资源描述：
《基于pso优化搜索的renyi熵阈值分割算法参数选取(最终稿)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、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ParticleSwarmOptimization(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)
2、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：ASelf-AdaptationSelecttheParameterinOne-DimensionRenyiEntropyThresholdingBoLei1)2)Jiu-LunFan2)1)(SchoolofElectronicEngineering,XidianUniversity,ShaanxiXi’an710071,)2)(DepartmentofInformationandControl,Xi'anInstituteofPostandTelecommunic
3、ations,ShaanxiXi’an710061)AbstractOne-dimensionRenyientropyimagethresholdingmethodisaglobalthresholdselectionmethod,howtodeterminethesuitableparameterinRenyientropyisaproblemshouldbesolved.Inthispaper,aself-adaptationselectionoftheparameterisshownbasedonuniformitymeasure,animagesegmen
4、tationvaluationcriteria,andParticleSwarmOptimization(PSO)algorithm.Theconclusionis:theoptimalvalueofcanbefoundin(0,1)ingeneralcases;ifmorestrictsegmentationisneed,theoptimalvalueofcanbefoundin(0,10).Keywordsimagesegmentation,thresholdselection,Renyientropy1引言国家自然科学基金资助（编号：60572133）图像分
5、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
6、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
7、，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。本文的目的是探讨参数的自适应选取问题，我们将利用图像分割评价准则，通过优化的方法来获得合适的参数取值。大量的实验结果表明，本文方法可以根据不同的图像自适应的选取参数来获得较好的分割结果。2一维Renyi熵阈值法用表示一幅大小为的数字图像，其中表示图像中第点的灰度值，。图像中灰度为的像素点总数记为，则图像中每一灰度值
8、出现的概率
