模糊最大熵多阈值分割的改进算法研究

doi:10.3778/j.issn.1002-8331.2009.32.055

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (32): 174-177.DOI: 10.3778/j.issn.1002-8331.2009.32.055

• 图形、图像、模式识别 • 上一篇下一篇

模糊最大熵多阈值分割的改进算法研究

杨凯，蒋华伟

河南工业大学信息科学与工程学院，郑州 450001

收稿日期:2009-03-05 修回日期:2009-05-07 出版日期:2009-11-11 发布日期:2009-11-11
通讯作者: 杨凯

Research of improved algorithm for multilevel thresholding image segmentation based on fuzzy maximum entropy

YANG Kai，JIANG Hua-wei

College of Information Science and Engineering，Henan University of Technology，Zhengzhou 450001，China

Received:2009-03-05 Revised:2009-05-07 Online:2009-11-11 Published:2009-11-11
Contact: YANG Kai

摘要/Abstract

摘要： 基于模糊最大熵原则的多阈值分割，提出了遗传算法和ICM相结合的改进算法。该方法首先确定选取模糊熵函数作为适应度函数，然后对遗传算法中的编码方式、交叉算子、变异算子等参数进行了一些适当改进，进而给出了该算法的理论推导和算法的具体实现步骤。与通常的基于模糊最大熵原理进行阈值分割方法相比较，减少了计算量并且提高了运行效率，克服了常用方法在阈值求取时的一些不足，能够快速获得稳定的阈值。对比实验得出的结果，也说明了该方法的快速性、有效性、稳定性。

关键词: 图像分割, 模糊最大熵, 多阈值, 条件迭代法, 遗传算法

Abstract: Based on fuzzy maximum entropy for multilevel thresholding image segmentation，a novel improved algorithm combining genetic algorithm and ICM algorithm is proposed.First of all，the fuzzy maximum entropy function is used as the adaptation of genetic algorithm.Then improvements are appropriately made on parameter，lastly step of the new algorithm is proposed.The new algorithm overcomes some weaknesses of the traditional entropy methods，reduces times of computation and enhances efficiency of computation.Experimental results demonstrate that the new algorithm has some advantages，such as speediness，validity and practicability.

Key words: image segmentation, fuzzy maximum entropy, multilevel threshold, Iterated Conditional Modes（ICM）, genetic algorithm

中图分类号:

TP39

杨凯，蒋华伟. 模糊最大熵多阈值分割的改进算法研究[J]. 计算机工程与应用, 2009, 45(32): 174-177.

YANG Kai，JIANG Hua-wei. Research of improved algorithm for multilevel thresholding image segmentation based on fuzzy maximum entropy[J]. Computer Engineering and Applications, 2009, 45(32): 174-177.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[6]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[7]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[8]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[9]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[12]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[13]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[14]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[15]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.

模糊最大熵多阈值分割的改进算法研究

Research of improved algorithm for multilevel thresholding image segmentation based on fuzzy maximum entropy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics