多目标混合优化的阈值图像分割
2019-03-13孔令润
西安邮电大学学报 2019年5期
关键词:优化
赵 凤, 孔令润
(1.西安邮电大学 通信与信息工程学院, 陕西 西安 710121; 2.电子信息现场勘验应用技术公安部重点实验室, 陕西 西安 710121)
图像分割的目的是根据特定的标准将图像分成若干具有独特性质的互不相干区域,使得同一区域内的像素特征具有较高相似性,而不同区域的像素特征具有较大差异性[1]。图像分割是图像处理的重要一环,其结果会直接影响到后续图像处理的质量。
现有的图像分割方法主要包括基于阈值[2]、基于聚类[3]和基于区域的分割方法[4]等几类。基于阈值的图像分割是一种常用的分割方法。图像阈值是指从背景中提取出的场景对象,有助于分析和解释图像。基于阈值的图像分割算法假定图像的直方图呈双峰分布,通过在两峰之间确定某一准则来选择一个恰当的阈值,便可实现图像的目标和背景的分离。Otsu最大类间方差法[5]、最大熵法[6]和模糊熵法[7]等是比较常用的阈值分割方法。Otsu最大类间方差法利用最大化分割后图像的类间方差来选取最佳阈值,其原理简单且对大多数图像都能获得较好的分割结果。然而,当图像直方图没有明显的双峰时,最大类间方差法的分割效果不佳。由于很多图像的特征信息具有模糊性,因此有学者以香农熵为基础,结合图像的模糊数学描述,提出了图像模糊熵的概念并将其应用到阈值图像分割中[8]。在进行多阈值图像分割时,由于模糊隶属函数包含的参数较多,取值范围较大,导致该方法分割效果不佳且计算量较大[9]。……
登录APP查看全文
