基于卷积优化算法优化的Tsallis相对熵图像多阈值分割-CSDN博客

本文链接：https://blog.csdn.net/u011835903/article/details/144362034

基于卷积优化算法优化的Tsallis相对熵图像多阈值分割

文章目录

基于卷积优化算法优化的Tsallis相对熵图像多阈值分割

摘要：本文主要介绍利用卷积优化算法来优化Tsallis相对熵的图像多阈值分割算法。

1.卷积优化算法

卷积优化算法原理请参考：https://blog.csdn.net/u011835903/article/details/130000907

2.Tsallis相对熵多阈值图像分割原理

设 $I (x, y)$ 为待分割图像，图像的尺寸为 $m * n$ ,图像的最大灰度级为 $L$ ，其中 $1\leq x \leq m$ , $1\leq y \leq n$ 。图像中对应灰度级 $i$ 的像素数目表示为 $n_i$ ，图像的灰度级直方图分布概率可以表示为 $H=\{h_i|i=1,2,...,L\}$ ,其中 $h_i = \frac{n_i}{m*n}$ 表示灰度级 $i$ 在图像中出现的频率。设阈值个数为 $N$ ，第 $j$ 个阈值的值为 $t_j$ , $N$ 个阈值将图像分为 $N + 1$ 个区域： $A_1 、A_2 、…A_{N+1}$ 。

定义 $A_1$ 到 $A_{N+1}$ 的类概率为：
$P_1 = \sum_{i=1}^{t_1}h_i \tag{1}$

$P_j=\sum_{i=t_j-1}^{t_j}h_i(2\leq j \leq N) \tag{2}$

$P_{N+1}=\sum_{i=t_N}^Lh_i,i=1,2,...,L\tag{3}$

其中 $P_1 +P_2 +…+P_{N+1} =1$ 。同时定义 $A_1$ 到 $A_{N+1}$ 的灰度级类均值为：
$u_1 = \sum_{i=1}^{t_1}ih_i/P_1 \tag{4}$

$u_j=\sum_{i=t_j-1}^{t_j}ih_i/P_j,(2\leq j \leq N)\tag{5}$

$u_{N+1}=\sum_{i=t_N}^Lih_i/P_{N+1},i=1,2,...,L\tag{6}$

定义 $A_1$ 到 $A_{N+1}$ 的灰度级类方差为:
$\sigma_1^2 = \sum_{i=1}^{t_1}(i-u_1)^2/P_1 \tag{7}$

$\sigma_j^2 = \sum_{i=t_{j-1}}^{t_j}(i-u_j)^2/P_j\tag{8}$

$\sigma_{N+1}^2=\sum_{i=t_N}^L(i-u_{N+1})^2/P_{N+1},i=1,2,...L \tag{9}$

灰度级 $i$ 关于 $A_1$ 到 $A_{N+1}$ 的类概率为:
$p_j^i = \frac{1}{\sqrt{2\pi}\sigma_j}exp[-\frac{(i-u_j)^2}{2\sigma_j^2}],i=1,2,...,L;j=1,2,...,N+1 \tag{10}$
定义分割后图像灰度级的拟合高斯分布为：
$R=\{r_i|r_i=P_1*p_1^i+P_2*p_2^i+...+P_{N+1}*p_{N+1}^i,i=1,2,...,L\}\tag{11}$
图像的阈值化准则即 Tsallis 相对熵函数：
$J_p(H|R)=\frac{1}{q-1}\{\sum_{i=1}^L[h_i(r_i/h_i)^q+r_i(h_i/r_i)^q]-2\} \tag{12}$
在对图像进行分割时，如果能够找到 $N$ 个分割阈值 $t_1 ,t_2 ,...,t_N$ 使式(12)值最小，则这些阈值为最优阈值，最佳分割阈值 T 的集合的获取函数为：
$T=argmin_{1 \leq t\leq L}[J_p(H|R)]\tag{13}$

3.适应度函数设计

根据Tsallis相对熵多阈值图像分割原理可知，卷积优化函数的适应度函数，即为：
$fitness=argmin_{1 \leq t\leq L}[J_p(H|R)]\tag{14}$
搜索一组阈值，使得Tsallis相对熵值最小。。

4.实验结果

卷积优化算法的参数设置如下：

%% 基于卷积优化算法的Tsallis相对熵多阈值分割
clear all 
clc
I = imread('lena.tiff');%读取图像
SearchAgents_no=50; %种群数量
Max_iteration=50; % 最大迭代次数
dim = 3;%设定阈值个数
lb = ones(1,dim); %下边界1
ub = 255.*ones(1,dim);%上边界255
fobj =@(thresh)fun(I,thresh);%Tsallis 度量值