基于二维灰度熵及混沌粒子群的图像阈值选取

为了同时考虑直方图的概率信息和类内灰度级的均匀性,提出了基于灰度级-梯度二维直方图的Shannon灰度熵及Tsallis灰度熵阈值选取方法.给出了Shannon灰度熵和Tsallis灰度熵的定义及其一维阈值选取方法,导出了二维Shannon灰度熵及Tsallis灰度熵阈值选取公式及其快速递推算法,并利用混沌粒子群算法寻求两种阈值选取方法的最佳阈值.实验结果表明,与基于改进的二维最大熵及粒子群递推的阈值选取方法相比,所提出方法的分割图像能更准确地反映原始图像的边缘、纹理及细节信息.

基于二维直分与斜分灰度熵的图像阈值选取

二维最大Shannon熵阈值选取方法仅依赖于图像二维直方图的概率信息,而没有直接考虑类内灰度的均匀性,为此本文提出了二维灰度熵的阈值选取方法.首先给出了灰度熵的定义及其一维阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度的均匀性;然后提出基于混沌粒子群优化的二维直分灰度熵阈值选取方法及其快速递推算法;最后导出了二维斜分灰度熵的阈值选取公式及其快速递推算法.实验表明,与基于粒子群优化的二维直分最大Shannon熵阈值选取方法、二维斜分最大Shannon熵阈值选取方法及二维斜分Otsu阈值选取方法相比,所提出方法的分割图像更能反映原始图像的边缘、纹理及细节信息.

基于二维灰度直方图的模糊熵分割方法

传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息,抗噪声能力差,因此提出了基于二维灰度直方图的模糊熵分割算法.此算法根据像素点灰度值和其邻域灰度均值,建立二维灰度直方图,并在对应目标和背景的像限内构造像素点对目标和背影的隶属度函数,从而去除噪声和边缘像素对图像分割的影响.最后通过求模糊熵的极值,得到二维图像分割点.实验结果证明,该方法具有很强的鲁棒性和抗噪能力,分割效果明显优于一维的方法,而且可以方便地推广到其他一维熵分割中.

矩不变调整的二维Shannon熵图像分割及其快速实现

为了克服二维Shannon熵阈值法的缺陷,提出了一种使用矩不变法来调整二维直方图斜分Shannon熵的阈值分割方法。首先将二维直方图斜分原理运用到两种Shannon熵阈值法中,然后利用矩不变法从两种熵阈值法获取的阈值中选择最佳阈值,并提出二维直方图斜分Shannon熵阈值法的一般递推算法,最后将二维直方图分布特性与这种算法有机结合得到新型快速的递推算法。实验结果表明,提出的方法不仅分割效果优于当前的二维直方图斜分的最大熵阈值法,而且运行速度更快,约快4倍。

利用混沌布谷鸟优化的二维Renyi灰度熵图像阈值选取

为了进一步降低现有的Renyi熵阈值法的计算复杂度,提出了基于混沌布谷鸟算法和二维Renyi灰度熵的阈值选取。首先,引入一维Renyi灰度熵阈值选取公式,建立基于像素灰度和邻域梯度的二维直方图,推导出基于该直方图的二维Renyi灰度熵阈值选取公式,通过快速递推公式来减少阈值准则函数的计算量;最后,采用混沌布谷鸟算法搜索最优阈值来完成图像分割。结果表明,与二维Arimoto熵法、基于粒子群的二维Renyi熵法、基于混沌粒子群的二维Tsallis灰度熵法、基于布谷鸟算法的二维Renyi灰度熵法相比,所提出的方法能够准确实现图像分割,且运算速度有所提升。

基于二维Arimoto灰度熵的图像阈值分割快速迭代算法

现有的Arimoto熵阈值法仅依赖于灰度直方图分布,且计算最佳阈值时需搜索整个解空间,效率不高.为此,文中提出了一种二维Arimoto灰度熵阈值分割的快速迭代算法.首先,提出了一维Arimoto灰度熵阈值选取的快速迭代算法;然后,考虑图像目标和背景的类内灰度均匀性,导出了基于灰度-平均灰度级直方图的Arimoto灰度熵阈值法,并给出了中间变量的快速递推公式;最后,提出了二维Arimoto灰度熵阈值选取的快速迭代算法,推导了相应的公式,大大减少了运算量.实验结果表明,文中所提算法运行速度快,分割性能优于现有的5种同类阈值分割算法,分割后图像中的目标完整,边缘纹理清晰,细节更为丰富.

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上,根据图像目标和背景内部像素灰度值的一致性和集中性,提出了一种新的图像分割隶属度函数,从而得到最小模糊熵分割方法.本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息,抗噪声能力差的缺点,提出了基于二维灰度直方图的模糊熵分割算法.本实验结果证明,最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果,而二维分割方法对于绝大多数图像,都具有很强的鲁棒性和抗噪能力,分割效果明显优于一维的方法,而且方便地推广到其他的一维熵分割方法中.

基于灰度差分和二维最大熵阈值的新闻字幕检测

针对新闻视频帧中文本区域的定位提取问题,提出了一种有效的字幕定位提取方法。通过灰度差分和变异灰度直方图对新闻视频帧字幕区域定位,再经改进的二维最大熵阈值方法对分割出的文字区域进行二值化,得到可识别的文字图片。最后对文本定位和OCR识别情况进行了算法对比。实验表明,与传统的投影法和最大熵方法相比,该方法可有效地提高文本定位的查全率和OCR的识别率。

基于分解的二维指数灰度熵图像阈值分割

现有最大Shannon熵或Tsallis熵阈值选取方法仅仅依赖于图像灰度直方图的概率信息,而没有直接考虑类内灰度的均匀性;且用对数定义的Shannon熵还存在无定义值和零值的问题。为此,提出了一维和基于分解的二维指数灰度熵阈值分割方法。首先给出了指数灰度熵的定义及其一维阈值选取方法;然后将其推广得到二维指数灰度熵阈值选取公式,提出了基于分解的二维指数灰度熵阈值分割方法。通过分别求原像素灰度级图像和邻域平均灰度级图像的一维指数灰度熵最佳阈值,并将其组合求解二维指数灰度熵最佳阈值,大大缩小了搜索空间,使计算复杂度由O(L4)降为O(L)。实验结果表明,与基于基本粒子群算法的二维最大Shannon熵法、二维最大Tsallis熵法以及采用递推的二维交叉熵法相比,所提出方法的分割效果具有明显的优势,且运行时间大幅减少。

基于蜂群优化或分解的二维Arimoto灰度熵阈值分割

现有的Arimoto熵阈值法未考虑图像目标和背景的类内灰度均匀性,为此提出基于蜂群优化和基于分解的二维Arimoto灰度熵阈值分割方法.定义Arimoto灰度熵,导出二维Arimoto灰度熵阈值法,分别利用基于蜂群优化和基于分解的方法求解最佳阈值.基于蜂群优化方法给出中间变量的快速递推公式,利用改进的人工蜂群(MABC)优化算法搜索最佳阈值,减少迭代时适应度函数中的冗余运算.基于分解方法将求解二维Arimoto灰度熵阈值法的运算转化到2个一维空间,进一步降低计算复杂度.实验结果表明:与近年来提出的3种同类方法相比,所提出方法的分割性能更优,分割后图像中目标完整、边缘纹理清晰,具有良好的抗噪性.同时,所提出的方法运行速度快,有望满足实际系统对分割的实时处理要求.

二维模糊划分最大熵图像分割算法

该文提出了一种通过最大化二维直方图模糊划分熵分割灰度图像的新算法。首先介绍了模糊划分的原理,提出用条件概率与条件熵定义模糊划分熵。随后利用多维三角模定义了非相关模糊子集的广义直积,给出构造多维模糊划分的方法,并根据最大熵原理设计了一种基于二维直方图模糊划分熵分割灰度图像的新算法。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。

融合二维条件熵和脉冲耦合神经网络的图像分割算法

为了在中强度背景噪声图像分割下提高分割精度和处理速度,提出了一种融合二维条件熵和脉冲耦合神经网络(PCNN)的图像分割算法。该算法在分析PCNN阈值衰减规律的基础上,将原指数形式替换成线性衰减机制,构成线性门限-脉冲耦合神经网络模型,以降低循环迭代的总耗时量。此外,借助能够很好地反映图像边缘细节等局部结构信息的灰度-梯度共生矩阵,将抗噪性能强的条件熵扩展为二维测度,进而形成最大二维条件熵客观判决准则,以获得PCNN的最佳阈值。实验表明,与基于交叉熵的PCNN算法相比,拥有更强的抗噪鲁棒性,同时处理效率也得到明显提升。

基于最优家族遗传算法的改进二维熵图像分割

分析了最大二维熵图像分割算法的基本原理,提出了一种改进的二维熵图像分割算法.该算法同时考虑了孤立像素点的灰度信息和像素点的空间相关性,并对目标的边缘进行检测,因此保留了更多的图像边缘信息.引入搜索区域、群体规模可变的最优家族遗传算法对阈值进行搜索,不仅提高了算法的搜索速度,而且避免了早熟现象.实验结果表明,分割256×256的Lena图100次,平均时间为1 5937s,平均进化代数为2 5037,且边缘信息得到了很好保留.改进算法在分割速度和分割精度上比普通二维熵的分割算法有显著的提高,说明了算法的有效性.

基于二维最大熵阈值的SAR图像分割算法

本文针对复杂陆地SAR图像,提出改进的图像二维最大熵阈值分割法,在检测门限的判别函数中引入加权系数。由于加权系数的引进,增强了模型对复杂陆地SAR图像的适应能力,提高了图像分割的精度,降低了漏警率和虚警率,取得了较好的分割效果。

灰度图像最大熵分割方法的改进

传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。

基于二维倒数灰度熵的河流遥感图像分割

为进一步提高河流检测与识别系统中河流遥感图像分割的准确性和处理速度,提出了分解的二维倒数灰度熵河流遥感图像阈值分割方法.首先引入了倒数灰度熵,避免了香农熵中的无定义点问题,给出了一维倒数灰度熵阈值选取方法,考虑了图像灰度级概率及类内像素灰度均匀性;然后经推广导出了二维倒数灰度熵最佳阈值选取公式,增强了抗噪性;最后提出了二维倒数灰度熵的分解算法,将求解二维最佳阈值转化成分别求解灰度级图像和邻域平均灰度级图像的一维最佳阈值,运算量从O(L4)大幅降低至O(L).经大量实验验证,与改进的Otsu法、基于粒子群优化(PSO)的二维最大香农熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分倒数熵法相比,该方法在对河流遥感图像的分割效果和处理速度方面有明显优势.

二维直方图θ划分最大Shannon熵图像阈值分割

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,提出了适用面更广的基于二维直方图θ划分和最大Shannon熵的图像阈值分割算法.首先给出了二维直方图θ划分方法,采用四条平行斜线及一条其法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45°的特例;然后导出了二维直方图θ-划分最大Shannon熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值.与常规二维直方图直分最大Shannon熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减小.

基于最大模糊熵和微粒群的双阈值图像分割

基于最大模糊熵准则和微粒群算法,提出了一种新的双阈值图像分割方法。该方法通过定义3种模糊隶属度函数,将图像模糊划分为暗、灰和亮3个不同的区域。同时采用微粒群算法搜索最大模糊准则下模糊参数的最优组合,进而确定图像的两个最佳分割阈值。仿真结果表明,该算法具有良好的分割效果和较强的实时处理能力。

利用高速收敛PSO或分解进行二维灰度熵图像分割

首先,定义了灰度熵并导出了相应的二维灰度熵阈值选取公式;其次,利用高速收敛PSO算法寻找二维灰度熵法的最佳阈值,并采用递推方式避免迭代过程中适应度函数的重复计算;最后,将二维灰度熵的运算转换到两个一维空间上,计算复杂度由O(L2)进一步降为O(L)。实验结果表明,与基于粒子群的二维最大Shannon熵法相比,所提出的两种方法的分割效果具有明显优势,且运行时间大幅减少。

最小模糊熵算法在SAR影像溢油检测中的应用

针对溢油SAR影像的油膜识别不准确的问题,该文引入最小模糊熵的图像分割方法,构建基于一维灰度直方图与二维灰度直方图的最小模糊熵隶属度函数,并基于模糊熵分割算法对试验影像进行处理。实验结果表明:最小模糊熵的分割算法能够对SAR影像实现比较好的油膜分割效果,且二维的模糊熵分割效果由于加入了图像灰度邻域信息,抗噪能力更强,分割效果要优于一维的模糊熵分割算法。同时,实验验证对于直方图双峰特性不明显的图像,采用最小模糊熵的的分割效果要优于最大模糊熵。