- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于PSO化搜索的Renyi熵阈值分割算法参数选取(最终稿)
一维Renyi熵阈值法中参数的自适应选取
雷博1)2) 范九伦2)
1) (西安电子科技大学电子工程学院, 陕西 西安710071) 2) (西安邮电学院信息与控制系, 陕西 西安710061)
摘要:一维Renyi熵阈值分割法是一种全局阈值选取方法,由于Renyi熵是一种含参数的广义信息熵,如何选取合适的参数是一个需要解决的问题。本文基于一种图像分割质量评价指标----均匀性测度,利用Particle Swarm Optimization(PSO)优化搜索方法,提出了一种选取参数的自适应方法。获得的结论是:一般情况下,可在(0,1)内搜索最优的值;当需要更好的分割效果时,可在(0,10)范围内搜索最优的值。
关键词:图像分割 阈值选取 Renyi熵
中图法分类号:TN911.73 文献标识码:A
Self-Adaptation Select the Parameter
in One-Dimension Renyi Entropy Thresholding
Bo Lei 1) 2) Jiu-Lun Fan 2)
1) (School of Electronic Engineering, Xidian University, Shaanxi Xi’an 710071
2)( Department of Information and Control, Xian Institute of Post and Telecommunications, Shaanxi Xi’an 710061 )
Abstract One-dimension Renyi entropy image thresholding method is a global threshold selection method, how to determine the suitable parameter in Renyi entropy is a problem should be solved. In this paper, a self-adaptation selection of the parameter is shown based on uniformity measure, an image segmentation valuation criteria, and Particle Swarm Optimization (PSO) algorithm. The conclusion is: the optimal value of can be found in (0,1) in general cases; if more strict segmentation is need, the optimal value of can be found in (0,10).
Keywords image segmentation, threshold selection, Renyi entropy
1引言?
图像分割是图像分析、理解和计算机视觉中的难点,在图像分割的诸多方法中,阈值化技术以其简单、有效、便于理解受到人们的普遍欢迎[1-2]。其中,最大类间方差法[3](也叫作Otsu法)、最大熵法[4]、最小误差阈值法[5-6]是三个最常用的分割方法,它们均有坚实的理论基础作为支撑。
信息论中的Shannon熵描述了一个概率分布的不确定性程度,将信息熵应用于图像分割是由Pun首先进行的[7],Kapur等人在指出Pun工作的问题的基础上,提出了一维最大Shannon熵阈值法[4]。最大熵阈值法以其表述简单、性能稳定、具有信息论背景而成为一类典型的阈值选取方法,在实际中得到了广泛的应用。在信息论中,已经给出了很多的广义信息熵表达式[8]。广义信息熵含有参数,参数的特殊取值可以得到经典的Shannon熵。既然最大熵阈值法是一个基本的阈值法,因此研究人员开始考虑使用广义信息熵进行阈值选取。Renyi熵是一种广义信息熵,Sahoo 等人[9]研究了基于一维Renyi熵的图像分割方法,能够获得比最大Shannon熵阈值法更好的分割效果。Sahoo 等人通过大量实验指出参数()取为是一个比较合适的值。Albuquerque等人[10]提出了基于一维Tsallis熵的图像分割方法,在其实验中指出对有些图像参数取为4时会得到较好的分割效果。对于图像分割问题,Wang等人[11]指出Renyi熵和Tsallis是二个等价的阈值选取方法,文[10]的实验结果表明,好的值并非完全在内,因此研究参数的合理取值不仅有助于基于Renyi熵的图像分割方法的应用,而且对研究其它的基于广义信息熵的图像阈值方法也有借鉴价值。本文的目的
文档评论(0)