马军　贾鹤鸣　赵国强　郎春博　胡帅　冯连辉

1980年T. Pun提出利用图像灰度直方图的熵值来获取阈值，1989年A. S. Abutale 将一维最大熵阈值分割方法推广至二维。最大熵阈值分割法通过测量图像灰度直方图的熵寻找最佳阈值，但是在计算阈值时，阈值的选取存在一个全局遍历搜索的过程，计算量大导致计算时间慢、效率低[11]。从工程应用的角度出发，正确高效的寻找到最佳阈值是使用最大熵阈值分割法的重要保障。为了克服上述问题，许多相关学者从不同角度对最大熵阈值分割法进行了改进。张龙[10]等人引入新的阈值门限选取方案以消除误差并通过降维简化计算量，该方法简单易行且对于低对比度图像的分割效果较好。宋家慧[9]引入遗传算法，有效提升了图像分割的计算速度和图像处理的实时性。叶文浩[12]等人引入加权算子来确定最大阈值，将阈值分割问题比作像元分类问题，通过调整加权算子，改变熵函数，从而更好的实现目标与背景的分离。

为了更高效地完成对叶片图像分割的问题，将叶片区域从复杂背景中分割出来，本文引入优化粒子群算法（Improved Particle Swarm Optimization，IPSO）对最优阈值进行寻优。与传统粒子群算法相比，IPSO性能更强，提高了粒子全局寻优能力和解的精度[13]，能够更加快速、准确识别叶片并将其从干扰环境中提取出来，为下一步的研究分析提供了良好的环境。

1最大熵阈值分割

熵是信息论中的一个重要概念，是平均信息量的表征，用以确定随机数据源中所包含的信息数量[14]。……