基于野马算法优化的二维最大熵图像分割

智能优化算法应用:基于野马优化的二维最大熵图像阈值分割 - 附代码


摘要:本文介绍基于最大熵的图像分割,并且应用野马算法进行阈值寻优。

1.前言

阅读此文章前,请阅读《图像分割:直方图区域划分及信息统计介绍》https://blog.csdn.net/u011835903/article/details/108024753 了解基础知识,相关公式含义。

2.二维最大熵阈值分割原理

Kapur等人于1985年提出的最大熵法是另一种广受关注的阈值选取方法 ,其是在Pun等人所做工作的启发下,经过一些修正而得出。该方法以形式简单、意义明确的特点成为关注度最高、使用最多的基于熵的阈值选取方法。最大熵法的阈值选取准则是分割后的目标类和背景类的总熵值最大,即信息量最大。在一维直方图的条件下,对应于阈值 t的目标类和背景类的熵值分别为:
H 0 ( t ) = − ∑ i = 0 t p i w 0 ( t ) l n p i w 0 ( t ) (1) H_{0}(t)=-\sum_{i=0}^t \frac{p_i}{w_0(t)}ln\frac{p_i}{w_0(t)}\tag{1} H0(t)=i=0tw0(t)pilnw0(t)pi(1)

H b ( t ) = − ∑ i = t + 1 L − 1 p i w b ( t ) l n p i w b ( t ) (2) H_b(t)=-\sum_{i=t+1}^{L-1}\frac{p_i}{w_b(t)}ln\frac{p_i}{w_b(t)}\tag{2} Hb(t)=i=t+1L1wb(t)pilnwb(t)pi(2)

最佳阈值选取准则为:
t ∗ = a r g m a x ( 0 ≤ t ≤ L − 1 ) { H 0 ( t ) + H b ( t ) } (3) t^*=argmax_{(0\leq t\leq L-1)}\{H_0(t)+H_b(t)\}\tag{3} t=argmax(0tL1){H0(t)+Hb(t)}(3)
二维直方图情况下的最大熵计算公式:
H ( t , s ) = H 0 ( t , s ) + H b ( t , s ) = − ∑ i = 0 t ∑ j = 0 s p i j w 0 ( t , s ) l n p i j w 0 ( t , s ) − ∑ i = t + 1 L − 1 ∑ j = s + 1 L − 1 p i j w b ( t , s ) l n p i j w b ( t , s ) (4) H(t,s)=H_0(t,s)+H_b(t,s)=-\sum_{i=0}^{t}\sum_{j=0}^{s}\frac{p_{ij}}{w_0(t,s)}ln\frac{p_{ij}}{w_0(t,s)} -\sum_{i=t+1}^{L-1}\sum_{j=s+1}^{L-1}\frac{p_{ij}}{w_b(t,s)}ln\frac{p_{ij}}{w_b(t,s)} \tag{4} H(t,s)=H0(t,s)+Hb(t,s)=i=0tj=0sw0(t,s)pijlnw0(t,s)piji=t+1L1j=s+1L1wb(t,s)pijlnwb(t,s)pij(4)
相应的最佳阈值为:
( t ∗ , s ∗ ) = a r g m a x ( 0 ≤ t ≤ L − 1 , 0 ≤ s ≤ L − 1 ) { H ( t , s ) } (5) (t^*,s^*) = argmax_{(0\leq t\leq L-1,0\leq s\leq L-1)}\{H(t,s)\}\tag{5} (t,s)=argmax(0tL1,0sL1){H(t,s)}(5)

3.基于野马优化的多阈值分割

由上述二维最大熵阈值分割法的原理可知,要得到最终的阈值,需要去寻找阈值(t,s),使得熵值最大。于是可以利用智能优化算法进行阈值的寻优,使得获得最佳阈值。

于是优化的适应度函数就是:
f u n { t , s } = a r g m a x ( 0 ≤ t ≤ L − 1 , 0 ≤ s ≤ L − 1 ) { H ( t , s ) } (6) fun\{t,s\}=argmax_{(0\leq t\leq L-1,0\leq s\leq L-1)}\{H(t,s)\}\tag{6} fun{t,s}=argmax(0tL1,0sL1){H(t,s)}(6)
设置阈值分割的个数,寻优边界为0到255(因为图像的像素值范围为0-255),设置相应的野马算法参数。
野马算法原理请参考:https://blog.csdn.net/u011835903/article/details/122683703

4.算法结果:

在这里插入图片描述
在这里插入图片描述

5.参考文献:

[1]吴一全,孟天亮,吴诗婳.图像阈值分割方法研究进展20年(1994—2014)[J].数据采集与处理,2015,30(01):1-23.

6.Matlab 代码

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

智能算法研学社(Jack旭)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值