利用变精度粗糙熵的图像分割算法

计算机工程与科学

利用变精度粗糙熵的图像分割算法

吴尚智1，佘志用2，张霞1，赵慧琴3

（1.西北师范大学计算机科学与工程学院，甘肃兰州 730070;2.新疆大学科学技术学院，新疆阿克苏 843100；

3.国网山西省电力公司信息通信分公司，山西太原 030000）

收稿日期:2017-06-29 修回日期:2017-12-12 出版日期:2018-10-25 发布日期:2018-10-25
基金资助:
国家自然科学基金(61561043)；甘肃省自然科学基金(1010RJZA011)

An image segmentation algorithm

using variable precision rough entropy

WU Shangzhi1,SHE Zhiyong2,ZHANG Xia1,ZHAO Huiqin3

(1.College of Computer Science and Engineering,Northwest Normal University,Lanzhou 730070;

2.Institute of Science Technology,Xinjiang University,Akesu 843100;

3.Information & Telecommunication Branch,State Grid Shanxi Electronic Power Company,Taiyuan 030000,China)

Received:2017-06-29 Revised:2017-12-12 Online:2018-10-25 Published:2018-10-25

摘要/Abstract

摘要：

图像分割是把图像分成若干个特定的、具有独特性质的区域并提取感兴趣目标的技术和过程，其结果将直接影响到目标物特征提取和描述，以及更进一步的目标物识别、分类和图像理解。因图像信息的复杂性和相关性，图像分割会出现不确定性和模糊性。图像用变精度粗糙集表示，结合粗糙熵和粒子群优化算法，提出变精度粗糙熵的图像分割算法，求出最大粗糙熵对应的最佳分割阈值，再用二值分割法对图像进行分割。实验结果表明，所提算法优于传统的单阈值分割法，且具有一定实用性和灵活性。

关键词: 变精度粗糙集, 粗糙熵, 粒子群优化算法, 图像分割

Abstract:

Image segmentation is a technique and process of dividing an image into a number of specific, unique areas and extracting the target of interest. Segmentation results directly affect target feature extraction and description, further target identification, classification and image understanding. Due to the complexity and relevance of image information, there is uncertainty and fuzziness in image segmentation. We use the variable precision rough set to represent the image, combining rough entropy and particle swarm optimization algorithm, propose an image segmentation algorithm based on variable precision rough entropy. We obtain the optimal segmentation threshold corresponding to the maximum rough entropy and then divide the image by the binary segmentation method. Experimental results show that the proposed algorithm is superior to the traditional single threshold segmentation method, and has certain practicability and flexibility.

Key words: variable precision rough set, rough entropy, particle swarm optimization algorithm, image segmentation

中图分类号:

null

吴尚智1，佘志用2，张霞1，赵慧琴3. 利用变精度粗糙熵的图像分割算法[J]. 计算机工程与科学.

WU Shangzhi1,SHE Zhiyong2,ZHANG Xia1,ZHAO Huiqin3.

An image segmentation algorithm

using variable precision rough entropy

[J]. Computer Engineering & Science.

[1]	张文豪, 瞿绍军. 基于双解码器结构的多尺度注意力特征融合网络的视网膜血管分割#br#[J]. 计算机工程与科学, 2023, 45(12): 2175-2185.
[2]	许文俊, 王锡淮. 基于变尺度黑洞和种群迁徙的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(11): 2036-2046.
[3]	张文宁, 周清雷, 焦重阳, 梅亮. 融入重心反向学习和单纯形搜索的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(09): 1629-1638.
[4]	吴从中, 董浩, 方静. 基于注意力机制的自适应滤波遥感图像分割网络[J]. 计算机工程与科学, 2022, 44(11): 2010-2018.
[5]	王林, 王燕丽, 安泽远. 改进粒子群算法优化回声状态网络的电力需求预测研究[J]. 计算机工程与科学, 2022, 44(08): 1457-1466.
[6]	仇静博, 燕雪峰, 汪俊, 郭延文, 魏明强, . 基于全卷积神经网络的单幅隧道图像裂纹提取算法[J]. 计算机工程与科学, 2022, 44(05): 845-854.
[7]	张晶, 魏淼, . 基于Delaunay三角划分策略的WSN区域覆盖优化研究[J]. 计算机工程与科学, 2021, 43(11): 1944-1951.
[8]	曾增峰, 环宇翔, 邹卓, 郑立荣. 多尺度深度监督的高度近视萎缩病变分割方法[J]. 计算机工程与科学, 2021, 43(07): 1264-1272.
[9]	蒋芸, 高静, 王发林. SAG-Net：用于联合视盘和视杯分割的新型跳过注意力指导网络[J]. 计算机工程与科学, 2021, 43(07): 1273-1282.
[10]	张俊鹏, 刘辉, 李清荣. 基于FCN-LSTM的工业烟尘图像分割[J]. 计算机工程与科学, 2021, 43(05): 906-916.
[11]	陈爱莲, 丁正龙, 詹曙. 基于对抗学习和多尺度特征融合的前列腺MR图像分割[J]. 计算机工程与科学, 2021, 43(04): 697-703.
[12]	朱倩倩, 车文刚, 苗晗. 数字化藏文古籍中多样性字体的实现方法研究[J]. 计算机工程与科学, 2020, 42(11): 2073-2079.
[13]	赵仁和，王军锋. 自适应尺度的局部强度聚类图像分割模型[J]. 计算机工程与科学, 2020, 42(06): 1043-1048.
[14]	赵凤1,2，孔令润1,2，马改妮1,2. 多目标粒子群和人工蜂群混合优化的阈值图像分割算法[J]. 计算机工程与科学, 2020, 42(02): 281-290.
[15]	徐秋平. 基于人机交互式图割的目标快速提取[J]. 计算机工程与科学, 2020, 42(02): 299-306.