|
|||||
|
|
| 广义概率Tsallis熵的快速多阈值图像分割 | |
| 引用本文： | 张新明,张贝,涂强. 广义概率Tsallis熵的快速多阈值图像分割[J]. 数据采集与处理, 2016, 31(3): 502-511 |
| 作者姓名： | 张新明 张贝 涂强 |
| 作者单位： | 1.河南师范大学计算机与信息工程学院，新乡，453007；2.河南省高校计算智能与数据挖掘工程技术研究中心，新乡，453007；3.武汉奋进电力技术有限公司，武汉，430205 |
| 摘 要： | 针对传统的熵多阈值法存在的计算复杂度高和分割不准确等问题，提出了一种基于广义概率Tsallis熵的快速多阈值图像分割方法。首先，对传统的灰度概率进行修改得到广义概率以构建广义概率Tsallis熵。然后，通过直方图均值自动确定Tsallis熵参数以解决参数不易选择的问题。随后，将GPTE正确拓展到多阈值分割方法中使得分割更准确。最后，将差分进化(Differential evolution, DE)算法与递推算法有机结合应用于GPTE多阈值法中以解决计算复杂度高的问题。[JP2]图像分割实验结果表明，与基于传统的熵多阈值法相比，本文提出的方法不仅分割更准确，自适应性更强，而且运行速度更快。 |
| 关 键 词： | 图像分割；多阈值分割；差分进化算法；广义概率；Tsallis熵 |
Fast Multilevel Thresholding for Image Segmentation Based on Generalized Probability Tsallis Entropy |
|
| Abstract: | |
| Keywords: | image segmentation multilevel thresholding segmentation differential evolution algorithm generalized probability Tsallis entropy |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 | |
| 点击此处可从《数据采集与处理》下载全文 | |