广义模糊熵图像阈值分割参数选取的ADE方法

摘要：

针对广义模糊熵图像阈值分割参数不能自动选取,提出自适应差分进化(Adaptive Differential Evolution, ADE)的广义模糊熵图像阈值分割方法.利用自适应差分进化算法作为优化工具来选取广义模糊熵阈值分割所需要的最佳参数,引入自适应变异算子和提出交叉概率自适应函数对优化过程进行控制,通过把参数带入广义模糊熵的补函数得到图像的阈值,进而得到图像最优分割.为验证其有效性与可行性,分别同基本图像质量评价准则的模糊熵图像阈值分割算法和粒子群优化广义模糊熵图像阈值分割算法相比较,实验表明,针对不同细节的图片,该算法所得分割结果多数情况下背景信息更少,目标信息更清晰,用时更短,分割更稳定且效果良好.

关键词：广义模糊熵、自适应差分进化、阈值分割、模糊集、补函数

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省自然科学基金2015JM1031;中央高校基本科研业务费JB150713

在线出版日期：2018-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：183-188,250