一种改进的二维最小交叉熵图像分割方法

针对当前二维最小交叉熵阈值法存在计算复杂度高等问题,提出了一种改进的二维最小交叉熵阈值分割方法。首先,依据图像的含噪声类型选择邻域模板并建立相应的二维直方图来提高分割效果;然后,对二维最小交叉熵公式进行推导和简化处理,利用定义的数组运算推导出新型递推算法,再确定图像及其邻域图像的实际灰度级别范围,并用这种新算法在所求的灰度级别范围内搜索最佳阈值向量来降低计算复杂度;最后,使用关键阈值对滤波后的图像进行分割达到最佳的分割效果。仿真实验结果表明,与当前的二维最小交叉熵阈值分割法相比,本文提出的方法不仅分割性能及抗噪性能更强,而且分割时间大大减少,小于0.05s。

二维最大熵和二维最小交叉熵结合的图像分割

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,又满足二维最小交叉熵原则;最后,利用二维直方图的特点推导出新型递推算法搜索最佳阈值并降低计算复杂度。仿真实验结果表明,本文提出方法不仅有效,弥补了两者在某些应用上都不能有效分割的不足,而且分割时间少,约为0.3 s。

中值邻域二维最小交叉Tsallis熵的快速图像分割

鉴于邻域窗口影响二维阈值法的分割结果,提出了一种基于中值邻域二维最小交叉Tsallis熵的快速图像分割方法。首先利用中值滤波法构建中值邻域二维直方图;然后将最小交叉Tsallis熵运用在这种直方图上构建中值邻域二维最小交叉Tsallis熵分割法,由于中值滤波后的图像优于均值滤波后的图像,此法能获得更理想的阈值;最后将递推法与定义的数组运算相结合导出快速算法搜索最佳阈值向量,并用此阈值向量对原图像和中值邻域图像进行分割,得到更好的分割结果。实验结果表明:相对于当前均值邻域二维最小交叉Tsallis熵阈值法,该方法不仅分割效果更好,抗噪性更强,而且速度更快。

快速二维最小交叉Tsallis熵的图像阈值分割

目前二维最小交叉Tsallis熵阈值分割法有较好的分割性能,但由于计算复杂度高,使得分割速度慢。针对此问题,提出了一种基于二维最小交叉Tsallis熵的快速图像分割方法。首先对二维最小交叉Tsallis熵法公式进行推导找出需要递推的几个量,然后对二维直方图投影进行分析得到二维直方图的特性;最后利用此特性导出新型的快速递推算法来减少计算时间。实验结果表明:相对于当前二维最小交叉Tsallis熵阈值法,提出的方法在保持分割效果的情况下,其速度提高了20倍以上,其运行时间小于0.2 s。