基于最大类间后验交叉熵的阈值化分割算法Ξ.PDFVIP

　　 ( ) ( ) 第 4 卷 版 　第 2 期 中国图象图形学报 . 4 , . 2 A V o l A N o 1999 年 2 月 Jou rnal of Im age and Graph ics Feb. 1999 基于最大类间后验交叉熵的阈值化分割算法 薛景浩　章毓晋　林行刚 (清华大学电子工程系, 北京　100084) 摘　要　从目标和背景的类间差异性出发, 提出了一种基于最大类间交叉熵准则的阈值化分割新算法。该算法假 设目标和背景象素的条件分布服从正态分布, 利用贝叶斯公式估计象素属于目标和背景两类区域的后验概率, 再 搜索这两类区域后验概率之间的最大交叉熵。比较了新算法与基于最小交叉熵以及基于传统香农熵的阈值化算法 的特点和分割性能。 关键词　图象分割　阈值化　香农熵　交叉熵　后验概率 0　引　言 采用交叉熵度量这种差异, 提出了基于最大类间对 称交叉熵的阈值化新算法, 并给出了分割实验的结 图象分割是指将图象分成具有某种特征差异的 果。 不同区域。基于灰度特征分析的阈值化技术是最常 用和最基本的分割方法, 有广泛的应用背景和理论 1　原理说明 价值。近年来为控制分割造成的信息损失, 在图象分 割的理论和实践中引入了信息论中的最大香农熵准 1. 1　现有的最小交叉熵阈值化方法 则[ 1～ 10 ] 和最小交叉熵准则[ 11～ 13 ]。 　　设有 2 个概率分布 = { , , …, }和 = P p 1 p 2 p N Q 最大香农熵准则强调系统内部的均匀性, 应用 { , , …, }, 交叉熵度量它们之间的信息量差 q 1 q2 qN 于阈值化分割中就是搜索使目标或背景内部的灰度 [ 14 ] 异 , 其对称形式为: 分布尽可能均匀的最优阈值。交叉熵度量 2 个概率 N N p i qi [ 14 ] D (P : Q ) = p ln + q ln 分布之间信息量差异 , 是下凸函数。最小交叉熵 i qi i p i ( 1)