下载文档原格式
融合改进直方图PDE和二维Tsallis熵多阈值SAR分割王玉萍【摘要】针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声,对SAR图像进行分割易出现分割不精、边缘模糊等问题,融合改进的直方图PDE和二维Tsallis熵多阈值,提出了一种SAR图像分割算法.根据PDE直方图均衡化方法,将图像去噪与图像增强加权融合,利用各自权值调整去噪项与图像增强项;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割,建立基于多阈值的选取方法,并引入萤火虫算法来求解最优阈值对,实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割.仿真结果表明:与其他3种分割算法相比,该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度,PRI至少提升2.53％、VOI降低8.48％、GCE降低11.14％.【期刊名称】《应用光学》【年(卷),期】2018(039)006【总页数】10页(P839-848)【关键词】直方图偏微分方程;去噪增强;二维Tsallis熵;多阈值分割;萤火虫算法【作者】王玉萍【作者单位】郑州科技学院信息工程学院,河南郑州450064【正文语种】中文【中图分类】TN911.73;TP391引言合成孔径雷达(synthetic aperture radar,SAR) 成像具有全天候、全天时、多波段、多极化、穿透性强等特点，广泛应用于军事和民用领域。
受极化SAR的相干成像方式影响，图像存在大量相干斑噪声[1]，导致图像边缘和细节模糊，加剧了SAR图像分割难度[2]，而SAR图像分割是图像识别和目标定位的前提。
近年来，国内外许多学者将传统图像的分割方法应用到SAR图像分割中，取得了较好的效果。
比如基于阈值的SAR分割[3]、基于边缘检测的SAR分割[4-5]、基于聚类的SAR 分割[6-8]等。
其中图像阈值化分割是一种传统最常用的分割方法之一。
熵作为信息论中衡量分布的均匀程度指标，熵值越大，说明数据分布越均匀。
《电子技术应用》2020年第46卷第6期0引言图像分割是指从图像中提取感兴趣的区域,由于人体组织的特性,医学图像边界模糊以及对比度低,使得医学图像分割成为一个难点[1]。
文献[2]提出一种基于二进制交叉的实数编码遗传算法的脑部图像多级阈值分割方法。
文献[3]提出一种基于萤火虫算法的二维熵多阈值图像分割算法,该方法可以有效提高图像的分割速度,但由于搜索空间的局限性,图像分割精度较低。
文献[4]运用粒子群算法对二维Tsallis 熵的参数q 进行优化选择,该方法可以较好地分割图像。
文献[5]针对二维最大熵分割图像存在计算量大的问题,将人工蜂群算法应用于二维最大熵优化,结果表明,该方法抗噪性强且收敛速度快。
本文为提高医学图像分割的效果,针对二维Tsallis 熵阈值法图像分割效果受参数q 选择的影响,提出一种基于云模型萤火虫算法优化二维Tsallis 熵的医学图像分割算法。
最后通过仿真研究,证明了本文算法的有效性。
1云萤火虫算法1.1萤火虫算法萤火虫算法[6-7](Firefly Algorithm ,FA)是模拟萤火虫发光特性而衍生出来的仿生智能搜索算法。
在FA 算法寻优过程中,萤火虫个体被当作目标函数的解空间,目标函数的大小用萤火虫的亮度强弱衡量,根据萤火虫自身亮度和吸引度大小的不同进行相应的空间移动,通过一定次数的吸引和迭代后,萤火虫汇聚到亮度最大的位置,从而实现目标函数的最优求解。
∗基金项目:浙江省科技项目技术成果基金项目(2017ZH009)云萤火虫算法改进二维Tsallis 熵的医学图像分割∗徐浩1,王霜2(1.温州医科大学附属眼视光医院,浙江温州325000;2.西安科技大学,陕西西安710054)摘要:为提高医学图像分割的效果,针对二维Tsallis 熵阈值法图像分割效果受参数q 选择的影响,提出一种基于云模型萤火虫算法优化二维Tsallis 熵的医学图像分割算法。
首先,将云模型引入萤火虫算法,提高萤火虫算法的收敛速度和寻优能力;其次,选择均匀性测度作为医学图像分割的评价指标,运用CMFA 算法对二维Tsallis 熵阈值法参数q 进行自适应寻优。
图像分割算法在医学图像中的应用综述
孙淑婷;刘铖枨;周广茵;韩锐;陈立超;羊月褀;许玥
【期刊名称】《现代仪器与医疗》
【年(卷),期】2024(30)2
【摘要】医学图像分割是计算机辅助诊断领域的一项关键技术,其主要任务是将特定的器官、组织或异常区域从图像中准确地识别出来。
但是医学图像的质量易受到其复杂纹理和成像设备限制(如噪声和边界不清晰)的影响,故传统的医学图像分割方法已难以满足现实临床需求。
随着深度学习技术的进步,基于这一领域的算法已经取得了显著的进展。
本文首先回顾了七种传统的医学图像分割策略,并重点介绍了两种当前主流的深度学习方法:全卷积神经网络和U-Net,最后文章探讨了目前深度学习技术所面临的挑战及其可能的解决策略。
【总页数】10页(P59-68)
【作者】孙淑婷;刘铖枨;周广茵;韩锐;陈立超;羊月褀;许玥
【作者单位】南京医科大学生物医学工程与信息学院;南京医科大学第一附属医院(江苏省人民医院)临床医学工程处
【正文语种】中文
【中图分类】TH77;R318
【相关文献】
1.医学图像分割处理中改进型PCNN模型的应用综述
2.基于群智能优化算法的医学图像分割综述
3.深度卷积神经网络方法在医学图像分割应用中的综述
4.图像分
割技术在医学图像处理中的应用综述5.U-Net及其变体在医学图像分割中的应用研究综述
因版权原因，仅展示原文概要，查看原文内容请购买。
Tsallis熵的参数在图像阈值分割中的应用
宋亚玲;欧聪杰
【期刊名称】《传感器与微系统》
【年(卷),期】2015(034)011
【摘要】Tsallis熵引入非广延参数q,用于描述集合元素间的长程关联,在图像分割中有着广泛应用.从数学原理与实证两方面分析了q参数的作用,并确定了它的合理取值范围.对于目标和背景之间不存在明显关联的图片,用两个具有不同q参数的Tsallis熵分别描述目标集合与背景集合,提出一种新的双q值算法,选择合适的q值确定这两个集合各自的像素灰度关联强度.通过对一系列红外图片的阈值分割,验证了该算法的有效性.
【总页数】3页(P147-149)
【作者】宋亚玲;欧聪杰
【作者单位】华侨大学信息科学与工程学院,福建厦门361021;华侨大学信息科学与工程学院,福建厦门361021
【正文语种】中文
【中图分类】TP391
【相关文献】
1.二维Tsallis熵在图像阈值分割中的应用 [J], 林倩倩;欧聪杰
2.一种改进型Canny联合阈值分割的图像背景去除——在外观专利图像检索中的应用 [J], 曹璐;戴青云;潘晴
3.模糊Tsallis熵及其在图像阈值分割中的应用 [J], 张平凤;方霞;聂方彦
4.图像阈值分割在教学中的研究与应用 [J], 李新利;李笑笑;杨国田;刘禾
5.图像阈值分割在教学中的研究与应用 [J], 李新利;李笑笑;杨国田;刘禾
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于 Parzen窗技术和Tsallis熵原理的图像分割新方法熊福松;顾红其
【期刊名称】《常熟理工学院学报》
【年(卷),期】2009(023)010
【摘要】提出了一种基于Parzen窗技术和Tsallis熵原理的图像分割新方法.该方法采用Parzen窗技术来估计图像灰度值的空间概率分布,再结合Tsallis熵来构造新的目标函数,最后在图像灰度值范围内搜索使该目标函数达到最大值的灰度值作为最佳全局阈值.通过和传统的基于Tsallis熵理论的图像分割方法相比较,结果表明该方法对图像分割精度非常高,且稳定性强.
【总页数】6页(P119-124)
【作者】熊福松;顾红其
【作者单位】南京铁道职业技术学院,信息工程系,江苏,苏州,215137;南京铁道职业技术学院,信息工程系,江苏,苏州,215137
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于Parzen窗法和Renyi熵的图像分割阈值选取新方法 [J], 熊福松;王士同
2.一种基于Parzen窗估计的鲁棒ELM烧结温度检测方法 [J], 陈华;章兢;张小刚;胡义函
3.一种基于加权Parzen窗的聚类算法 [J], 吴葛铭;霍剑青;王晓蒲
4.基于Parzen窗技术和信息熵的图像分割阈值选取新方法PWET [J], 熊福松
5.一种基于磨光函数与Parzen窗估计的ICA盲信号分离方法及其系统 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。
基于鸡群算法的Tsallis熵多阈值图像分割
郑和平;姚俭
【期刊名称】《软件导刊》
【年(卷),期】2018(017)011
【摘要】为了改善Tsallis熵在多阈值图像分割时存在计算量大、耗时长、实用性差的问题,提出基于鸡群算法的Ts-allis熵多阈值图像分割方法.首先分析基于Tsallis熵的单阈值分割原理并将其推广到多阈值分割,同时推导出Ts-allis熵的多阈值选取公式;其次用鸡群算法求解Tsallis熵函数的最优问题;最后,用穷举法、粒子群算法、差分进化算法及鸡群算法分别对4个典型图像进行多阈值分割,并将各算法的分割数据分别作比较.实验结果表明,鸡群算法能够快速准确地分割复杂图像,且分割效果优于穷举法、粒子群算法以及差分进化算法.
【总页数】6页(P171-176)
【作者】郑和平;姚俭
【作者单位】上海理工大学管理学院,上海200093;上海理工大学管理学院,上海200093
【正文语种】中文
【中图分类】TP317.4
【相关文献】
1.基于WQPSO算法的多阈值图像分割算法的研究 [J], 张天瑜
2.基于多阈值算法和分水岭算法的图像分割 [J], 樊秋月
3.结合二维Tsallis熵多阈值和DE算法的图像分割 [J], 王坤; 周熠; 吴一鸣
4.基于鸡群算法的Tsallis熵多阈值图像分割 [J], 郑和平[1];姚俭[1]
5.改进乌鸦算法的二维Tsallis熵多阈值图像分割算法 [J], 常君杰;李东兴;钟欣;杜文汉;王倩楠
因版权原因，仅展示原文概要，查看原文内容请购买。
粒子群优化的改进Tsallis熵图像阈值分割提出基于改进粒子群优化的二维Tsallis熵分解算法。
首先将二维Tsallis熵算法降维分解为两个一维Tsallis熵，同时在目标函数中引入类内离散测度函数，最终以此目标函数作为改进后粒子群优化算法的寻优函数，完成图像的全局最优解阈值分割。
实验结果表明，相对一维及二维Tsallis熵算法，改进算法在主观效果和區域间对比度评价指标上有较大改善，在铁路轨道异物图像的分割中满足实时性要求、抗噪效果更佳。
标签：图像分割；Tsallis熵；类内离散度；粒子群优化；铁路轨道异物图像Abstract：A two-dimensional Tsallis entropy decomposition algorithm based on improved particle swarm optimization （PSO）is proposed. Firstly，the two-dimensional Tsallis entropy algorithm is decomposed into two one-dimensional Tsallis entropies. At the same time，the within-class scatter function is introduced into the objective function. Finally，the objective function is used as the optimization function of the improved particle swarm optimization algorithm. The global optimal threshold segmentation of the image is completed. The experimental results show that the proposed method is greatly improved in terms of subjective visual effect and inter regional contrast evaluation indicators compared to the relevant methods，such as one-dimensional Tsallis and two-dimensional Tsallis entropy algorithm，and then the railway obstacle images segmentation meet the requirements of real-time and better anti-noise effect.Keywords：image segmentation；Tsallis entropy；within-class scatter；particle swarm optimization （PSO）；railway obstacle image高速铁路的安全运行离不开环境信息的采集、传递和实时处理。
