基于粗糙集的圖像分割算法研究.pdf

1、粗糙集理論由波蘭學(xué)者Pawlak Z.于1982年首次提出。它是一種新的處理模糊和不確定性問題的數(shù)學(xué)工具，已被廣泛應(yīng)用于知識發(fā)現(xiàn)、機器學(xué)習(xí)、決策支持、模式識別、專家系統(tǒng)及歸納推理等領(lǐng)域。圖像分割是圖像的特征提取與目標識別的基礎(chǔ)，是圖像處理中的一個難點，同時也是圖像處理中的一個熱點問題。本文以粗糙集理論為基礎(chǔ)，利用信息熵對灰度圖像和彩色圖像分割的相關(guān)算法做了一些探索性的研究，主要結(jié)論如下:
　　(1)以粗糙集理論為基礎(chǔ)，通過定義圖像

2、的上近似和下近似，進而給出了一副圖像的粗糙集表示，在此基礎(chǔ)上給出了圖像的liang熵定義。根據(jù)最大熵原則，選取窗口大小和閾值，并對圖像進行二值分割。設(shè)計了一種基于信息熵的灰度圖像二值分割算法，實驗結(jié)果表明了該算法的有效性。
　　(2)通過對現(xiàn)有的基于粗糙度的彩色圖像閾值分割技術(shù)的深入分析，發(fā)現(xiàn)其在計算鄰域直方圖時采用的距離函數(shù)沒有考慮RGB圖像中RGB三種顏色成分的差異，這會導(dǎo)致對圖像分割結(jié)果的影響。本章中我們采用了帶有權(quán)重的RG