最大倒数熵/倒数灰度熵多阈值选取

现有的基于Shannon熵的阈值选取方法存在无定义值和零值的缺陷,并且没有考虑目标和背景类内灰度的均匀性。为此,本文针对多目标(背景)图像分割问题,提出了基于最大倒数熵/倒数灰度熵和自适应双粒子群优化(Adaptive Chaotic Variation Particle Swarm Optimization,ACPSO)的多阈值选取方法。首先将最大倒数熵单阈值选取推广到多阈值选取;然后定义了倒数灰度熵,导出了基于最大倒数灰度熵的单阈值和多阈值选取公式;最后给出最大倒数熵/倒数灰度熵多阈值选取的ACPSO算法步骤,实现对多个阈值快速精确地寻优。实验结果表明,与现有的同类方法—基于最大Shannon熵和粒子群优化(Particle Swarms Optimization,PSO)的多阈值选取方法相比,本文提出的方法有明显的优势,已应用于红外弱小目标检测中的阈值分割和卫星云图识别中的数字云图分割,取得了极佳的分割效果。

基于量子粒子群优化的加权平均倒数熵阈值法参数选取

考虑到目标和背景对图像分割的不同影响,提出了一种对目标和背景类的倒数熵进行加权平均的阈值分割方法。同时,针对该方法中权重参数m的选取问题,给出一种利用量子粒子群优化算法自适应选取参数的优化策略,依据图像分割质量评价均匀性准则对权重参数m在(0,1)区间进行全局寻优,进而实现了加权平均倒数熵阈值分割方法的自动阈值选取。研究结果表明,该方法可获得比传统熵阈值法更好的分割效果。

基于混沌粒子群优化的倒数熵阈值选取方法

基于信息熵的方法是一类重要的阈值选取方法,但现有的最大熵方法存在无定义值问题。为此,提出了基于倒数熵的阈值选取方法。首先给出了倒数熵的定义及一维阈值选取方法,导出了基于二维直方图区域直分及区域斜分的倒数熵阈值选取算法公式;然后考虑到二维倒数熵分割运算量较大,提出利用混沌小生境粒子群算法来寻找最优阈值,避免了算法早熟,提高了搜索精度和算法效率。实验结果表明:二维倒数熵阈值选取的斜分方法在抗噪性和运算时间上优于直分方法;而与基于粒子群优化的二维最大熵方法相比,本文提出的基于混沌小生境粒子群优化的二维倒数熵斜分法在运行时间上降低了约40%,分割效果更佳。

利用倒数灰度熵和改进Chan-Vese模型进行SAR河流图像分割

为了进一步提高合成孔径雷达(SAR)图像中河流分割的精度和速度,提出了一种基于人工蜂群优化的倒数灰度熵多阈值选取与改进Chan-Vese(CV)模型相结合的分割方法。考虑SAR图像中河流目标和背景类内灰度的均匀性,提出了基于蜂群优化的倒数灰度熵多阈值选取方法,以此对河流图像进行粗分割;针对基本CV模型收敛速度低、对初始条件敏感的问题,利用图像边缘强度取代Dirac函数,将粗分割结果作为改进CV模型的初始条件,对河流图像进行细分割。大量试验结果表明,所提出的分割方法无须设置初始条件,运行速度快,分割精度高。

基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则，解决了Shannon熵定义中存在的无意义值问题。同时，以二维直方图斜分方式更加准确地划分目标和背景，提高了算法抗噪性能，且使需要选取的阈值个数由两个变为一个，减少了算法运行时间。此外，采用蜂群优化算法加速对最佳阈值的搜索，使速度提升了约80％～140％，进一步提高了算法的实时性。最后，针对火焰图像进行了大量实验，并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化（NCPS0）的二维斜分最大倒数熵法进行了比较。结果表明，提出的方法在分割效果上优势明显，且抗噪性能更好，是一种实时有效的火焰图像分割方法。

面向医学图像分割的直线截距直方图倒数交叉熵方法

为了进一步提高医学图像分割的速度和准确度,为临床诊断和辅助治疗提供更为充分有效的依据,本文提出了一种基于直线截距直方图的倒数交叉熵图像阈值分割方法。首先定义了直线截距直方图;然后根据医学图像的二维信息,建立该图像的直线截距直方图;最后,推导出基于该直方图的倒数交叉熵阈值选取准则,并以此对医学图像进行分割。实验结果表明,与基于混沌小生境粒子群优化(Niche chaotic mutation particle swarm optimization,NCPSO)的二维倒数熵法、基于分解的二维指数灰度熵法、基于斜分的二维对称交叉熵法及基于粒子群优化(Particle swarm optimization,PSO)的二维Tsallis交叉熵法相比,本文方法分割后的图像中目标区域完整准确,边缘细节清晰丰富,且所需运行时间大幅减少,是医学影像研究中可选择的一种快速有效的图像分割方法。

分解的二维倒数交叉熵图像阈值选取

Shannon熵常用于表示信息平均不确定性,但因其定义基于对数函数故存在零点处无意义的缺陷,且二维交叉熵法中若能避免对数运算可使处理速度进一步提升。据此,本文提出了基于分解的二维倒数交叉熵图像阈值选取方法。首先定义了倒数交叉熵,依据分割前后图像之间的最小倒数交叉熵选取阈值;然后给出了二维倒数交叉熵定义及其阈值选取公式,提出了二维倒数交叉熵阈值选取的分解算法。通过求解两个一维倒数交叉熵的最佳阈值,再将其组合获得二维倒数交叉熵最佳阈值,由此将二维运算分解为两个一维运算,算法的计算复杂度从O(L4)降低到O(L)。大量实验结果表明,与基于粒子群优化(Particle Swarm Optimization,PSO)的二维最大Shannon熵法、基于粒子群优化的二维Shannon交叉熵法以及二维指数交叉熵法相比,本文方法的分割效果和运行速度均有优势。

锅炉煤燃烧火焰图像倒数交叉熵多阈值分割

为了快速准确地进行锅炉煤燃烧火焰图像的分割,提出了基于倒数交叉熵的多阈值分割方法,以弥补现有Shannon交叉熵方法因涉及对数运算而存在无定义值和零值的缺陷,并提升算法运算速度.首先定义了倒数交叉熵,导出了最小倒数交叉熵单阈值选取公式,证明了倒数交叉熵在灰度均匀分布时和Shannon交叉熵等价;然后将此推广到多阈值选取,给出最小倒数交叉熵多阈值选取的改进粒子群优化算法,实现对多个阈值快速精确地寻优;最后针对火焰图像进行了大量的实验.结果表明,与基于改进粒子群优化的最大Shannon熵、灰度熵、Otsu、Shannon交叉熵等方法相比,该方法能够更为准确地对火焰图像进行多阈值分割,而且计算速度比Shannon交叉熵方法大大加快.

倒数交叉熵和改进图割结合的河流目标检测

为了克服交互式图割方法选取种子点的随意性和由此导致的分割结果的不准确性,提出了使用倒数交叉熵阈值分割和改进图割结合的河流目标自动提取方法。先利用倒数交叉熵阈值选取准则对河流图像进行初始分割,从初始分割结果中自动选取种子点。然后利用改进图割方法对河流遥感图像进行分割。改进图割中利用高斯混合模型对种子点区域进行建模,并利用结构张量矩阵计算平滑项。最后使用连通域检测方法去除小的连通域并得到最终结果图像。与交互式图割、基于倒数交叉熵和图割等4种方法进行了比较,实验结果表明提出方法得到的分割图像最为精确,分割效果最好。

倒数粗糙熵图像阈值化分割算法

基于粗糙集理论的粗糙熵阈值法不需要图像之外的先验信息。粗糙熵阈值法需要解决两个问题,一是图像信息不完整性的度量,二是图像的粒化。该文基于倒数信息熵,提出一种倒数粗糙熵用来度量图像中信息的不完整性。为了更好地对图像进行粒化,采用一种基于均匀性直方图的粒子选取方式。该文提出的倒数粗糙熵表述简洁,计算简单。实验验证了该文方法的有效性。

基于Curvelet变换和多目标粒子群的混合熵MRI图像多阈值分割

针对因噪声干扰多、灰度不均匀、目标边界模糊导致的核磁共振成像(MRI)图像难以精确分割的问题,提出了一种基于Curvelet变换和多目标粒子群(MOPSO)的混合熵MRI图像多阈值分割算法。首先,对待分割MRI图像进行Curvelet分解,提取低频子带和高频细节子带构建概貌-细节灰度级矩阵模型,以提高算法的目标细节表示能力;其次,同时考虑目标与背景的类间差异性与类内均匀性,将提出的二维多阈值倒数熵和倒数灰度熵组合定义为混合熵,作为多目标粒子群算法的目标函数,协同搜索得到最优的分割多阈值,以实现MRI图像的精确分割;最后,为提高算法的求解速度,提出了二维倒数熵和倒数灰度熵多阈值选取的梯度算法。实验结果表明:与二维tsallis熵、自动细菌觅食分割法(ABF)和改进的Otsu多阈值分割算法相比,所提方法对灰度不均和含噪的MRI图像具有更好的适应性,分割结果更为精确。

基于边缘与区域结合的光学遥感图像舰船分割方法

针对光学遥感图像中舰船目标分割精度低等问题,提出了一种基于边缘与区域结合的图像中舰船目标分割方法。首先,利用导向滤波改进Canny算法对待分割舰船遥感图像进行预处理,以保持边缘完整结构,得到舰船目标粗分割结果;然后,提出基于布谷鸟搜索优化的倒数灰度熵阈值选取方法进行舰船目标细分割;最后,引入形态学方法对分割结果进行修正,确保舰船目标的完整性。大量试验结果表明,该方法表现出较优的分割性能,为舰船检测识别领域提供了更好的分割方案。

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.

直线截距直方图城区遥感图像多阈值分割

阈值分割简单有效,但现有的单阈值方法对城区图像分割效果不佳,难以取得令人满意的结果。为了快速准确地对城区遥感图像进行分割,本文提出了基于直线截距直方图倒数灰度熵和人工蜂群优化(artificial bee colony optimization,ABC)的多阈值分割方法。首先,给出直线截距直方图的定义并建立城区遥感图像的直线截距直方图;然后,计算该直方图倒数灰度熵的大小,推导出其单阈值选取公式;最后,将其推广到多阈值选取,并利用人工蜂群优化算法,对多个阈值进行快速精确地寻优,以此最终实现城区遥感图像的多阈值分割。实验结果表明,该方法所分割的图像中多目标的形状、边缘更为准确,纹理及细节特征更加清晰,且所需运行时间仅为同类多阈值分割方法的25%,是一种行之有效的城区遥感图像分割方法。

基于倒数交叉熵的改进脉冲耦合神经网络图像分割算法

针对脉冲耦合神经网络(pulse coupled neural network,PCNN)模型需要人工方式确定循环迭代次数,以及香农熵定义中基于对数函数存在零点处无意义的缺陷和对数运算影响处理速度等问题,提出了一种基于最小倒数交叉熵自适应生成迭代次数的PCNN图像分割算法.首先,对传统的PCNN模型进行简化,并对神经元的反馈输入函数、连接输入函数和动态阈值函数进行修正;然后,应用二维倒数交叉熵的分解算法,通过两个一维倒数交叉熵的组合获得二维倒数交叉熵;最后,采用最小倒数交叉熵准则确定PCNN网络的循环迭代次数,实现对图像的最优分割.仿真实验验证了该方法的有效性.

基于多尺度分解和FICA的多时相遥感影像变化检测

为了提高多时相遥感影像变化检测精度,提出了一种基于多尺度分解和快速独立成分分析(FICA)的变化检测方法。首先,用无下采样剪切波变换(NSST)分别对不同时期的遥感影像进行多尺度分解;其次,对分解后的数据基于FICA进行变化信息提取,经NSST逆变换得到变化图像;最后,建立直线截距直方图,选取倒数灰度熵为阈值,实现多时相遥感影像的变化检测。试验结果表明,该方法有较好的变化检测精确度和鲁棒性。

基于改进CV模型的SAR图像水域检测方法

为了能更快速、准确地将河流从背景中提取出来,提出了一种基于改进无边缘主动轮廓(Chan-Vese,CV)模型的合成孔径雷达(SAR)图像水域检测方法。首先,采用基于优化的人工蜂群(ABC)算法的倒数交叉熵多阈值选取方法提取初始水域;然后,在检测结果中引入移动因子改进传统CV模型,加快收敛速度的同时提高水域检测精度;最后,大量试验结果表明,该方法解决了单一阈值分割法分割精度不够高和传统CV模型收敛速度低、对初始条件敏感的问题,能更快速准确地分割出水域。

基于改进区域项CV模型的金相图像分割

为了解决传统Chan-Vese(CV)模型难以快速、精确提取金相晶粒的问题,提出一种基于改进区域项CV模型的金相图像分割方法。该方法利用倒数交叉熵阈值选取准则函数替代传统CV模型中能量函数的区域项,构造新的水平集模型。改进模型能够使分割前后图像的倒数交叉熵达到最小,更精确地分割噪声影响严重且局部灰度变化较大的金相图像;考虑到倒数交叉熵计算会增加算法复杂度,通过引入最大绝对中位差,自适应调整曲线内外的能量权重加速曲线的演化,添加距离规范项以避免水平集函数的重新初始化,加速模型的收敛。实验结果表明,与多种模型相比,改进模型在分割结果和分割效率方面均具有明显优势。