基于粒子群优化算法的水下图像最大熵分割方法.pdf

基于粒子群优化算法的水下图像最大熵分割方法 中国船舶工业集团公司船舶系统工程部刘晶秦远辉赵矿所 摘要 最大熵法普遍用于水下图像分割，但是其需要对每个像素进行累加统计，计算复杂度之大也就成为了 Swarnl 此种方法的一个瓶颈。本文引入了近年来兴起的粒子群优化算法(PSO，PanicIe opIiTllization)来对算法 进行优化，通过PSO算法对在水下图象分割中效果较好的最大熵算法进行优化解的搜索，从而达到利用最 少计算次数得到最优解的效果。经过实验和程序设计，此方法用于水下图象分割效果甚佳，不但分割效果 优秀，而且比一般算法的效率提高了将近十倍。 关键字z水下图像 图像分割 最大熵粒子群优化算法 AbstractThe metllodis usedinme of underwater nl戤一en仃opy widely imagesegmentation me t11is is bonle—neckof memod．111mis P耐icle images．111eh砷calculation—complexity p印er Swann in仃D“cedto the metllod．The optimization(PS0)is optimizema】【一entmpy segmentation resultsarc theemcientisoVertentimesbettert11anusualmemod． good砒1d Keywords：underwaterimages，渤ge se乎nentation，max—en仃DpyPSO 1水下图像特点 水对光的散射现象随着照明的增强而趋于严重，就使得水下成像更为困难。散射光主要 对影响衬度影响比较大，造成了图像对比度下降，对水下成像的质量影响极大。随着拍摄距 离的增大画面反差降低，影响细节模糊，影响成像质量。 2基于最大熵的水下图像分割方法 “熵”的概念最先于1865年由clausius引入，以孤立系统熵增加定律的形式表达热力学 第二定律，1896年，Bolzm和PlaIll(把熵与系统的可几微分状态数联系起来，说明了熵的统 计意义。1948年shaIlnon将统计熵概念推广于信息领域，以表示信源的不确定性。1985年 N PalR等人引入图像熵的概念以来，许多学者通过对Sh锄on熵的重新定义设计了很多图 像分割算法，在不同的领域取得了比较好的效果。 Sh踟on定义一个有聆个状态的系统的熵为 log化)o、l7 日=一∑e 工一I 扛O 1 3 式中1f是事件l发生的概率，且有f_o ，。3f 式中只是事件f发生的概率，且有荟￡=1，。≤鼻≤l，熵日是系统信息量的量度，从一1，熵爿是系统信息量的量度，从一 个事件获得的信息量与它发生的概率成反比。 从图像分析的角度来看(1)式，f是灰度图像的某一灰度值，只是图像中像素为f的概 218 率，最大熵原理就是选取使得H为最大时的灰度值f。 在图像中，设丁为阈值，灰度值小于丁的像素为目标区域，灰度值大于丁的像素构成 背景区域，一个灰度值的频数鼻作为该灰度级的概率，则目标区域和背景区域灰度级的概 率分别为： 目