一种快速二维熵阈值分割算法

在二维熵阈值基础上，利用量化图像直方图概念讨论了一种快速二维熵阈值分割算法，这种算法能够递推运算和自动寻找阈值，将计算复杂性大大降低。 实验表明，该算法将每一幅图像运算时间降到2秒以内，提高了计算效率。     

基于VSAR的二维最大熵阈值分割算法

基于对传统二维最大熵算法各种改进方法分析,提出了一种基于判决域自动约束的二维最大熵改进算法。该算法提出了可以自动确定判决域大小的经验公式,与以往的改进算法相比,不仅减少了算法的运算量,同时具有自适应性,因而在某些应用场合具有较强的实用性。     

基于二维熵阈值的图像分割及其快速算法

阈值分割是图像分割技术中的一种重要方法,在图像处理和模式识别中广为应用.本文提出了一种基于二维熵阈值的图像分割快速算法.该算法能够有效地区分图像中边界、背景和物体三种区域,并使得传统二维阈值方法的复杂度从O(W2S2)降至O(W2/3S2/3).     

基于VSAR的二维最大熵阈值分割算法*

基于对传统二维最大熵算法各种改进方法分析,提出了一种基于判决域自动约束的二维最大熵改进算法。该算法提出了可以自动确定判决域大小的经验公式,与以往的改进算法相比,不仅减少了算法的运算量,同时具有自适应性,因而在某些应用场合具有较强的实用性。     

快速二维Renyi熵阈值分割方法

提出一种基于二维Renyi熵的阈值二值化方法,该方法通过引入二维直方图不仅利用了图像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,对于低对比度、低信噪比的物体,该方法具有良好的分割效果.运用二维Renyi熵的原理选择灰度阁值对图像进行分割,并且引入量化图像直方图概念讨论了一种快速二维Renyi熵阚值分割算法,该算法能够递推运算和自动寻找阈值,将计算复杂性大大降低.仿真对比实验结果表明,该算法提高了计算效率并具有更佳的分割效果.     

基于遗传算法的彩色图像二维熵多阈值自适应分割

提出一种基于遗传算法的二维熵多阈值自适应图像分割方法.在分析研究二维熵阈值分割原理的基础上,将可变码长的遗传算法应用于多阈值分割处理过程,采用基于多阈值的整数编码方式,将图像分割的类别数即染色体的码长融合到适应度函数中,从而实现了在对阈值寻优的同时得以优化分割类别数,最终实现图像的多阈值自适应分割处理.实验分析结果表明,该方法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点.     

二维Otsu自适应阈值分割算法的改进

在二维OTSU自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法，这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其领域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法，通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善，同时还大大降低了算法的复杂性。     

二维类内最小交叉熵的图像分割快速方法

熵是基于图像的一维灰度直方图得到的,仅利用了像素的灰度信息。最小交叉熵就是要寻找最优阈值使原始图像和分割图像之间的信息量的差异最小,在交叉熵的基础上,通过引入图像的空间信息,定义了二维类内交叉熵,并提出了基于二维类内最小交叉熵的图像分割方法。实验结果表明,充分利用图像的灰度信息和空间信息后,二维类内交叉熵取得了比交叉熵更好的分割效果。为了提高运算效率,提出了相应的快速递推算法,计算时间由从多于3小时减少到只要几秒。     

图像分割的二维最大熵遗传算法

将遗传算法运用于二维最大熵图像阈值分割法。首先对二维阈值坐标进行编码，然后依据二维最大熵准则建立适应度函数，在适当的交叉率和变异率下，最终实现强噪声干扰下图像的有效分割。分割实验表明，文中方法较一给最大熵法具有更强的抗噪声能力，较普通二维最大熵法运算速度更快。     

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。     

二维直方图区域斜分的最大熵阈值分割算法

指出现有二维直方图区域直分法中存在明显的错分,提出一种二维直方图区域斜分方法.导出基于二维直方图区域斜分的最大熵阈值选取公式及其快速递推算法,给出图像分割结果和运行时间.并与基于二维直方图直分的最大熵原始算法及其快速算法进行比较.结果表明二维直方图区域斜分可使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.本文算法的运行时间约为二维直方图斜分最大熵法原始算法的2%,不到二维直方图直分最大熵法的两种快速递推算法的1/3.     

二维直方图准分的Renyi熵快速图像阈值分割

针对传统二维Renyi熵(RE)分割法分割结果不够准确和计算复杂度高的问题,提出一种快速的二维RE准分法。首先,用与主对角线平行的四条斜线将直方图分成内点区、边界点区和噪声点区,并对噪声点区进行去噪处理以便获得更好的分割性能。然后,对内点区与边界点区在RE公式中的对应量准确取值使阈值选取更准确。最后,提出二维RE准分法的一般递推算法,并在此算法的基础上利用RE在二维直方图上的计算特性和两个公式导出快速的二维RE阈值选取算法来降低计算复杂度。实验结果表明,与对比方法相比,文中方法不仅分割更准确和抗噪性更强,而且其运行时间少,与二维RE斜分法运行时间相近。     

基于混沌优化的最佳熵阈值的图像分割

利用目标在图像中所占比例等信息,结合图像熵阈值算法进行图像的阈值分割。并利用混沌优化的方法一次寻找出图像熵的多个极值点,提高了阈值寻找的效率。仿真实验表明,与传统的图像熵阈值法相比较,该方法能够给出更加合理的分割结果。     

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。     

基于最大类间后验交叉熵的阈值比分割算法

从目标和背景的类间差异性出发,提出了一种基于最大类间交叉熵准则的阈值化分割新算法,算法阈设目标的背景象素的条件分布服从正态分布,利用贝叶期公式估计象素属于目标和背景两类区域的后验概率,再搜索这两为区域后验概率之间的最大交叉熵。比较了新算法一基于最小交叉熵以及基于传统香农熵的阈值化算法的分割性能。     

基于二维模糊熵和遗传算法的图像阈值分割

针对目标和背景两类图像分割,考虑二维灰度直方图,采用了一种更符合图像空间分布特点的隶属函数,建立了对应的二维图像模糊熵,分别采用标准遗传算法和改进的自适应遗传算法对二维图像模糊熵的各个参数进行优化,根据最大模糊熵准则,确定目标和背景的最佳分割阈值。实验结果表明,基于改进的自适应遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度,且对噪声具有一定的抑制能力。     

基于最大类间后验交叉熵的阈值化分割算法

从目标和背景的类间差异性出发,提出了一种基于最大类间交叉熵准则的阈值化分割新算法。该算法假设目标和背景象素的条件分布服从正态分布,利用贝叶斯公式估计象素属于目标和背景两类区域的后验概率,再搜索这两类区域后验概率之间的最大交叉熵。比较了新算法与基于最小交叉熵以及基于传统香农熵的阈值化算法的特点和分割性能。     

基于二维直方图和模糊熵准则的阈值化方法

图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视;阈值化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;针对图像分割中细节往往被忽略导致后续处理困难的问题,基于模糊关系和最大模糊熵原理提出了一种阈值化方法,对二维直方图进行模糊分割;为了获得图像分割中的细节,提出的方法根据最大熵原则自动确定模糊区域和门限,进而获得二维模糊熵和遗传算法最优解,最后获得图像细节;通过对不同灰度水平和颜色类型图像进行实验比较,实验结果表明提出的方法优于二维非模糊方法和一维模糊熵分割法,得到该方法在图像分割中获得细节的结论。     

基于二维Tsallis交叉熵直线型图像阈值分割方法

Tsallis熵具有非广延性,其用于图像分割取得了比Shannon熵好的分割效果.但传统Tsallis熵分割主要基于点的分割,其不足处在于忽略边界区域的信息.为消除忽略边界区域信息给图像分割带来的不足,在二维Tsallis交叉熵基础上提出了二维Tsallis交叉熵直线型分割方法,并将聚类小生境粒子群算法应用于最佳二维阈值的搜索当中,最佳阈值搜索速度有了明显提高,所得阈值较为理想.实验表明此方法取得了比传统Tsallis熵分割法较好的分割效果.     

一种基于Parzen窗法和Renyi熵的图像分割阈值选取新方法*

采用Parzen窗技术来估计图像灰度值的空间概率分布,再用Renyi熵来构造目标函数,最后在图像灰度范围内搜索,使此目标函数最小的灰度值作为最佳全局阈值。实验结果表明,此方法对图像分割的精度非常高,且适应性强。