的二维最小交叉熵的动态图像分割   总被引:6,自引:1,他引:6  
为解决动态图像的分割问题,本文提出了一种遗传算法的二维最小交叉熵的分割算法。首先给出二维交叉熵的定义,然后运用遗传算法,以二维交叉熵为评价函数,搜索能使二维交叉熵最小的参数向量,并以该参数向量为分割阈值对飞机图像进行图像分割处理。实验结果表明,二维飞机交叉熵图像分割精度比一维飞机熵图像分割精度高,且比传统的二维熵分割速度快。  相似文献   

13.
提出一种新的模型——Chan-Vese模型,该模型是基于曲线演化、水平集方法、局部的统计信息,新模型包括两个方面:局部核心函数和惩罚项.引入局部统计信息后的新模型可以对非同质图像进行有效的分割.另外,核心函数中加入惩罚项,可以有效避免水平集函数初始化,缩短模型演化时间.通过实验的仿真结果发现,新模型在对非同质图像进行分割时得到了良好的结果.  相似文献   

14.
传统的鲸鱼优化算法(WOA)容易陷入局部最优以及收敛速度慢,针对此问题进行研究,提出了一种改进的鲸鱼优化算法,改进算法首先用非线性收敛因子替换原本使用的收敛因子,改进后的非线性收敛因子可以有效利用在算法中以弥补该算法在计算过程中全局探索与局部开发能力中的缺陷,并且可以加快算法收敛速度;然后在鲸鱼位置更新公式中加入了自适应权重,该策略可以改善算法的寻优精度以及进一步提高收敛速度;最后,在固定参数和不同维度的8个基准测试函数上进行了实验,结果表明,改进后的算法在寻找最优位置的精度和收敛速度对比于传统的鲸鱼算法和其他智能优化算法均有着显著的提高,具有更好的优化效果.  相似文献   

15.
复杂背景下的最大熵阈值红外目标分割算法   总被引:2,自引:0,他引:2  
为了有效地分割出实际拍摄中的红外目标信号,提出了一种适用于复杂背景下的最大熵阈值红外目标分割算法;该算法根据图像中信号的相关性,对图像的干扰信号的预处理,随后对所得的图像信号进行熵值的求取;接着根据目标与背景信号的分布特性,对所获得的目标信号与背景信号进行深入提纯处理,最终获得更为理想的红外目标信号。实验结果表明,该算法能够在不同背景下始终保持较好的红外目标分割效果,且具有耗时低、清晰度高的分割优势。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号