聂方彦, 张平凤, 潘梅森, 张 奋



基于Renyi熵与PSO算法的图像多级阈值分割

聂方彦*, 张平凤, 潘梅森, 张 奋

(湖南文理学院 图形图像处理技术研究所, 湖南 常德, 415000)

在图像阈值分割方法中, Renyi熵法因其显著效能而得到大量应用. 为了更好地发挥Renyi熵在图像分割中的应用, 提出把Renyi熵法扩展到图像多级阈值化问题. 然而, 由于计算时间复杂度上的高要求, 很难把这种有效的技术推广到复杂图像多级阈值化问题. 为减少本方法的计算时间, 应用粒子群优化算法实施最佳阈值的搜索. 实验结果表明, 本方法能有效地对图像进行多级分割, 并且显著降低计算时间.

图像分割; 多级阈值化; Renyi熵; 粒子群优化

图像分割是图像处理和前期视觉处理中的基本技术, 是大多数图像分析及视觉系统的重要组成部分, 也是成功进行图像分析、理解与描述的关键步骤, 在计算机视觉研究领域一直受到国内外众多研究人员的高度重视[1—6].

在图像分割方法中, 基于阈值化的技术由于其简洁有效性在图像分割领域一直得到众多研究人员青睐. 近年, 基于熵的全局阈值化图像分割方法被许多学者提出[3—6]. 两级阈值化是常用的图像分割方法, 当要对复杂图像进行分析时有必要对图像实施多级分割分别提取感兴趣目标[7—9]. 然而, 在众多基于熵的阈值化方法中, 由于计算上的复杂性, 把熵方法扩展到图像多级阈值化问题应用于复杂图像分析却少有论及. Sahoo等人[3]提出一种基于……