基于變精度粗糙熵的智能圖像分割方法研究.pdf

1、圖像分割是圖像工程中最基本的技術(shù),是由圖像處理到圖像分析的關(guān)鍵步驟,也為計(jì)算機(jī)視覺中的特征提取、分類、識別和檢索提供了依據(jù).因此,高品質(zhì)、魯棒性的圖像分割算法在實(shí)際應(yīng)用中極其重要.目前常用的圖像分割方法主要有閾值化分割算法、基于邊緣檢測的分割、基于區(qū)域的以及基于聚類的分割.其中閾值分割由于操作簡單易于實(shí)現(xiàn)成為一種常用的圖像分割方法.
　　 由于圖像的灰度漸變性會產(chǎn)生模糊邊緣同時(shí)鄰近像素間的粗糙相似性也會產(chǎn)生含糊性,使得如何選擇一

2、個(gè)合適的閾值成為關(guān)鍵性問題.智能計(jì)算的發(fā)展,使得圖像分割出現(xiàn)了新方法與新理論.近年來一些學(xué)者將粗糙集理論與模糊集理論引入到圖像處理中,應(yīng)用粗糙熵或模糊熵進(jìn)行圖像分割,取得了一些成果.
　　 本文在介紹圖像分割理論的基礎(chǔ)上深入研究了基于粗糙熵的圖像閾值分割方法.針對不同的閾值分割要求,結(jié)合了變精度、模糊邏輯以及智能優(yōu)化等軟計(jì)算方法提出了幾種圖像分割算法.主要工作如下:
　　 (1)針對單閾值分割,提出了結(jié)合變精度粗糙熵和遺

3、傳算法的閾值圖像分割方法.該方法引入包含度的概念,提出了圖像的變精度粗糙集表示模型,同時(shí)結(jié)合遺傳算法,給出了粗糙熵圖像分割算法.
　　 (2)結(jié)合模糊集理論構(gòu)造了更為一般的圖像粗糙集表示模型.該模型首先將圖像模糊化,通過模糊邏輯算子定義了模糊集的包含度,基于此提出了圖像的粗糙集與粗糙熵表示形式.該模型可以減少圖像分割過程中噪聲的影響,且該模型可以退化至經(jīng)典的粗糙集圖像表示模型.
　　 (3)針對多閾值分割,提出了結(jié)合粗糙