基于Tsallis熵的阈值图像分割方法研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:lvbei2008
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图像分割就是将图像中感兴趣的部分提取出来,它是计算机低级视觉中最基本最重要的研究内容,是成功进行图像分析、理解与描述的关键技术。图像分割的质量直接影响下一步进行的分析、识别和解释的质量。在过去的二十几年里,研究人员广泛深入地研究了Shannon熵阈值分割方法,取得了较好的效果。但Shannon熵所具有的广延性(或者可加性)使得它在阈值选择过程中忽略了目标和背景概率分布之间的相互关系,造成分割结果的不准确。Tsallis熵是Shannon熵的一种推广形式,它具有非广延性(或者伪可加性),能够描述具有长相关、长时间记忆和分形结构的物理过程。论文将Tsallis熵的这种特性应用到阈值图像分割中。在阈值的选择过程中,利用Tsallis熵的非广延性,进一步考虑目标和背景概率分布之间的相互关系,提高了分割的准确性。具体地讲,论文做了以下几个方面的工作:首先,给出了最小Tsallis交叉熵阈值分割方法。该方法利用Tsallis交叉熵来度量目标和背景之间的信息差异量。由于Tsallis交叉熵所表示的信息差异量进一步考虑了目标和背景之间的相互关系,其分割结果的准确性比基于Shannon熵的最小交叉熵方法有了很大地提高。其次,将最小Tsallis交叉熵阈值法推广到二维情形,给出了最小二维Tsallis交叉熵阈值法,并采用粒子群优化算法来搜索最佳二维阈值向量。二维最小Tsallis交叉熵阈值法不仅考虑了图像的灰度信息而且考虑了象素之间的空间邻域信息,提高了算法的抗噪声能力。最后,考虑到图像处理中存在很多模糊信息,给出了模糊Tsallis熵阈值分割方法。首先利用参数化的隶属度函数将图像模糊化,得到关于目标和背景的模糊2-划分,然后给出模糊2-划分Tsallis熵的定义。最后通过寻找恰当的隶属度函数的参数组合,最大化模糊2-划分的Tsallis熵来选择阈值。实验结果表明,该方法具有良好的分割性能。
其他文献
随着我国不断加剧的人口老龄化现象,落后的养老产业已经无法满足日益增长的养老需求。因而,对现有有限资源的最大化利用就成为亟待解决的重要问题。应用决策树分类算法,建立
模式识别是人们日常生活、工作、学习中的基本活动,须臾不可或缺。视觉是人类最完善的感知系统,图像载体可以提供多维信息,在相当多的情况下是任何其他信息形式不能替代的。因此
在简要介绍调压铸造工艺流程的基础上,本文提出了TY-1型调压铸造控制系统的设计方案。在手动控制系统方面,论文中主要叙述了手动控制电路的设计,包括电磁阀控制电路的设计、期望
随着Internet的迅速发展,网络信息不断膨胀。为了提供高效、准确的信息服务,我们需要对网络中纷繁芜杂的信息进行合理的组织与分类。论文以网络文本信息处理为背景,从理论和应用
非线性系统在实际中广泛存在,建立非线性系统的模型是精确分析系统性能、实现系统高精度控制的基础,它包括确定模型的结构和估计模型的参数。由于还不能找到一种通用的结构来描