利用混沌PSO或分解的2维Tsallis灰度熵阈值分割
现有最大Shannon熵或Tsallis熵阈值选取方法没有从类内灰度均匀性出发,而仅依据图像灰度直方图,并且Tsallis熵法的分割效果通常优于Shannon熵法.为此,提出了基于混沌粒子群优化(PSO)和基于分解的两种2维Tsallis灰度熵阈值分割方法.首先,给出了1维Tsallis灰度熵阈值选取方法并将其推广到2维,导出了相应的2维Tsallis灰度熵阈值选取公式及其递推算法;其次,利用混沌PSO算法搜寻2维Tsallis灰度熵法的最佳阈值,并采用递推方式去除迭代过程中适应度函数的冗余运算,大大提高了运行速度;最后,将2维Tsallis灰度熵阈值选取方法的运算转化为两个1维Tsallis灰度熵法的运算,计算复杂度从O(L2)进一步降低到O(L).实验结果表明,与2维最大Shannon熵法、2维最大TsMlis熵法及2维Tsallis交叉熵法相比,所提出的两种方法可以大幅提高图像分割质量和算法运行速度.
图像分割、阈值选取、2维Tsallis灰度熵、混沌粒子群优化、分解、递推算法
17
TN911.73;TP391.41
国家自然科学基金项目60872065;光电控制技术重点实验室与航空科学基金联合资助项目20105152026;南京大学计算机软件新技术国家重点实验室开放基金项目KFKT2010B17
2012-10-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
902-910