微粒群算法在二维模糊熵图像分割中的应用

将微粒群算法和二维模糊熵阈值分割法结合,提出了一种基于微粒群和二维模糊熵的图像分割方法.该方法根据像素点灰度值和区域灰度均值所建立的二维灰度直方图,以二维模糊熵作为微粒群算法的适应度函数,利用微粒群算法搜索点灰度值和区域灰度均值所对应的模糊参数最优组合,进而确定相应的分割阈值.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,是一种有效的图像分割方法.

基于二维模糊熵的图像非监督变化检测

针对图像变化检测,提出了一种基于二维模糊熵的方法。首先采用LMS方法寻找二维直方图的最佳分割方向;再根据最佳分割方向构建一种新的二维隶属度函数,并用其搜索差异图像二维模糊最大熵来确定最佳二维隶属度函数;最后按最佳二维隶属度函数检测差异图像中的变化区域。理论分析和实验结果表明,本文方法相对一般二维检测方法具有更好的检测性能。

基于小波变异粒子群优化算法和二维模糊熵的图像分割

在微粒子群算法中应用小波变换,解决搜索过程中容易陷入局部最优以及过早收敛的问题。将混合微粒子群算法与二维模糊熵阈值分割方法结合,提出了一种基于小波变换微粒子群算法和二维模糊熵的图像分割方法。该方法根据像素点灰度值和区域灰度均值所建立的二维灰度直方图,以二维模糊熵作为微粒群算法的适应度函数,利用小波变异微粒群算法搜索点灰度值和区域灰度均值所对应的模糊参数最优组合,进而确定相应的分割阈值。对真实目标图像的分割实验结果对比表明,本方法在阈值和时间指标的性能令人满意。

基于改进遗传算法的二维模糊熵图像分割算法

图像分割是图像分析的基础。实际应用中,待分割图像的可变性较大,且时常混杂噪声,因此在很多情况下,基于一维直方图的经典图像分割算法常束手无策。近年来,基于二维直方图的二维图像分割算法已逐渐成为图像分割的热点。本文针对基本遗传算法在优化二维模糊熵图像分割算法中存在的易于早熟的不足,提出了一种改进的遗传算法。提出的改进遗传算法通过定义适应度极值距离,实现了进化过程中"代内"和"代间"的模糊评价。较之基本遗传算法,改进算法对个体的评价更加合理、客观和科学,而且算法整体收敛性能和全局搜索能力显著提升。实验结果表明,将其应用于二维模糊熵图像分割算法的优化,可显著提高算法的执行速度。由于引入模糊评价,本文提出的算法虽然较之基于基本遗传算法的二维模糊熵图像分割算法在时间开销方面虽略有增加,但获得的分割效果更佳。

基于QPSO的二维模糊最大熵图像阈值分割方法

针对运用图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出一种新的二维最大熵图像分割方法,该方法利用基于量子行为的微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。实验结果表明,该方法具有一定优越性,在执行时间与收敛性方面均得到较理想的分割效果。

二维时空模糊熵运动检测中的自适应门限新算法

提出一种基于二维时空模糊熵准则自适应确定运动检测门限的新算法.通过推导给出二维模糊熵门限的快速实现形式,利用积分和迭代操作避免了传统二维模糊熵门限求解过程中点的重复计算,将灰度级为N的图像的各种运算操作次数从O(N4)降低到小于或等于O(N3).将运动检测归结为两个二值划分问题,无需已知背景分布的具体形式和参数,利用二维模糊熵准则自适应确定门限T.实验结果表明,该方法在目标和背景对比度偏低的情况下也可以提取出完整的运动信息,易于实现实时处理.

基于分散微粒群算法的二维模糊最大熵图像分割

该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。

基于组合赋权的模糊熵与灰色聚类-SPA水资源短缺风险二维综合评判模型及应用

水资源短缺风险评价存在诸多不确定因素,而传统灰色聚类评价法忽视了这一因素,且根据聚类系数最大原则确定评价等级降低了结果的可靠性。为此引入集对分析SPA理论,建立联系度分量与聚类系数的耦合关系,以兼顾评价中的确定性与不确定性信息;同时选用指数型白化函数,运用最小偏差组合赋权法确定各指标权重。此外,将模糊熵理论作为第二维评价体系来表征短缺风险的复杂度,建立基于组合赋权的模糊熵与灰色聚类-SPA二维综合评判模型,并应用于水资源短缺风险评价。评价结果与传统单一等级评价模式相比,可从等级与复杂度两个维度揭示短缺风险程度,更加直观合理,为相关评价研究提供了新思路。

基于广义混沌混合PSO的快速红外图像分割算法

为了准确的实现红外目标识别,提出了一种基于广义混沌混合PSO的快速红外图像分割算法.二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,而且兼顾了图像自身的模糊性,能取得较为满意的分割结果.该方法实质上是一种具有搜索空间大、多局部极值点的典型非线性整数规划问题.广义混沌混合PSO算法在广义PSO算法的基础上,引入自适应平衡搜索,当算法发生停滞时引入模拟退火机制有选择地对当前全局最优粒子进行混沌优化,在增强局部搜索能力的同时能够克服早熟收敛现象.实验证明,运用广义混沌混合PSO算法实现红外图像二维模糊划分最大熵分割是快速、稳定的.