基于快速递推模糊2-划分熵图割的红外图像分割
本文选题:红外图像 切入点:图像分割 出处:《光学精密工程》2016年03期
【摘要】:考虑现有图割算法没有充分考虑红外图像的模糊特性,分割精度和运行效率低的缺点,提出了基于快速递推模糊2-划分熵图割的红外图像分割算法以实现复杂背景下红外图像的自动高效分割。该方法利用图像感兴趣区域的最大模糊熵信息设计图割能量函数的似然能,基于局部最大模糊2-划分熵值迭代检测出包含图像最大信息的感兴趣区域来确保提取目标信息的完整性。为了提高最大模糊熵寻优的效率,引入时间复杂度为O(n2)的递推算法,将模糊熵计算转化为递推过程,并保存所有递推的熵函数值用于后续的穷举寻优。针对确定的感兴趣区域,利用该区域最大模糊2-划分时隶属度函数分布设置图割能量函数的似然能,从而充分考虑图像的模糊特性。对分割结果与几种常用的算法进行了视觉比较及运行时间,错分率,F指标的量化分析。结果表明:该算法分割精度F值高达95%,运行时间较其他常用算法至少缩短了72%,基本满足自动红外图像分割对精度、效率和鲁棒性的要求。
[Abstract]:Considering that the existing image cutting algorithms do not fully take into account the fuzzy characteristics of infrared images, the shortcomings of segmentation accuracy and running efficiency are low,An infrared image segmentation algorithm based on fast recursive fuzzy 2-partition entropy image cutting is proposed to realize automatic and efficient infrared image segmentation in complex background.This method uses the maximum fuzzy entropy information of the region of interest in the image to design the likelihood energy of the cut energy function.Based on the local maximum fuzzy 2-partition entropy value, the region of interest containing the maximum information of the image is detected iteratively to ensure the integrity of the information extracted from the target.In order to improve the efficiency of maximum fuzzy entropy optimization, a recursive algorithm with time complexity of Ohn 2) is introduced. The fuzzy entropy calculation is transformed into a recursive process, and all the values of the recursive entropy function are preserved for subsequent exhaustive optimization.For the determined region of interest, the likelihood energy of the cut energy function is set by using the distribution of the membership function when the maximum fuzzy 2-partition of the region is used, so that the fuzzy characteristics of the image can be fully considered.The results of segmentation are compared with some common algorithms and the running time and error rate are analyzed quantitatively.The results show that the segmentation accuracy of this algorithm is as high as 95, and the running time is at least 72 shorter than that of other common algorithms, which basically meets the requirements of accuracy, efficiency and robustness of automatic infrared image segmentation.
【作者单位】: 西南财经大学经济信息工程学院;西北工业大学自动化学院;宁夏大学数学计算机学院;
【基金】:国家自然科学基金重大项目(No.91218301);国家自然科学基金青年基金资助项目(No.61502396) 西南财经大学中央高校基本科研业务费专项资金资助项目(No.JBK150503);西南财经大学中央高校基本科研业务费青年教师成长项目(No.JBK160135) 2015年宁夏自然科学基金资助项目(No.NZ15054) 互联网金融创新及监管四川省协同创新中心资助项目
【分类号】:TP391.41
【相似文献】
相关期刊论文 前10条
1 李卓;李平;;动态红外图像生成技术综述[J];红外与激光工程;2006年S1期
2 陆佳佳;方亮;叶玉堂;杨先明;成志强;;基于脉冲耦合神经网络的红外图像增强[J];光电工程;2007年02期
3 赵钦佩;姚莉秀;刘瑞明;杨杰;;一种新的基于背景的红外图像分割方法[J];计算机仿真;2007年05期
4 刘波;钟幼强;金施群;修亮;;基于红外图像处理的高速公路汽车追尾预警系统研究[J];中国仪器仪表;2008年S1期
5 朱斌;樊祥;马东辉;程正东;;天空红外图像非平稳背景的小波域抑制[J];红外与激光工程;2008年S2期
6 郭清风;王建国;;基于二维最大熵和顺序滤波的红外图像分割[J];红外技术;2008年02期
7 校丽丽;付冬梅;李晓刚;;基于红外图像的一种立体化方法的研究[J];红外技术;2008年02期
8 牟新刚;张桂林;胡若澜;潘晓东;;一种红外图像采集与校正系统的设计与实现[J];激光与红外;2008年08期
9 冯德瀛;许开宇;徐志京;;红外图像中海天线的检测[J];红外;2008年09期
10 谢刚;;红外图像人脸识别方法研究进展[J];计算机工程与设计;2008年18期
相关会议论文 前10条
1 郭海涛;;舰船红外图像处理研究的军事意义和现状[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
2 魏新;;红外图像处理技术[A];中国光学学会2011年学术大会摘要集[C];2011年
3 刘振焘;吴敏;曹卫华;何勇;;基于工况识别的高炉最佳红外图像选取方法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
4 张励;冯晓晨;张琰;张宏俊;;基于电阻阵的红外图像实时生成和显示系统[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
5 朱寅;吴敏;曹卫华;何勇;;基于小波分解与图像增强的高炉红外图像处理方法[A];第二十七届中国控制会议论文集[C];2008年
6 王雨;蒋增波;李文刚;;红外图像不均匀背景消除方法研究[A];2013年(第五届)西部光子学学术会议论文集[C];2013年
7 胡以华;蔡晓春;;典型目标的红外图像光谱分析[A];成像光谱技术与应用研讨会论文集[C];2004年
8 李卓;李平;;动态红外图像生成技术综述[A];2006年全国光电技术学术交流会会议文集(A 光电系统总体技术专题)[C];2006年
9 朱斌;樊祥;马东辉;程正东;;天空红外图像非平稳背景的小波域抑制[A];第二届红外成像系统仿真测试与评价技术研讨会论文集[C];2008年
10 郭永胜;谷峰;;CCD近红外图像特征研究[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年
相关重要报纸文章 前5条
1 李锦辉;“显微近红外图像成像方法的研究及其在烟草中的应用”项目通过评审[N];中华合作时报;2009年
2 赵亚平;飞艇:监测农作物墒情的哨兵[N];科技日报;2004年
3 张唯诚;探索动物的感觉世界[N];大众科技报;2011年
4 宁夏 郝刚;用“画图”的“反色”功能查看芯片型号[N];电子报;2008年
5 陶国生;信息技术催生战场新变革[N];中国国防报;2008年
相关硕士学位论文 前10条
1 张海;嵌入式红外图像实时处理系统的研究[D];长春理工大学;2010年
2 李真;基于红外图像处理的算法[D];北京邮电大学;2009年
3 池小梅;压缩传感理论及其在红外图像处理中的应用研究[D];河南科技大学;2011年
4 李庆华;复杂背景条件下的红外图像中小目标的检测[D];哈尔滨工程大学;2006年
5 盛攀龙;基于红外图像的人流检测技术的研究[D];上海交通大学;2008年
6 韦鹏博;红外图像多分辨分割方法研究[D];西安电子科技大学;2012年
7 李静静;红外图像的目标检测与识别方法研究[D];沈阳理工大学;2013年
8 田翠翠;基于红外图像的夜间行人检测技术研究[D];重庆大学;2010年
9 郭师虹;空域红外图像增强方法的研究[D];西安建筑科技大学;2005年
10 李文永;红外图像实时增强处理技术研究[D];南京理工大学;2006年
,本文编号:1687253
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1687253.html