灰度图像的二维交叉熵阈值分割法(投出稿).pdf

2024-06-12

10

2.4MB

灰度图像的二维交叉熵阈值分割法(投出稿)1.doc

MACROBUTTONAcceptAllChangesInDoc灰度图像的二维交叉熵阈值分割法国家自然科学基金资助（编号：60572133）范九伦=1\*GB3①雷博=1\*GB3①，=2\*GB3②(=1\*GB3①.西安邮电学院信息与控制系,陕西西安710061;=2\*GB3②.西安电子科技大学电子工程学院,陕西西安710071)摘要：一维Otsu法是一个经典的阈值分割方法，遵循该方法的构造思想，Li与Lee基于交叉熵提出了一个阈值分割方法。本文在解释和说明Li与

2024-09-17

16

3.9MB

二维最大熵阈值分割法.docx

二维最大熵阈值分割算法[引用]杜峰，施文康，邓勇等：《一种快速红外图像分割方法》1.二维最大熵阈值分割熵是平均信息量的表征。二维最大熵法是基于图像二维直方图。图像二维直方图定义如下：其中表示图像大小，表示图像灰度值为i，邻域灰度平均值为j的像素个数。通常二维直方图的平面示意图可以用下图1表示：图1二维直方图平面示意图灰阶L均值L0ts1234其中区域1和2表示背景和目标像素，区域3和4通常表示边界和噪声信息。阈值向量(t,s)，t表示灰度值，s表示像素邻域均值（通常是8邻域）。对于L个灰度级的图像，设在阈

2024-11-06

20

182KB

基于二维灰度熵及混沌粒子群的图像阈值选取.docx

基于二维灰度熵及混沌粒子群的图像阈值选取图像阈值选取是图像处理领域中的重要任务之一，它在图像分割、图像增强、目标检测等方面具有重要的应用价值。其中，基于二维灰度熵和混沌粒子群算法的图像阈值选取方法成为了研究热点。本论文将详细介绍二维灰度熵和混沌粒子群算法的原理及其在图像阈值选取中的应用，以及在实验中的表现及结果分析。1.引言随着计算机技术的迅猛发展，图像处理领域的研究也变得越来越重要。图像阈值选取作为图像处理的基础工作之一，在很多应用中起到了至关重要的作用。因此，研究高效准确的图像阈值选取方法具有很高的实

2024-11-14

5

10KB

基于灰度-梯度二维对称Tsallis交叉熵的快速阈值分割方法.pdf

一种基于灰度-梯度二维对称Tsallis交叉熵的快速阈值分割方法，该方法针对传统灰度级-平均灰度级直方图存在着近似假设和计算需要搜索整个解空间而导致分割不准确和效率不高问题，提出改进的二维对称Tsallis交叉熵阈值分割及其快速递推方法，该阈值分割法普适性较强、分割精确；为了实现灰度图像准确的分割，本发明采取新的灰度-梯度二维直方图，并结合分割效果优越的二维对称Tsallis交叉熵理论，有效地提高了灰度图像分割的精度；同时为了满足工业流水线在线实时性，本发明采用了新型快速递推算法，减少冗余计算；利用本发明

2023-10-15

10

966KB