本文選題：最大熵　切入點：教與學(xué)優(yōu)化　出處：《電視技術(shù)》2017年Z2期

【摘要】：作為一種全局閾值方法,二維最大熵綜合考慮了圖像灰度信息和空間信息,在圖像信噪比低的情況下,也能得到理想的圖像分割結(jié)果。為了提高圖像分割的運(yùn)算速度和效率,在基本的二維最大熵理論的基礎(chǔ)上,提出使用非線性慣性權(quán)重的教與學(xué)優(yōu)化方法對二維最大熵進(jìn)行優(yōu)化,將二維最大熵作為教與學(xué)優(yōu)化算法的適應(yīng)度函數(shù),利用優(yōu)化后的最優(yōu)閾值對圖像進(jìn)行分割。由于非線性慣性權(quán)重的教與學(xué)優(yōu)化方法參數(shù)較少,收斂速度快,通過連續(xù)優(yōu)化,能較快確定最佳分割閾值。實驗結(jié)果證明,所提圖像分割方法不僅速度快、準(zhǔn)確,而且具有較強(qiáng)的適應(yīng)性。
[Abstract]:As a global threshold method, the two-dimensional maximum entropy synthesizes the gray and spatial information of the image. In order to improve the speed and efficiency of image segmentation, an ideal image segmentation result can be obtained under the condition of low signal-to-noise ratio (SNR) of the image. Based on the basic two-dimensional maximum entropy theory, a nonlinear inertial weight optimization method for teaching and learning is proposed to optimize the two-dimensional maximum entropy. The two-dimensional maximum entropy is regarded as the fitness function of the teaching and learning optimization algorithm. The optimized threshold is used to segment the image. Because the teaching and learning optimization method of nonlinear inertial weight has fewer parameters and faster convergence speed, the optimal segmentation threshold can be determined quickly by continuous optimization. The experimental results show that the optimal segmentation threshold can be determined quickly. The proposed image segmentation method is not only fast and accurate, but also has strong adaptability.
【作者單位】： 西藏民族大學(xué)信息工程學(xué)院;北卡羅來納農(nóng)工州立大學(xué)數(shù)學(xué)系;西藏自治區(qū)光信息處理與可視化技術(shù)重點實驗室;
【基金】：西藏自治區(qū)自然基金項目(2015ZR-13-24) 國家留學(xué)基金委資助項目
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李仲;圖像分割的妙法[J];電腦知識與技術(shù);2000年S2期

2 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報;2007年02期

3 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

4 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動化;2009年11期

5 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2010年02期

6 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

7 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)報;2011年05期

8 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

9 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計算機(jī)光盤軟件與應(yīng)用;2013年06期

10 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計算機(jī)工程與應(yīng)用;2013年16期

相關(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

3 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

4 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

5 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

6 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

7 李積英;融合量子衍生及DNA計算速率的智能算法在圖像分割中的研究[D];蘭州交通大學(xué);2014年

8 王曉坤;基于寬視場拼接成像的目標(biāo)分割與跟蹤算法研究[D];長春理工大學(xué);2016年

9 吳永飛;圖像分割的變分模型及數(shù)值實現(xiàn)[D];重慶大學(xué);2016年

10 李忠兵;聚焦超聲無創(chuàng)治療腫瘤的超聲圖像分割方法研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王聰聰;手機(jī)上的交互式圖像分割方法研究[D];華中科技大學(xué);2013年

2 廖小波;基于貝葉斯最優(yōu)統(tǒng)計的圖切法圖像分割研究[D];昆明理工大學(xué);2015年

3 姜士輝;基于Android系統(tǒng)的立木圖像分割方法研究[D];東北林業(yè)大學(xué);2015年

4 路亞緹;基于粒子群優(yōu)化算法的最大熵多閾值圖像分割研究[D];鄭州大學(xué);2015年

5 劉超;基于閾值圖像分割的研究及在蘋果定位中的應(yīng)用[D];東華理工大學(xué);2015年

6 何妮;結(jié)合顯著性目標(biāo)檢測與圖像分割的服飾提取算法研究及實現(xiàn)[D];西南交通大學(xué);2015年

7 劉曉磊;基于MRF隨機(jī)場模型的機(jī)器人視覺圖像分割方法研究[D];西安建筑科技大學(xué);2015年

8 王周楠;數(shù)字圖像處理的研究仿真[D];中國地質(zhì)大學(xué)(北京);2015年

9 許素素;改進(jìn)的模糊C均值聚類算法在圖像分割中的應(yīng)用[D];長安大學(xué);2015年

10 齊國紅;基于FCM和SVM相結(jié)合的作物病害圖像分割方法研究[D];鄭州大學(xué);2015年

，

本文編號：1668230