亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于量子最大熵多閾值算法的圖像分割研究

        2013-03-20 08:50:06張俊娜馮云芝
        激光與紅外 2013年5期
        關(guān)鍵詞:灰度級概率分布量子

        張俊娜,馮云芝

        (河南師范大學(xué)計算機與信息工程學(xué)院,河南新鄉(xiāng)453007)

        1 引言

        圖像分割是圖像處理領(lǐng)域的一項重要的研究內(nèi)容,目標(biāo)檢測、識別和跟蹤都取決于圖像分割的質(zhì)量,因此分割方法的選擇直接影響到圖像分析系統(tǒng)的性能,根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個互不相交的區(qū)域,使得這些特征在同一區(qū)域內(nèi)表現(xiàn)出一致性或相似性,而在不同區(qū)域間表現(xiàn)出明顯的不同,因此圖像分割方法是面向具體的問題[1]。

        目前主要有最大后驗熵法、一維二維最大熵法、最小交叉熵法、Renyi熵等方法[2],它們要求最優(yōu)解的時間過長而使應(yīng)用受到限制。多閾值分割方法雖然可以用一系列單閾值分割問題解決,但這需要在全灰度范圍內(nèi)搜索一個最佳門限組合[3]。一些學(xué)者提出利用圖像的二維灰度直方圖的方法來進(jìn)行閾值選取和圖像分割,雖然能夠有效地抑制噪聲得到較高精度的分割圖像,但運算速度慢,復(fù)雜性高,如果沒有快速算法很難應(yīng)用于實時處理。全局閾值算法在圖像不太復(fù)雜、灰度分布較集中的情況下采用,如果子圖像正好落在目標(biāo)區(qū)域或背景區(qū)域,會產(chǎn)生更差的結(jié)果。動態(tài)閾值適應(yīng)了空間灰度信息變化特征,抗噪聲能力比較強,但是時間和空間復(fù)雜度比較大。

        本文利用像素信息的最大熵,結(jié)合多閾值分割圖像,確定圖像像素時,選取符合這些像素但熵值最大的概率分布,在多閾值中通過量子比特信息選擇最優(yōu)閾值,這樣較少運算量并且提高了圖像的分割精度。

        2 量子最大熵多閾值分割算法

        2.1 最大熵

        把圖像的每個像素灰度劃分為[0~255]等級,統(tǒng)計每個等級圖像總像素數(shù)為M,則:,等級 i∈(0,255);Ni為第 i個等級像素總數(shù);pi為第i個等級像素的概率,反映了圖像中等級像素變化情況。

        從而得到信息熵[4]:

        其中

        它表示圖像中每個灰度級像素所傳達(dá)的平均信息量。根據(jù)最大信息熵原理:在所有滿足給定約束條件的概率密度函數(shù)中,信息量最大的概率密度函數(shù)就是最佳的概率密度函數(shù)。

        設(shè)x為連續(xù)型隨機變量[5],概率密度函數(shù)為f(x),則其滿足以下條件:

        式中,mi是x統(tǒng)計樣本的第i階原點矩,可由統(tǒng)計樣本計算確定。

        為使隨機變量的熵E(x)在滿足式zi(x)的條件下取得最大值,構(gòu)造拉格朗日方程如下:

        式中,λ0,λ1,…,λm為拉格朗日乘子。

        由此可計算得出最大熵理論表示的隨機變量為x的概率密度函數(shù)為:

        在確定圖像像素時,選取符合這些像素但熵值最大的概率分布。考慮到符合已知像素的概率分布可能不止一個,最大熵的求解原則:將已知事實作為制約條件,求得可使熵最大化的概率分布,最大熵值條件:設(shè) Θ =[θ1,θ2,…,θn]是連續(xù)像素集[6],π 為Θ上的概率密度,以εN(π)表示π的熵,它定義為:

        如果已知關(guān)于θ的一部分先驗信息,那么方便的方法是把這部分信息用對π(θi)的一些約束方式表達(dá),即假設(shè):

        其中,gk(θ)為已知函數(shù)。在此約束下,令熵取最大值,此時的π(θi)作為θi的最大熵驗前分布。θi的最大熵驗前分布為:

        其中,λk是由約束條件所確定的常數(shù)。

        2.2 多閾值

        先考慮單閾值選擇,即把圖像用一個灰度值分成背景和物體兩個區(qū)域的情況。用p0,p1,…,pn表示灰度級的概率分布,如果把閾值設(shè)置在灰度級s,將獲得兩個概率分布,一個包含1到s間的灰度級,另一個包含 s+1到s間的灰度級[7],這兩個分布如下:

        閾值s設(shè)置為F(s)。

        多閾值的情況將上式變?yōu)?

        其中,k是類數(shù),閾值 s1,s2,…,sk設(shè)置為 F(s1),F(xiàn)(s2),…,F(xiàn)(sk)。

        2.3 像素量子比特

        像素量子比特為:

        通過像素量子比特選取的閾值過程為,圖像中像素點的集合為A,在灰度等級中第i個灰度級的概率為pi(i=0,1,…,255),第 i個灰度級的所有像素量子比特為把圖像分為N個子塊,單一的子塊為Aj(j=0,1,…,N),則目標(biāo)函數(shù)為:

        當(dāng)H(A,N)最小,即為圖像的分割閾值。

        2 .4 圖像分割

        圖像閾值化是一種實用的圖像分割算法,但在實際應(yīng)用中,由于閾值設(shè)定容易受噪聲和光亮度的影響,很難有效地進(jìn)行選擇,所以應(yīng)用受限;最大熵法是一種改進(jìn)的圖像閾值分割方法,最大熵法對不同信噪比和不同大小的目標(biāo)均能產(chǎn)生較好的分割效果,應(yīng)用較廣。最大熵法包括一維最大熵法和二維最大熵法。由于噪聲的影響,一維直方圖得到的閾值并不能使圖像得到滿意的分割結(jié)果;二維最大熵法利用圖像像素與其鄰域平均灰度二維直方圖分割,效果較好,但對于目標(biāo)的一些邊緣信息未能保留。本文方法不僅利用了圖像的灰度信息而且使用了圖像的梯度信息,使二值化后的圖像保留更多的邊緣信息[8]。

        假設(shè)將原圖像G分割成s部分而需要(s-1)個閾值[9],將這些閾值記為 F(sj),其中 j=1,2,…,s-1。且0<F(si)<F(sj)<F(smax),則分割所得第j部分所占整個圖像的比例記為 η[F(sj-1,sj)]=h(j),j=1,2,…,c。像素點的最佳分割閾值[10]為:

        式中,F(xiàn)*ij為像點的最優(yōu)閾值;ωij為選擇整體閾值的

        算法步驟:

        (1)為F(s)選擇一個初始估計值,可以將它取為圖像中最大和最小灰度的中間值;

        (2)使用閾值F(s)分割圖像,灰度大于pi的像素組成區(qū)域G1,灰度小于pi的部分為G2;

        (3)計算G1和G2區(qū)域中像素的各自平均灰度值G1和G2;

        22

        (5)如果F^(s)與F(s)相等或者相差在規(guī)定的范圍內(nèi),或者達(dá)到規(guī)定迭代次數(shù),則可將作為最終閾值結(jié)果,否則重復(fù)(2)到(4)步的操作,直至滿足要求。

        3 實驗仿真

        對一幅1024×900圖像進(jìn)行最大熵閾值分割處理,所用程序為 Matlab 7.0,運行環(huán)境:CPU為3.6 GHz,內(nèi)存2048 MB,操作系統(tǒng) Windows XP,硬盤為SATA2接口。圖1為原圖,圖2是像素等級分布圖,圖3最大熵多閾值分割圖,圖4最大熵單閾值分割圖,圖5最大熵雙閾值分割圖。從圖2中我們可以看出,lena的圖像灰度值主要在155左右,大約有2600個像素點,根據(jù)像素點的數(shù)量劃分不同區(qū)域后選擇最佳閾值。

        圖1 圖像原圖

        結(jié)果顯示:圖3最大熵多閾值分割圖效果好,考慮了圖像的空間信息,從而對噪聲的抑制能力較強,得到較高精度的圖像,目標(biāo)lena與背景分開,使分割后區(qū)域數(shù)目減少,邊緣較光滑,通過分割且有效地保留了重要的信息。圖4單純采用最大熵單閾值算法很難實現(xiàn)圖像分割恢復(fù),雖然結(jié)合了灰度值和空間信息,但是所得的閾值仍然是整體閾值,分割時雖然充分利用了空間信息,分割結(jié)果仍然不夠好,沒有檢出lena頭發(fā)重疊情況下的所有邊緣,造成區(qū)域的不正確合并,又產(chǎn)生許多區(qū)域空洞和碎片,在實際應(yīng)用中單熵閩值分割的精度是比較差的。圖5算法得到的結(jié)果中有一些背景噪聲,存在過分割現(xiàn)象,lena的灰度變化沒有在分割結(jié)果中反映出來,僅針對閾值小范圍內(nèi)的像素進(jìn)行處理,避免不了無關(guān)像素對分割結(jié)果的影響。

        圖5 量子最大熵雙閾值分割圖

        采用100次蒙特卡羅方法對實驗進(jìn)行對比,結(jié)果如表1所示。

        表1 處理方法比較

        最大熵多閾值分割方法的峰值信噪比較大,根據(jù)峰值信噪比的含義越大就代表失真越少,因此最大熵多閾值分割方法能夠較好的保持圖像信息,不會因分割而破壞圖像信息。

        4 總結(jié)

        通過圖像進(jìn)行仿真可以得出:基于最大熵多閾值分割熵理論主要以圖像中目標(biāo)區(qū)域所攜帶的信息量為分割準(zhǔn)則,最大限度地保留圖像中分割目標(biāo)的信息。從總體分割效果上看,它的處理能力較好,對有用信息的保留總量大,細(xì)節(jié)處理較好,最佳閾值的設(shè)定不僅可以減少算法的運算量,同時也提高圖像恢復(fù)的精度。

        [1] Xia Tao,Huang Shike,Chen Haiqing.Contour tacking for infrared image based on the characteristic analysis of the local gray level[J].Laser & Infrared,2006,36(2):151 -154.(in Chinese)夏濤,黃士科,陳海清.基于局部灰度分析的紅外圖像輪廓跟蹤算法[J].激光與紅外,2006,36(2):151-154.

        [2] JH,JM H.Simultaneous detection of lines and edges using compound gabor filters[J].Pattern Recognition and Artificial Intelligence,2000,14(6):757 -777.

        [3] Ren Shaoqing,Wang Mingquan,Lu Liyan.Research for volume rendering technology based on 2Dmaximum entropy threshold segmentation[J].Chinese Journalof Electron Devices,2008,31(3):923 -925,930.(in Chinese)任少卿,王明泉,盧麗燕.基于二維最大熵閾值分割的體繪制技術(shù)研究[J].電子器件,2008,31(3):923 -925,930.

        [4] Sun Lu,Bi Duyan.The improved iterative algorithm based on entropy for image threshold segmentation[J].Computer Applications and Software,2008,25(10):225 - 226,238.(in Chinese)孫路,畢篤彥.基于信息熵的圖像分割閾值迭代改進(jìn)算法[J].計算機應(yīng)用與軟件,2008,25(10):225 -226,238.

        [5] Li Jing,F(xiàn)eng Zhigang.Application of bayes bootstrap maximum entropymethod to reliability evaluation[J].E-lectronic Product Reliability and Environmental Testing,2008,26(6):62 -65.(in Chinese)李靜,馮志剛.隨機加權(quán)最大熵法在可靠性評估中的運用[J].電子產(chǎn)品可靠性與環(huán)境試驗,2008,26(6):62-65.

        [6] Xu Junhui,Qin Yongyuan,Zhen Zhanchang.The prior distribution study of SIMU successive test data based on maximum entropy method [J].Aerospace Contro,2009,6:75 -78,82.(in Chinese)徐軍輝,秦永元,甄占昌.基于最大熵法的捷聯(lián)慣組歷次測試數(shù)據(jù)驗前分布研究[J].航天控制,2009,6:75 -78,82.

        [7] Yang Kai,Jiang Huawei.Research of improved algorithm for multilevel thresholding image segmentation based on fuzzy maximum entropy[J].Computer Engineering and Applications,2009,45(32):174 -177.(in Chinese)楊凱,蔣華偉.模糊最大熵多閾值分割的改進(jìn)算法研究[J].計算機工程與應(yīng)用,2009,45(32):174 -177.

        [8] Li Xiang,Wan Yongjing,Zhou Youling.An improved threshold segmentation algorithm and its application in image processing of composites[J].Journal of Southern Yangtze University,2006,5(4):467 -471.(in Chinese)李想,萬永菁,周又玲.一種改進(jìn)的閾值分割算法在復(fù)合材料圖像處理的應(yīng)用[J].江南大學(xué)學(xué)報,2006,5(4):467-471.

        [9] Liu Lixin.Image multi-threshold method based on fuzzy mutual information[J].Computer Engineering and Applications,2009,45(25):166 -168,197.(in Chinese)劉立新.多閾值模糊互信息圖像分割方法[J].計算機工程與應(yīng)用,2009,45(25):166 -168,197.

        [10] Kim J,F(xiàn)isher IIIJW,Yezzi A,etal.A nonparametric statistical method for image segmentation using information theory and curve evolution[J].IEEE Trans Image Process,2005,14(10):1486 -1502.

        [11] Sezgin M,Sankur B.Survey over image thresholding techniques and quantitative performance evaluation[J].Journal of Electronic Image,2004,13(1):145 -165.

        猜你喜歡
        灰度級概率分布量子
        2022年諾貝爾物理學(xué)獎 從量子糾纏到量子通信
        離散型概率分布的ORB圖像特征點誤匹配剔除算法
        人眼可感知最多相鄰像素灰度差的全局圖像優(yōu)化方法*
        決定未來的量子計算
        新量子通信線路保障網(wǎng)絡(luò)安全
        基于灰度直方圖的單一圖像噪聲類型識別研究
        關(guān)于概率分布函數(shù)定義的辨析
        科技視界(2016年19期)2017-05-18 10:18:46
        基于概率分布的PPP項目風(fēng)險承擔(dān)支出測算
        一種簡便的超聲分散法制備碳量子點及表征
        基于混沌加密的DCT域灰度級盲水印算法
        日韩av无码中文字幕| 亚洲精品二区在线观看| 亚洲视频在线免费观看一区二区 | 无码丰满熟妇一区二区| 91日韩高清在线观看播放| 国产喷白浆精品一区二区| 成熟妇女毛茸茸性视频| 影音先锋男人av鲁色资源网| 色av综合av综合无码网站| 成人自拍视频国产一区| 国产综合开心激情五月| 中文无码精品a∨在线观看不卡| 狠干狠爱无码区| 久久麻豆精亚洲av品国产精品| 国产一区二区长腿丝袜高跟鞋| 无码av一区二区大桥久未| 中文字幕精品亚洲人成| 91麻豆精品一区二区三区| 性色视频加勒比在线观看| 国产丝袜在线精品丝袜| 一本无码av一区二区三区| 久久午夜一区二区三区| 久久久久亚洲av成人片| 精品综合久久久久久97超人| 国产精品美女久久久久浪潮AVⅤ | 99精品久久精品一区二区| 在线中文字幕有码中文| 日韩人妻中文字幕一区二区| 手机在线观看日韩不卡av| 六月婷婷久香在线视频| 日本口爆吞精在线视频| 男女视频一区二区三区在线观看| 国产欧美一区二区精品久久久| 人人妻人人澡av天堂香蕉| 老熟妇高潮av一区二区三区啪啪| 日韩精品一区二区三区在线视频| 欧美性猛交xxxx乱大交3| 日韩在线视精品在亚洲| 成人高清在线播放视频| 免费看黑人男阳茎进女阳道视频| āV第三区亚洲狠狠婷婷综合久久|