基于遗传算法的最佳熵阈值图像分割法

《基于遗传算法的最佳熵阈值图像分割法》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、1999年12月北京航空航天大学学报December1999第25卷第6期JournalofBeijingUniversityofAeronauticsandAstronauticsVol.25No16基于遗传算法的最佳熵阈值图像分割法种劲松周孝宽王宏琦(北京航空航天大学宇航学院)(中国科学院电子学研究所现代信息技术研究室)摘要将遗传算法用于图像分割的Kapur等人提出的最佳熵阈值确定法(简称KSW熵法)中,进行了针对图像分割遗传程序所需的参数设计.KSW熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.J.Hol

2、land的遗传算法是具有鲁棒性和自适应性的搜索方法.采用遗传算法实现单阈值和多阈值图像分割,实验结果表明分割速度快于传统的KSW熵法,缩短了运算时间.关键词图像处理;熵;阈值分类号TP391.41l-1图像分割是自动目标识别的关键和首要步HT=-∑pilnpi骤,其目的是将目标和背景分离,为计算机视觉的i=0后续处理提供依据.通常图像分割包括阈值法、边其中pi为第i个灰度出现的概率.设阈值t将缘检测法和区域跟踪法.其中阈值法是图像分割图像划分为目标与背景两类,则令tt的常用方法.目前,已有众多的阈值分割方法,如Pt=∑piHt=-∑pilnpi最小误差阈值法、最大类

3、别方差法(Otsu法)及最i=0i=0佳直方图熵法.根据Sahoo等人利用均匀性参数由阈值t分为A、B两类后,两类的概率分布和形状参数对标准图分割结果作评估的评测结分别为论[1]:Otsu法、Kapur等人提出的最佳熵法、Jo2p0p1pt,,⋯,PtPtPthannsen法、Bille法和Tsai’s矩不变法是较好的方法.pt+1pt+1pl-1,,⋯,[2]1-Pt1-Pt1-PtKapur等人所提出的最佳熵阈值方法(本文与每个分布有关的熵分别为HA(t)和HB(t):简称为KSW熵法),不需要先验知识,而且对于非tpipiHt理想双峰直方图的图像也可以进行分割

4、.但在确HA(t)=-∑ln=lnPt+i=0PtPtPt定阈值时,尤其是确定多阈值时,计算量很大.l-1pipi具有鲁棒性、并行性和自适应性的遗传算法HB(t)=-∑ln=i=t+11-Pt1-Pt是一种优化算法,本文研究了用遗传算法实现HT-HtKSW最佳熵阈值确定法,缩短了寻找阈值的时ln(1-Pt)+1-Pt间,从而有利于计算机视觉的后续处理.图像的总熵H(t)为HA(t)和HB(t)之和,即HtHT-Ht1KSW最佳熵阈值确定法H(t)=lnPt(1-Pt)++(1)Pt1-Pt3最佳阈值t为使总熵取最大值,即将信息论中Shannon熵概念用于图像分割3时

5、,测量图像灰度直方图的熵,由此找出最佳阈t=Arg0≤mta≤xl-1H(t)值,其出发点是使图像中目标与背景分布的信息1.2多阈值分割量最大.同一背景图像上有多个物体,可采用多阈值1.1单阈值分割分割.根据Shannon熵的概念,对于灰度范围{0,1,最佳熵自动门限法适合于多阈值(设为k个⋯,l-1}的图像直方图,其熵测量为阈值)分割.此时,收稿日期:1999204220第一作者女30岁硕士生100083北京748北京航空航天大学学报1999年S1H(S1,S2,⋯,Sk)=ln∑pi+代数Gen=0i=1S2n随机产生初始群体ln∑pi+⋯+ln∑pi-i=S+

6、1i=S+11kSn1编码∑pilnpi∑pilnpii=S+1i=1kS-⋯-n1解码,计算每个个体适应度∑pi∑pii=S+1i=1k式中S1,S2,⋯,Sk是分割阈值,且有S1

7、1i=S+12∑pii=1图1图像阈值分割的遗传算法框图S2n∑pilnpi∑pilnpi编码:由于图像灰度值在0～255之间,故将i=S+1i=S+11-2(2)各个染色体编码为8位二进制码,它代表某个分Sn2∑pi∑pi割阈值.初始代人口的值为随机产生的,其相应的i=S+1i=S+121适应度值也各有高低.33最佳阈值S1、S2为使总熵取最大值,即人口模型:若人口数过多,则每一代适应度值33S1,S2=ArgmaxH(S1,S2)的计算量大,因此人口数设置应该合理.在此,设0≤S