红外人体图像模糊Renyi熵快速分割

针对红外人体图像目标与背景对比度低、边缘模糊、细节分辨能力差等特点,以及通常情况下的实时性处理要求,提出了一种新的有效分割方法。基于Renyi熵原理,构造了一种广义模糊熵——模糊Renyi熵;为了较快地获得分割阈值,基于混沌理论设计了一种混沌模拟退火算法,用于最佳分割阈值的搜索;把提出的模糊熵与混沌模拟退火算法相结合用于红外人体图像分割,并与几种著名的图像阈值分割方法进行了比较。实验结果表明,用该方法对红外人体图像进行分割,能得到较满意的分割结果,与其他方法相比,鲁棒性较好;对具有256级灰度的图像进行分割,其CPU耗时约为0.8s,满足了红外人体图像分割的精确、实时性要求。

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。

基于模糊Renyi熵和区域增长的图像目标分割方法

为了实现快速精确的航空侦察图像目标分割,提出基于模糊Renyi熵和区域增长的分割方法。首先在Renyi最大熵分割的基础上,应用模糊隶属度函数,引入模糊Renyi熵,提高图像分割效果。然后为了获取种子点,提出了基于双金字塔和特征融合的显著性检测方法,并通过形态学重构开运算和区域极大值生成目标核心区域。最后,增长准则设计为将图像分割结果进行二值标记,然后选取与目标核心区域重叠最多的区域块为目标分割结果。实验结果表明,所提方法可实现复杂场景航空侦察图像舰船目标的快速和精确分割。

基于Renyi熵的图像模糊阈值分割

针对图像阈值分割问题,基于Renyi熵与模糊集理论,构造出一种模糊Renyi熵用于图像直方图阈值化分割。在建立的模糊Renyi熵基础上,依据最大熵原则获取用于阈值分割的最佳阈值。通过在大量真实图像上的实验,验证了提出方法的有效性。

模糊集的一类新广义熵

目的研究模糊集的一类新的广义熵。方法将离散随机变量的(k,q)阶广义熵推广到模糊集理论中,定义模糊集的(k,q)阶广义熵和q阶Shannon熵,讨论q阶Shannon模糊熵和q阶Re-nyi模糊熵之间的关系。结果得到了(k,q)阶广义熵和q阶Shannon模糊熵的一系列性质,并且证明了当q≥0.5时,q阶Shannon模糊熵是F(X)上的一个σ-熵。结论拓广了模糊熵,为模糊信息学的深入发展提出了新的思路。

基于混沌和声搜索算法的图像分割研究

为克服图像分割中图像目标与背景之间存在的对比度低、亮度分布不均匀以及在搜索最佳阈值的过程中有可能陷入局部最优解等问题,运用混沌和声搜索算法搜寻最佳阈值,将模糊Renyi熵与混沌和声搜索算法相结合进行图像分割。实验结果显示了该方法对红外人体图像以及单峰、双峰、多峰图像都有较好的分割效果。