發(fā)布時間：2018-01-13 04:35

  本文關(guān)鍵詞：二維最小誤差分割在紅外圖像中的快速實現(xiàn)　出處：《紅外技術(shù)》2016年12期 　論文類型：期刊論文

  更多相關(guān)文章： 紅外圖像 二維最小誤差分割 微粒子優(yōu)化 圖像分割

【摘要】：最小誤差分割算法的圖像分割性能優(yōu)異,但一維的最小誤差分割算法容易受到噪聲的干擾。利用圖像的二維直方圖,二維最小誤差分割算法不僅能夠利用圖像的灰度信息,同時利用了相鄰像素之間的鄰域信息,取得更加理想的分割效果。但在實際使用的過程中,二維最小誤差算法采用窮盡搜索的算法運算時間長,二維直線型最小誤差分割算法無法反映全局最優(yōu)解,降維形式的最小誤差算法復(fù)雜度高。本文將結(jié)合粒子群優(yōu)化算法(PSO)將二維最小誤差分割算法應(yīng)用在紅外圖像上,大大提升了算法的求解速度,能夠在實現(xiàn)更低對比度的紅外圖像分割的同時滿足工程中實時檢測的要求。
[Abstract]:The minimum error segmentation algorithm has excellent image segmentation performance, but the one-dimensional minimum error segmentation algorithm is easily disturbed by noise. The two-dimensional histogram of the image is used. Two-dimensional minimum error segmentation algorithm can not only make use of the gray level information of the image, but also use the neighborhood information between adjacent pixels to achieve a more ideal segmentation effect, but in the process of practical use. Two-dimensional minimum error algorithm uses exhaustive search algorithm, and two-dimensional linear minimum error segmentation algorithm can not reflect the global optimal solution. In this paper, the two-dimensional minimum error segmentation algorithm is applied to infrared images, which greatly improves the speed of solving the algorithm, because of the high complexity of the minimum error algorithm in dimensionality reduction form, which combines the particle swarm optimization (PSO) algorithm with the particle swarm optimization (PSO) algorithm. It can achieve lower contrast infrared image segmentation and meet the requirements of real-time detection in engineering.
【作者單位】： 中國科學(xué)院紅外探測與成像技術(shù)重點實驗室;中國科學(xué)院大學(xué);
【分類號】：TP391.41
【正文快照】： 0引言圖像分割旨在將圖像分成若干特定的、具有獨特性質(zhì)的區(qū)域并提出感興趣目標的技術(shù)和過程。它是圖像處理和計算機視覺領(lǐng)域的基礎(chǔ)部分,在目標檢測、目標識別、特征提取、圖像分類等領(lǐng)域都得到了廣泛的應(yīng)用,具有重要的研究價值。現(xiàn)有的圖像分割主要分為以下幾類[1]:基于熵的

【相似文獻】

相關(guān)期刊論文 前10條

1 范九倫;雷博;;灰度圖像最小誤差閾值分割法的二維推廣[J];自動化學(xué)報;2009年04期

2 范九倫;雷博;;二維直線型最小誤差閾值分割法[J];電子與信息學(xué)報;2009年08期

3 劉金;余志斌;金煒東;;三維最小誤差閾值法及其快速遞推算法[J];電子與信息學(xué)報;2013年09期

4 劉金;金煒東;;3維自適應(yīng)最小誤差閾值分割法[J];中國圖象圖形學(xué)報;2013年11期

5 朱齊丹;荊麗秋;畢榮生;吳葉斌;;最小誤差閾值分割法的改進算法[J];光電工程;2010年07期

6 孫鵬飛;任洪娥;董本志;;結(jié)合遺傳算法的局部最小誤差孔穴圖像分割法[J];計算機工程與應(yīng)用;2012年07期

7 張新明;馮文惠;何文濤;王鮮芳;;基于人工蜂群算法的二維最小誤差閾值分割[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2013年05期

8 龍建武;申鉉京;陳海鵬;;自適應(yīng)最小誤差閾值分割算法[J];自動化學(xué)報;2012年07期

9 尹寧;劉富;張玉;;采用最小誤差閾值分割算法的基因芯片圖像分析[J];智能系統(tǒng)學(xué)報;2013年01期

10 趙慧潔;葛文謙;李旭東;;最小誤差準則與脈沖耦合神經(jīng)網(wǎng)絡(luò)的裂縫檢測[J];儀器儀表學(xué)報;2012年03期

相關(guān)會議論文 前1條

1 職海兵;江國泰;;一種求取醫(yī)學(xué)圖像最小誤差閾值的迭代方法[A];2005年上海市生物醫(yī)學(xué)工程學(xué)會學(xué)術(shù)年會論文集[C];2005年

相關(guān)碩士學(xué)位論文 前2條

1 宋斌;基于平均中值離差的二維最小誤差分割算法研究[D];湘潭大學(xué);2015年

2 馮文月;隨機逼近兩類信息的第n個最小誤差之間的關(guān)系[D];安徽大學(xué);2010年

，

本文編號：1417515