基于灰度-梯度二维对称Tsallis交叉熵的阈值分割

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (19): 194-199.

基于灰度-梯度二维对称Tsallis交叉熵的阈值分割

朱磊1，吉峰2，白瑞林1

1.江南大学轻工过程先进控制教育部重点实验室信息与控制实验教学中心，江苏无锡 214122
2.无锡信捷电气股份有限公司，江苏无锡 214072

出版日期:2015-09-30 发布日期:2015-10-13

Thresholding segmentation based on gray-gradient 2-D symmetric Tsallis cross entropy

ZHU Lei1, JI Feng2, BAI Ruilin1

1.Information and Control Experiment Teaching Center, Key Laboratory of Advanced Process Control for Light Industry（Ministry of Education）,

Jiangnan University, Wuxi, Jiangsu 214122, China
2.Xinje Electronic Co., Ltd., Wuxi, Jiangsu 214072, China

Online:2015-09-30 Published:2015-10-13

摘要/Abstract

摘要： 针对灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法存在错分、计算复杂度较高问题，提出一种基于灰度-梯度二维对称Tsallis交叉熵的阈值分割方法。构建新的灰度-梯度二维直方图，更加全面地考虑目标点和背景点；导出基于该直方图区域划分的对称Tsallis交叉熵阈值选取公式；采用基于tent映射的混沌小生境粒子群优化算法搜寻二维最佳阈值向量，并引入快速递推算法降低其适应度函数的计算复杂度。实验结果表明，与基于灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法相比，该方法能够使分割后的图像边缘更加准确，类内灰度更加均匀，且实时性提高了30倍。

关键词: 阈值分割, 对称Tsallis交叉熵, 二维直方图, 快速递推算法, 混沌小生境粒子群

Abstract: 2-D Tsallis cross entropy thresholding segmentation based on gray level-average gray level histogram exists misclassification, higher computational complexity. So thresholding segmentation based on gray-gradient 2-D symmetric Tsallis cross entropy is proposed. Firstly, a new 2 -D histogram based on gray-gradient is created, and more fully considers the object points and background points. Then, the formulas of symmetric Tsallis cross entropy threshold selection based on the histogram zoning are derived. Finally, chaotic niche particle swarm optimization algorithm based on tent map is used to search for 2-D optimal threshold vector, and fast recursive algorithm is introduced to reduce the computational complexity of the fitness function. Experimental results show that this method enables the edge of the segmented image more accurate, more uniform gray within the class, and real-time increased by 30-fold, compared with 2-D Tsallis cross entropy segmentation based on gray level-average gray level histogram.

Key words:

threshold segmentation, symmetric Tsallis cross entropy, 2-D histogram, fast recursive algorithm, chaotic niche particle swarm

optimization

朱磊1，吉峰2，白瑞林1. 基于灰度-梯度二维对称Tsallis交叉熵的阈值分割[J]. 计算机工程与应用, 2015, 51(19): 194-199.

ZHU Lei1, JI Feng2, BAI Ruilin1. Thresholding segmentation based on gray-gradient 2-D symmetric Tsallis cross entropy[J]. Computer Engineering and Applications, 2015, 51(19): 194-199.

[1]	宋杰，许冰，杨淼中. 基于自适应步长果蝇优化算法图像分割[J]. 计算机工程与应用, 2020, 56(4): 184-190.
[2]	谭正华，戴立平，文阳，李国泰. 基于约简属性和阈值分割的决策树构建方法[J]. 计算机工程与应用, 2020, 56(22): 160-165.
[3]	姜圣涛，穆学文. 广义模糊熵图像阈值分割参数选取的ADE方法[J]. 计算机工程与应用, 2018, 54(9): 183-188.
[4]	杨恢先1，颜微2，谭正华2，李淼1，蔡勇勇1. 改进的灰度-局部方差二维直方图图像分割[J]. 计算机工程与应用, 2017, 53(4): 209-213.
[5]	苏晋鹏，陈恩俊，景嘉帅，王文君，王之彦，孙云山. 基于阈值分割的暗原色先验图像去雾方法[J]. 计算机工程与应用, 2017, 53(3): 205-210.
[6]	刘笃晋1，2，贺建英1，周思吉1，胡月1. 双搜索人工蜂群算法的彩色图像多阈值分割[J]. 计算机工程与应用, 2017, 53(12): 203-207.
[7]	黄震1，赵建伟1，楚建军2，曹飞龙1. 高效的白细胞分割算法[J]. 计算机工程与应用, 2016, 52(21): 188-194.
[8]	凡莉，周绍光. 二维直方图分水岭分割方法的研究[J]. 计算机工程与应用, 2015, 51(4): 170-174.
[9]	刘晓俊，孙永荣，王潇潇，杨博文. 近距大偏角圆形目标的检测[J]. 计算机工程与应用, 2015, 51(16): 210-214.
[10]	朱磊1，白瑞林1，吉峰2. 光照不均匀图像的灰度波动局部阈值分割[J]. 计算机工程与应用, 2015, 51(12): 144-149.
[11]	王刚，石守东，郑凯辉. 基于图像修复的网线绕距测量方法研究[J]. 计算机工程与应用, 2014, 50(4): 166-169.
[12]	杨雪丹，刘文萍. 基于阈值及像素聚类的分割算法性能比较[J]. 计算机工程与应用, 2014, 50(2): 183-188.
[13]	毛金莲. 基于颜色曲线分析的快速焊缝条纹提取方法[J]. 计算机工程与应用, 2014, 50(11): 192-196.
[14]	赵凤，范九伦. 融合非局部空间灰度信息的三维Otsu法[J]. 计算机工程与应用, 2013, 49(3): 30-33.
[15]	张书真，黄光亚. 基于三维指数灰度熵的快速图像分割算法[J]. 计算机工程与应用, 2013, 49(21): 119-122.