西安科技大学电气与控制工程学院, 陕西 西安 710054
针对红外图像中背景与目标的复杂性和多样性给弱目标检测带来的困难, 提出基于局部方差的二维最大熵分割与遗传算法相结合的阈值分割方法。本文对变电站绝缘套管的红外图像进行了处理, 首先采用形态学顶帽变换的方法对其进行增强, 然后对图像进行局部方差映射并建立二维直方图, 最后结合遗传算法计算出二维最大熵分割阈值进而实现分割。实验结果表明, 该方法改善了红外弱目标的提取效果, 大大提高了阈值计算的效率, 待提取目标越小, 遗传算法的作用越能得到体现。
红外弱目标 局部方差 二维最大熵 遗传算法 阈值分割 weak infrared target local variance two-dimensional maximum entropy genetic algorithm threshold segmentation
闽南理工学院电子与电气工程系， 福建 石狮 362700
提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的 空间分布信息，然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量，并构造出联合离散概率分布。在此基础上，以 二维最大熵原则来确定一个最佳二维分割阈值，进而取得分割结果。实验结果表明，该算法在分割效果上优于传统的二维最大熵分割算法。
分形维数 二维最大熵 红外图像 目标分割 fractal dimension two-dimensional maximum entropy infrared image object segmentation
基于感兴趣区域的图像压缩编码技术已成为图像编码领域的研究热点。由于图像不确定性以及目标自动识别的实时性要求,现阶段通过模拟人类视觉特性确定感兴趣区域算法不能满足需要。基于目标红外图像的特点,提出了一种逐步逼近二维最大熵阈值递推搜索算法,综合运用二维最大熵阈值分割方法、顺序统计滤波、数学形态滤波等技术,实现了目标红外图像感兴趣区域的自动提取,经实验验证该方法不仅能满足一般的实时性要求,而且可靠、效率高,具有较高的实用价值。
红外目标图像 感兴趣区 图像分割 二维最大熵 infrared target image region of interest image segmentation two-dimensional maximum entropy
由于二维最大熵分割法不仅考虑了像素的灰度信息,而且还充分利用了像素的空间邻域信息,因此能够取得较好的分割效果.但是,该方法的计算量巨大,不利于红外图像的快速处理.蚁群算法于20世纪90年代初提出,是受到蚁群集体行为的启发而提出的一种基于种群的模拟进化算法,属于随机搜索算法.该算法已经成功应用于旅行商等离散问题.将蚁群算法应用于二维最大熵法,提出了基于蚁群算法的二维最大熵分割算法.与传统的穷尽搜索法相比,求解速度提高了60倍左右.仿真实验表明,该方法快速、简单、有效.
图像分割 蚁群算法 二维最大熵 阈值 Image segmentation Ant colony optimization Two-dimensional maximum entropy Threshold
