基于自适应量子遗传算法的图像阈值分割
2016-06-17关学忠尹廷武张新城王文峰
电子设计工程 2016年7期
关学忠,尹廷武,张新城,王文峰
(东北石油大学黑龙江大庆163318)
基于自适应量子遗传算法的图像阈值分割
关学忠,尹廷武,张新城,王文峰
(东北石油大学黑龙江大庆163318)
摘要:一维最大类间差法(Otsu)是一种广泛使用的图像阈值分割方法,虽然处理速度快,但是没有考虑到像素的领域空间信息,当图像受到噪声干扰等因素影响时,难以获得满意的分割效果,鉴于此,本文提出了一种基于自适应量子遗传算法和二维Otsu的分割方法。二维Otsu法兼顾了图像的灰度信息以及邻域信息,具有抗干扰以及分割精度高的优点,但存在计算量大、实时性差的缺点;利用自适应量子遗传算法则能迅速找到最佳分割阈值,提高运算速度。仿真实验表明,本文方法减少了阈值寻优的时间,提高了分割精度,同时兼具较强的抗干扰能力。
关键词:图像分割;二维Otsu;自适应量子遗传算法;阈值寻优
图像分割是图像预处理中的关键步骤,是更高层次图像识别和理解的基础,是图像处理中不可忽视的存在。阈值分割是图像分割中常用的方法,因为它简单并且有效,在计算机视觉以及图像识别等方面被广泛使用,人们熟知的阈值分割方法有最大熵法(KSW)[1]、最大类间差法(Otsu)[2]和区域生长法[3]等。
Otsu法基于图像的一维直方图灰度信息,以目标和背景的类间方差最大作为阈值选取准则,一方面由于图像的灰度直方图不一定出现明显的峰和谷,另一方面,图片受到噪声干扰、光照不均匀等不利因素影响时,致使分割效果不佳。……
登录APP查看全文
