基于模糊熵和无序理论的图像纹理分析方法

发布时间：2022-05-10 20:15

　　针对图像纹理复杂且难以分析定义的问题,提出一种基于模糊K-S熵的图像纹理分析方法.该方法基于无序理论,延伸了柯尔莫哥洛夫-西奈（K-S）熵的概念.首先,估算所有可能路径的序列模糊隶属度级别;然后,绘出熵差点迹并估计熵差的近似值;最后,使用队列元素等级来测定不精确系统的熵率.实验采用了不同类型的纹理图像,结果表明:在图像模糊集中,或在建立纹理图像像素分布不确定性模型时,估测K-S熵值都是可行的,模糊K-S熵可以作为图像纹理分析的有效特征. 

【文章页数】：6 页

【部分图文】：

Lena图像熵差的变化

FCM)的聚类分析可用于建模图像的不确定性﹒选择c的大小相当于模糊集K-S熵估计过程的第一步，为了构造出图像的序列隶属度，利用给定的c进行模糊C-均值划分；计算在每个路径上的模糊隶属度，以最低值所对应的模糊隶属度的灰度级确定FCM(即步骤2和步骤3)；然后计算熵差m(步骤4)﹒为了计算熵差，一个很实用的方法是使用模糊隶属度来处理FCM所获得的每个集合﹒其中，图像的垂直和水平方向分别指图像中行和列的熵差，如果一个纹理图像是等方向的，那么K-S熵的计算是独立于图像方向的﹒3实验结果分析3.1典型纹理图像图1给出了4个实验图像，其中(a)为“Lena”标准灰度图像(512×512)；(b)为部分癌细胞图像(603×1819)；(c)为部分正常细胞图像(678×1747)；(d)为人类腹部器官图像(246×366)﹒(a)Lena(b)癌细胞(c)正常细胞(d)人类腹部器官图1实验图像图1中，癌细胞和正常细胞图像可在细胞空腔下通过技术观察得到，人类腹部器官图像则通

范伟，等：基于模糊熵和无序理论的图像纹理分析方法第29卷65过CT扫描获得﹒选择这4个图像的原因是：Lena图像细节丰富，兼有平坦区域、影子和大量纹理等；2个细胞图像纹理细节丰富，而纹理分析可用来区分细胞空腔内癌细胞和正常细胞；腹部器官的CT图像是一个典型的医学图像，也可作为纹理分析的测试图像﹒图2~图5分别给出了上述4个图像所表达的特征，其中，每个原始图像分为25个大小为128×96像素的子图像﹒测试中，参数c=2，模糊权重指数q=2﹒(a)水平方向(b)垂直方向图2Lena图像熵差的变化(a)水平方向(b)垂直方向图3癌细胞图像熵差的变化(a)水平方向(b)垂直方向图4正常细胞图像熵差的变化(a)水平方向(b)垂直方向图5腹部器官图像熵差的变化在q[1,)不同值下，熵差结果容易受到影响﹒本文估计KSG时，令q=2或3，c=2,3或4﹒表1和表2分别给出了q=2和3的结果，可以看出每个模糊聚类都提供了KSG的估计值﹒表1和表2给出的结果是根据熵差与迭代的最佳可视结果得出的，在所有情况下，垂直方向上得到的K-S熵的估计值都高于水平方向上的估计值﹒为测试KSG是否易受噪声的影响，在Lena图像引入了Gaussian噪声，平均值为0，方差为0.05，参数c=2，q=2，得出水平和垂直方向上的KSG值分别为9.41和9.22﹒水平和垂直方向的熵差变化如图6所示﹒表3给出了加上Gaussian噪声的

【参考文献】：
期刊论文
[1]结合分块模糊熵和随机森林的图像分类方法[J]. 肖玉玲,仵征,朱煜.  电子技术应用. 2017(07)
[2]多光谱遥感影像的灰度与纹理信息测度方法[J]. 刘凤珠,张景雄,林宗坚,阳柯.  武汉大学学报(信息科学版). 2016(03)
[3]基于模糊C-均值的改进人工蜂群聚类算法[J]. 何嘉婧,王晋东,于智勇.  计算机应用研究. 2016(05)
[4]基于小波变换的散斑纹理表面粗糙度信息提取[J]. 杨蕾,卢荣胜,雷丽巧.  电子测量与仪器学报. 2012(12)
[5]基于灰度共生矩阵和分形的哈密瓜表皮网状纹理分析[J]. 王魏,冯全,杨梅.  中国农业大学学报. 2012(03)
[6]基于GLCM算法的图像纹理特征分析[J]. 陈美龙,戴声奎.  通信技术. 2012(02)
[7]纹理图像识别中的旋转不变性分析[J]. 杨清跃,高飞,聂青.  计算机工程与应用. 2010(33)
[8]图像纹理特征提取方法综述[J]. 刘丽,匡纲要.  中国图象图形学报. 2009(04)
[9]有序与无序的数学理论[J]. 黄番华.  华南师范大学学报(自然科学版). 2003(01)



本文编号：3652622