基于最大互信息量的图像自动优化分割
由于传统的阈值分割算法只考虑到图像的灰度信息,而忽略了灰度的空间分布以及分割后图像与原图像之间的关系,因而分割效果不好.为了提高分割效果,从分割图像与原图像的内在联系出发,提出了一种新的基于K均值算法与互信息量(mutual information,MI)技术相结合的分割算法.新算法首先利用K均值算法确定全局阈值作为初值;然后以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值.这是将图像配准方法用于分割的一种创新性尝试.通过对大量医学图像以及汽车牌照图像进行的实验结果表明,该新算法所得到的目标图像的边界特征保持完好,不仅虚假目标信息大大降低,而且图像边界细腻、连续,且定位性能好.
图像分割、阈值、互信息量、K均值算法
13
TP391.41(计算技术、计算机技术)
国家重点基础研究发展计划973计划2003CB716103;广东省自然科学基金06024119
2008-06-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
658-661