自适应的最大散度差图像阈值分割法

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (15): 188-191.

自适应的最大散度差图像阈值分割法

祝贵1，杨恢先1，岳许要1，冷爱莲2，何雅丽1

1.湘潭大学光电工程系，湖南湘潭 411105
2.湘潭大学能源工程学院，湖南湘潭 411105

出版日期:2013-08-01 发布日期:2013-07-31

Thresholding image segmentation based on adaptive maximum scatter difference

ZHU Gui1, YANG Huixian1, YUE Xuyao1, LENG Ailian2, HE Yali1

1.Department of Photoelectric Engineering, Xiangtan University, Xiangtan, Hunan 411105, China
2.Energy Engineering College, Xiangtan University, Xiangtan, Hunan 411105, China

Online:2013-08-01 Published:2013-07-31

摘要/Abstract

摘要： 针对最大散度差准则运用到图像分割时存在参数C不确定的问题，借助模糊概念导出参数C的初步计算公式，用二分法的迭代思想自适应地优化参数C，使最大散度差分割法获得的分割阈值相应地优化到最佳。实验证明自适应的最大散度差阈值分割法能使分割后的图像区域更均匀、细节保留得更好。

关键词: 最大散度差, 图像分割, 模糊, 自适应

Abstract: Aiming at the uncertainty of parameter C in Maximum Scatter Difference（MSD） criterion applied in image segmentation, a preliminary formula is derived with fuzzy concept to calculate C, then optimize C adaptively based on dichotomy iterative, and the threshold obtained by MSD segmentation accordingly is optimized to a best value. Experimental results show that the Adaptive MSD（AMSD） segmentation can not only make the regions of the segmented image more uniform, but also keep the image details better.

Key words: maximum scatter difference, image segmentation, fuzzy, adaptive

祝贵1，杨恢先1，岳许要1，冷爱莲2，何雅丽1. 自适应的最大散度差图像阈值分割法[J]. 计算机工程与应用, 2013, 49(15): 188-191.

ZHU Gui1, YANG Huixian1, YUE Xuyao1, LENG Ailian2, HE Yali1. Thresholding image segmentation based on adaptive maximum scatter difference[J]. Computer Engineering and Applications, 2013, 49(15): 188-191.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[8]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[9]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[10]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[11]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[12]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[13]	代琪，李敏，刘洋，李丽红. 模糊层次商空间的快速属性约简算法[J]. 计算机工程与应用, 2021, 57(4): 55-60.
[14]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[15]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.