【智能算法应用】基于麻雀搜索算法的二维最大熵图像阈值分割

本文主要是介绍【智能算法应用】基于麻雀搜索算法的二维最大熵图像阈值分割,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

    • 1.算法原理
    • 2.数学模型
    • 3.结果展示
    • 4.参考文献
    • 5.代码获取


1.算法原理

【智能算法】麻雀搜索算法(SSA)原理及实现

2.数学模型

最大熵法是由 Kapur 于 1985 年所提出的, 该方法的阈值选取标准取决于图像中最大化分
割的目标区域和背景区域的总熵
, 而图像中的熵能够反映图像的平均信息量, 表示图像灰度
分布的聚集特征。

二维熵图像分割方法不仅侧重于考虑每个像素的灰度值,还细致地考察了像素邻域内的灰度分布,从而为图像分割提供了更丰富的信息。通过设置灰度阈值 t 和邻域阈值 s,图像被细分为四个区域:两个主要区域(目标和背景)位于阈值对角线的两侧,而垂直于对角线的两个区域主要包含边缘信息和噪声。

在这里插入图片描述
将图像中一个像素点及其周围3×3 范围的区域作为邻域, 来计算该像素点的邻域灰度均值:
P i j = n i j M × N (1) P_{ij}=\frac{n_{ij}}{M\times N}\tag{1} Pij=M×Nnij(1)
其中 Pij表示该像素点灰度值为 i 并且其邻域灰度平均值为 j 时的概率, nij 表示满足当前像素
点灰度值为 i 且其邻域灰度平均值为 j 时的像素点个数, M×N 表示图像的像素大小。
目标区域和背景区域的累积概率:
w 0 ( t , s ) = ∑ i = 0 t − 1 ∑ j = 0 s − 1 p i j w b ( t , s ) = ∑ i = t L − 1 ∑ j = s L − 1 p i j (2) w_0(t,s)=\sum_{i=0}^{t-1}\sum_{j=0}^{s-1}p_{ij}\\w_b(t,s)=\sum_{i=t}^{L-1}\sum_{j=s}^{L-1}p_{ij}\tag{2} w0(t,s)=i=0t1j=0s1pijwb(t,s)=i=tL1j=sL1pij(2)
目标区域和背景区域的熵:
H o ( t , s ) = − ∑ i = 0 t − 1 ∑ j = 0 s − 1 P i j ln ⁡ ( P i j w 0 ( t , s ) ) H b ( t , s ) = − ∑ i = t L − 1 ∑ j = s L − 1 P i j ln ⁡ ( P i j w b ( t , s ) ) (3) H_o(t,s)=-\sum_{i=0}^{t-1}\sum_{j=0}^{s-1}P_{ij}\ln\left(\frac{P_{ij}}{w_0(t,s)}\right)\\H_b(t,s)=-\sum_{i=t}^{L-1}\sum_{j=s}^{L-1}P_{ij}\ln\left(\frac{P_{ij}}{w_b(t,s)}\right)\tag{3} Ho(t,s)=i=0t1j=0s1Pijln(w0(t,s)Pij)Hb(t,s)=i=tL1j=sL1Pijln(wb(t,s)Pij)(3)
二维最大熵 H:
H ( t , s ) = H 0 ( t , s ) + H b ( t , s ) (4) H(t,s)=H_0(t,s)+H_b(t,s)\tag{4} H(t,s)=H0(t,s)+Hb(t,s)(4)
熵值越大代表信息量越大:
f u n { t ∗ , s ∗ } = arg ⁡ max ⁡ ( 0 ≤ t ≤ L − 1 , 0 ≤ s ≤ L − 1 ) { H ( t , s ) } (5) fun\{t^*,s^*\}=\arg\max(0\leq t\leq L-1,0\leq s\leq L-1)\{H(t,s)\}\tag{5} fun{t,s}=argmax(0tL1,0sL1){H(t,s)}(5)
通常智能算法是求解最小化问题,因此适应度函数定义为:
f i t n e s s = − f u n { t ∗ , s ∗ } (6) fitness = -fun\{t^*,s^*\}\tag{6} fitness=fun{t,s}(6)

3.结果展示

在这里插入图片描述
在这里插入图片描述

4.参考文献

[1] 袁成志.基于改进群体智能优化算法的图像处理应用研究[D].南京邮电大学,2023.

5.代码获取

这篇关于【智能算法应用】基于麻雀搜索算法的二维最大熵图像阈值分割的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/972547

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

poj2576(二维背包)

题意:n个人分成两组,两组人数只差小于1 , 并且体重只差最小 对于人数要求恰好装满,对于体重要求尽量多,一开始没做出来,看了下解题,按照自己的感觉写,然后a了 状态转移方程:dp[i][j] = max(dp[i][j],dp[i-1][j-c[k]]+c[k]);其中i表示人数,j表示背包容量,k表示输入的体重的 代码如下: #include<iostream>#include<

hdu2159(二维背包)

这是我的第一道二维背包题,没想到自己一下子就A了,但是代码写的比较乱,下面的代码是我有重新修改的 状态转移:dp[i][j] = max(dp[i][j], dp[i-1][j-c[z]]+v[z]); 其中dp[i][j]表示,打了i个怪物,消耗j的耐力值,所得到的最大经验值 代码如下: #include<iostream>#include<algorithm>#include<

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

hdu1394(线段树点更新的应用)

题意:求一个序列经过一定的操作得到的序列的最小逆序数 这题会用到逆序数的一个性质,在0到n-1这些数字组成的乱序排列,将第一个数字A移到最后一位,得到的逆序数为res-a+(n-a-1) 知道上面的知识点后,可以用暴力来解 代码如下: #include<iostream>#include<algorithm>#include<cstring>#include<stack>#in

zoj3820(树的直径的应用)

题意:在一颗树上找两个点,使得所有点到选择与其更近的一个点的距离的最大值最小。 思路:如果是选择一个点的话,那么点就是直径的中点。现在考虑两个点的情况,先求树的直径,再把直径最中间的边去掉,再求剩下的两个子树中直径的中点。 代码如下: #include <stdio.h>#include <string.h>#include <algorithm>#include <map>#

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/