为了提高阈值分割图像的质量,提出了采用图论阈值算法.首先,构造图论和图像的映射函数关系,每个顶点通过点来映射,每条边通过线来映射.用基于区域属性的图像边缘决策表,不同像素点或不同组像素点之间的灰度特征差作为权重系数,通过基于决策属性权重来构造像素联系图;然后,采用聚类法计算像素到目标类和背景类的相似程度,最小生成树策略解决伪割集问题;最后,给出图像阈值设定以及算法流程.实验仿真表明,本文算法的分割图像效果清晰,消除了图像分割中存在的过合并和欠合并现象,本文算法的信息熵为28.780 3 bit,处理时间为1.454 3 s.满足分割结果中对执行时间少、信息含量大等要求.
参考文献
| [1] | 张俊娜;冯云芝.基于量子最大熵多阈值算法的图像分割研究[J].激光与红外,201343(05):578-582. |
| [2] | Cheng L J;Ding Y S;Hao K R.An ensemble kernel classifier with immune clonal selection algorithm for automatic discriminant of primary open angle glaucoma[J].Neuro Computing,201283(04):1-11. |
| [3] | 张田.一种改进的基于图的图像分割方法[J].西华大学学报,201130(01):61-64. |
| [4] | Wu Z;Leahy R.An optimal graph theoretic approach to data clustering:theory and its application to image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,199315(11):1101-1113. |
| [5] | Shi J;Malik J.Normalized cuts and image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,200022(08):888-905. |
| [6] | Grady L;Schwartz E L.Isoperimetric graph partitioning for image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,200628(03):469-475. |
| [7] | Felzenszwalb P.Efficient graph based image segmentation[J].International Journal of Computer Vision,200459(02):167-181. |
| [8] | 陈丽娟.矩阵论中的图论匹配法[J].南京信息工程大学学报,20113(06):571-573. |
| [9] | 方富贵.图论的算法和应用研究[J].计算机与数字工程,201240(02):115-117. |
| [10] | 卢鹏;王锡淮;肖健梅.连续属性决策表离散化的图论方法[J].计算机工程与应用,201248(06):13-16. |
| [11] | 洪汉玉;颜露新;郭祥云.生产线复杂场景条件下的动目标提取方法[J].华中科技大学学报,201240(07):57-61. |
| [12] | 段薇;马丽;路向阳.基于信息增益和最小距离分类的决策树改进算法[J].科学技术与工程,201313(06):1643-1646. |
| [13] | 熊小华;刘艳芳;宁爱兵.图的Steiner最小树的竞争决策算法[J].上海理工大学学报,201234(05):1643-1646. |
| [14] | 李荪;李哲英;刘佳.图论分割算法算子消耗模型OCM的建立与分析[J].电子测量与仪器学报,201226(11):1011-1018. |
| [15] | 张乾;冯夫健;林鑫.一种基于图论的图像分割算法[J].计算机工程,201238(18):194-197. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%