一种基于代价函数和模糊熵的图像分割方法3-深圳大学.PDFVIP

第 32 卷第 12 期 光 　子 　学 　报 Vol . 32 No . 12 2003 年 12 月 　　　　　　　　　　　　 December 2003 AC TA PHO TON ICA SIN ICA 一种基于代价函数和模糊熵的图像分割方法 1 2 3 2 王保平 　范九伦 　谢维信 　吴成茂 ( 1 西安电子科技大学电子工程学院 , 西安 7 1007 1) (2 西安邮电学院信控系 ,西安 7 10068) (3 深圳大学信息工程学院 , 深圳 5 18060) 摘 　要 　提出了一种基于代价函数和模糊熵的图像分割方法 该方法先用代价函数最小化法对退 化的图像作预处理 ,之后 ,利用模糊熵作进一步的处理 实验结果表明:新方法和一般的阈值分割 方法相比,不但分割图像的错分率较小 ,而且图像的视觉效果也有较大的改善 关键词 　代价函数 ;模糊熵 ; 图像分割 中图分类号 　　TN 9 1123 　　　　文献标识码 　　A 函数最小化技术一次性进行图像分割 ,效果并不理 0 　引言 想 而分两步实现 , 即先用代价函数对图像进行预 用阈值分割方法对那些比较模糊的图像或受噪 处理 ,再用模糊熵做后续处理 ,效果比较理想 实验 声干扰的图像进行分割时 ,效果往往不是很好 此 结果也证明了这点 时 ,使用代价函数最小化技术进行图像分割效果较好 1 　香农熵的推广及模糊熵的构造 应用代价函数最小化技术进行图像分割时 ,首 ( ) 先设法通过手头的图像 已退化的图像 重建一个理 1 . 1 　香农熵的改进形式 ( ) 想的图像 退化前的图像 ,然后对这个重建的图像 香农熵的表达式为 ( ) ( ) ( ) ( ) ( ) 进行阈值分割 其中 ,理想图像的重建是通过一个 H x = - x log2 x - 1 - x log2 1 - x 1 ( ) 代价函数最小的优化过程来实现的 代价函数实际 从式 1 可知香农熵总在 x = 1/ 2 时取得最大 上是手头的图像和未知的理想图像之间匹配程度的 在实际应用中, 这是一个很大的限制 因此, 有必要 一个度量 代价函数的匹配程度越高 , 重建 图像 对其表示式进行扩展 文献[ 4] 通过一个同构函数 的质量越好因此 ,代价函数的选取是该技术的关键 将香农熵推广为如下的形式 文献[ 1]构造了一种代价函数 ,使其最小化后对 H m ( x) = 图像分割 ,效果较好 缺点是该方法实际上是一个低 x