加权调和平均型最大熵图像阈值选取法

基于最大熵阈值法可看成是目标和背景信息熵的算术平均,基于此给出一种基于目标和背景信息熵的调和平均的图像阈值分割方法.为了进一步增强该方法的分割性能,又给出加权调和平均型最大熵图像分割法以及权重参数的一种选取方法.加权调和平均型最大熵图像分割法通过计算图像中目标和背景的加权调和平均熵,寻找加权熵最大的灰度值作为图像的分割阈值.实验表明该方法可获得比传统熵阈值法更好的分割效果.     

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。     

基于信息熵的图像分割阈值迭代改进算法

将信息熵理论和分割阚值迭代法融合,提出一种基于图像目标信息熵的阈值迭代选取方法,并将这种改进的迭代法与目前常见的最大类间方差法和最大熵法进行比较.实验表明,此算法具有速度快,总体分割效果好的优点.     

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。     

基于参数型模糊熵的图像分割新方法

直方图阈值法因其简单性和抗噪性在图像处理中得到了广泛应用。针对传统模糊熵阈值法对图像分割最佳阈值选取缺乏鲁棒性的问题,提出了参数型模糊熵图像分割新方法。该方法对图像分割最佳阈值选取具有良好的鲁棒性,适当调整参数可获得满意的视觉分割效果。实验结果表明,提出的方法是可行的。     

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。     

基于熵约束的快速FCM聚类多阈值图像分割算法

针对传统FCM聚类多阈值分割算法计算费时、应用范围受限制的缺点,提出基于信息熵判据的快速FCM聚类多阈值分割算法.研究在保持图像信息前提下重采样率必须满足的最基本条件,并给出约束公式.根据信息熵原理,计算原图像和重采样图像的熵,根据重采样图像相对信息熵变化情况,判别满足熵约束的采样率.实验结果表明,在多阈值图像分割中,本文算法在基本保持与传统FCM聚类同水平分割效果的前提下,平均计算用时较传统FCM分割算法缩短,效率明显提高,实验结果和理论分析相符.证明本文算法的正确性.     

基于最大熵-方差模型的图像分割方法

针对当图像中目标与背景的面积相差很大时,最大类间方差方法的分割性能迅速下降的问题,研究了信息熵和方差的关系.认为信息熵和方差都被用作不确定性的度量,两者之间定会存在一定的科学关系,因此将最大熵和最大类间方差结合起来建立数学模型,提出基于最大熵-方差模型的图像分割方法,并引入类内方差对分割进行评价来选取参数调整算法的分割性能,更充分地利用了图像的灰度信息.通过实验证明该方法优于最大熵方法和最大类间方差方法,具有较强的稳定性,提高了图像分割精度.     

灰度-梯度共生矩阵模型的加权条件熵阈值法

基于二维灰度直方图的最大熵阈值法是依据“灰度-灰度均值”构成直方图的图像分割方法,该方法着重于图像的内部信息,忽略了边界区域的信息。应用图像的梯度信息建立“灰度-梯度共生矩阵”,构造图像的二维灰度直方图,结合最大条件熵法进行阈值选取。为了充分提取图像内部和边缘信息,提出了二维加权最大熵阈值法。结果表明,该方法一方面能够保留更多的图像边缘信息,另一方面能够根据实际需要调节权值大小,得到兼顾图像内部和边缘信息的分割结果。     

基于万有信息定律的图像阈值分割方法

提出基于万有信息定律的图像阈值分割方法。针对熵阈值法仅利用图像灰度概率信息，导致它对有些图像的分割无效，该文从万有引力定律中得到启发，提出信息场中万有信息定律，将其用于图像分割的最佳阈值选取。实验结果表明，该方法是可行的，且对有些图像的分割效果要好于传统的Kapur熵方法。     

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.     

模糊包含度在图像分割中的应用

图像分割是图像分析、理解和机器视觉的基础。由于人眼视觉的主观性使得图像比较适合使用模糊技术进行处理。基于模糊集的包含度理论,定义了图像分割选取阈值的准则函数。实验结果表明,提出的图像阈值化分割方法是可行的,且分割性能明显优于基于模糊熵或贴近度的分割法。     

A multilevel color image segmentation technique based on cuckoo search algorithm and energy curve

Amongst all the multilevel thresholding techniques, standard histogram based thresholding approaches are very impressive for bi-level thresholding. But, it is not effective to select spatial contextual information of the image for choosing optimal thresholds. In this paper, a new color image thresholding technique is presented by using an energy function to generate the energy curve of an image by considering spatial contextual information of the image. The property of this energy curve is very much similar to histogram of the image. To estimate the spatial contextual information for thresholding practice, in place of histogram, the energy curve function is used as an input. A new energy curve based color image segmentation approach using three well known objective functions named Kapur’s entropy, between-class-variance, and Tsalli’s entropy is proposed. In this paper, cuckoo search (CS) and egg lying radius-cuckoo search (ELR-CS) optimization algorithms with different parameter analysis have been used for solving the color image multilevel thresholding problem. The experimental results demonstrate that the proposed CS-Kapur’s energy curve based segmentation can powerfully and accurately search the multilevel thresholds.     

基于最小方差滤波的相对嫡闭值分割方法

基于共生矩阵的相对熵阈值分割法是一类常用的图像分割方法。采用自适应滤波方法构造非对称共生矩阵,对相对熵阈值分割法进行改进,使其更好地适应含噪图像的阈值分割问题。实验结果表明,该方法能更有效地降低噪声干扰,使分割目标更为完整,边缘更加清晰。     

最大熵阈值处理算法

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.提出了一种基于灰度-梯度共生矩阵模型和最大熵原理的自动阈值化方法.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熵,并使边缘区域的熵最大来选择阈值向量.仿真结果显示,该算法比其他二维熵方法效果更佳.     

二维直方图斜分最大类间交叉熵的图像分割

利用二维直方图斜分原理,提出了一种基于最大类间交叉熵的快速图像分割方法。首先依据二维直方图斜分法构建最大类间交叉熵阈值选取公式,然后导出这种最大类间交叉熵阈值选取的快速递推算法,最后将定义的数组运算与这种快速算法相结合搜索最佳阈值向量,使整个算法更简明高效。实验结果表明,与当前二维直方图斜分阈值方法相比,此算法效率更高,通用性更强。     

基于最大累积剩余熵的红外图像分割

经典阈值化分割方法是常用的图像分割方法之一,但对于低对比度,低信噪比的红外图像分割效果不理想,将累积剩余熵运用于红外图像分割,即寻求使得累积剩余熵最大的灰度值作为分割阈值,实验结果表明:基于最大累积剩余熵的图像分割方法是一种有效的红外图像分割方法,比起经典的阈值分割方法,分割红外图像的效果要好。     

对二维Renyi熵阈值法的错误纠正

熵阈值法因其实现简单、性能稳定、具有良好的信息论背景而成为图像分割中最基本、最有效的分割方法,并在实际中得到了大量的应用。论文首先指出了有关“二维Renyi熵阈值法”一文推导过程中存在的错误;其次,给出了有关二维直方图熵阈值法的正确结论。最后,用实验结果表明结论是正确的。