最大模糊互信息用于图像分割

doi:10.3778/j.issn.1002-8331.2009.20.001

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 1-5.DOI: 10.3778/j.issn.1002-8331.2009.20.001

最大模糊互信息用于图像分割

张煜东¹,吴乐南¹,韦耿¹,吴含前²,郭永亮³

1.东南大学信息科学与工程学院，南京 210096
2.东南大学软件学院，南京 210096
3.东南大学移动通信国家重点实验室，南京 210096

收稿日期:2009-02-24 修回日期:2009-03-30 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 张煜东

Maximum fuzzy mutual information used for image segmentation

ZHANG Yu-dong¹,WU Le-nan¹,WEI Geng¹,WU Han-qian²,GUO Yong-liang³

1.School of Information Science & Engineering，Southeast University，Nanjing 210096，China
2.School of Software，Southeast University，Nanjing 210096，China
3.National Mobile Communication Research Laboratory，Southeast University，Nanjing 210096，China

Received:2009-02-24 Revised:2009-03-30 Online:2009-07-11 Published:2009-07-11
Contact: ZHANG Yu-dong

摘要/Abstract

摘要： 为了更好地选取图像阈值，将最大模糊熵（MFE）准则与最大互信息（MMI）准则结合，提出最大模糊互信息（MFMI）准则。同时为了有效确定最佳分割类数，提出根据模糊互信息差（dFMI）来判别的准则。综合上述的两点改进，提出一种新的多阈值分割算法——最大模糊互信息量分割算法（MFMI）。对合成图像、无损检测图像、标准测试图像进行仿真，同时对比结合前的MFE与MMI，经典的阈值分割法如OTSU和MET，以及流行的模糊C均值算法（FCM），可以发现MFMI误判率最小，代价是运行时间较长。综上，MFMI是一个有效的图像分割方法。

关键词: 图像分割, 模糊集, 互信息量

Abstract: A novel multi-threshold image segmentation method，Maximum Fuzzy Mutual Information（MFMI），is proposed on the basis of MFMI principle which combines the Maximum Fuzzy Entropy（MFE） and Maximum Mutual Information（MMI） principles to adopt the threshold more efficiently，and differential Fuzzy Mutual Information（dFMI） principle to determine the best number of clusters.Experiments on synthesized images，nondestructive testing images，and standard testing images demonstrate that MFMI is the most powerful in terms of classification error and penultimate in respect of computation time compared with MFE and MMI，OTSU and MET，FCM.In conclusion，MFMI is a valid and effective method for image segmentation.

Key words: image segmentation, fuzzy set, mutual information

张煜东¹,吴乐南¹,韦耿¹,吴含前²,郭永亮³. 最大模糊互信息用于图像分割[J]. 计算机工程与应用, 2009, 45(20): 1-5.

ZHANG Yu-dong¹,WU Le-nan¹,WEI Geng¹,WU Han-qian²,GUO Yong-liang³
. Maximum fuzzy mutual information used for image segmentation[J]. Computer Engineering and Applications, 2009, 45(20): 1-5.

[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]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	包顺，周礼刚. 加型Pythagorean模糊偏好关系的多属性决策方法[J]. 计算机工程与应用, 2021, 57(17): 61-67.
[11]	张俊芳，周礼刚，张春芳，徐鑫，肖箭. 区间Pythagorean犹豫模糊连续熵及灰色关联度的应用[J]. 计算机工程与应用, 2021, 57(15): 207-214.
[12]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[13]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[14]	姜娇，蔡林沁，韦鹏程，李莉. 支持可验证的密文模糊关键字检索方案[J]. 计算机工程与应用, 2020, 56(7): 74-80.
[15]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.

最大模糊互信息用于图像分割

Maximum fuzzy mutual information used for image segmentation

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