[1]来磊 卢文科 邓开连.基于二维Tsallis交叉熵直线型图像阈值分割方法[J].计算机技术与发展,2010,(06):105-108.
　LAI Lei,LU Wen-ke,DENG Kai-lian.New Image Thresholding Segmentation Methods Based on Two-Dimensional Tsallis Cross-Entropy Liner-Type[J].,2010,(06):105-108.
点击复制

基于二维Tsallis交叉熵直线型图像阈值分割方法()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2010年06期
页码:
105-108
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
New Image Thresholding Segmentation Methods Based on Two-Dimensional Tsallis Cross-Entropy Liner-Type
文章编号:
1673-629X（2010）06-0105-04
作者:
来磊 卢文科 邓开连
东华大学信息学院
Author(s):
LAI Lei; LU Wen-ke; DENG Kai-lian
Department of Information,Donghua University
关键词:
粒子群算法; Tsallis交叉熵; 二维直线; 图像分割
Keywords:
PSO;  Tsallis cross-entropy;  two-dimensional;  image segmentation
分类号:
TP301
文献标志码:
A
摘要:
Tsallis熵具有非广延性,其用于图像分割取得了比Shannon熵好的分割效果。但传统Tsallis熵分割主要基于点的分割,其不足处在于忽略边界区域的信息。为消除忽略边界区域信息给图像分割带来的不足,在二维Tsallis交叉熵基础上提出了二维Tsallis交叉熵直线型分割方法,并将聚类小生境粒子群算法应用于最佳二维阈值的搜索当中,最佳阈值搜索速度有了明显提高,所得阈值较为理想。实验表明此方法取得了比传统Tsallis熵分割法较好的分割效果。
Abstract:
Non-extensive is a property of Tsallis entropy,its segmentation performance is superior to thresholding methods using Shannon entropy.But traditional Tsallis entropy image thresholding segmentation method is based on point segmentation,the disadvantage is

相似文献/References:

[1]张爱华 江中勤 张华.基于粒子群优化算法的分形图像压缩编码[J].计算机技术与发展,2010,(02):21.
　ZHANG Ai-hua,JIANG Zhong-qin,ZHANG Hua.Fractal Image Compression Coding Based on PSO[J].,2010,(06):21.
[2]唐俊.PSO算法原理及应用[J].计算机技术与发展,2010,(02):213.
　TANG Jun.Principle and Application of PSO Algorithm[J].,2010,(06):213.
[3]张捍东 廖天红 岑豫皖.用模拟退火思想的粒子群算法实现图像分割[J].计算机技术与发展,2010,(05):83.
　ZHANG Han-dong,LIAO Tian-hong,CEN Yu-wan.Image Segmentation Through Particle Swarm Optimization Based on Simulated Annealing[J].,2010,(06):83.
[4]廖锋 高兴宝.差分演化算法在约束优化问题中的应用[J].计算机技术与发展,2010,(05):187.
　LIAO Feng,GAO Xing-bao.Application of Differential Evolution Algorithms on Constraint Optimization Problems[J].,2010,(06):187.
[5]邹毅 朱晓萍 王秀平.一种基于混沌优化的混合粒子群算法[J].计算机技术与发展,2009,(11):18.
　ZOU Yi,ZHU Xiao-ping,WANG Xiu-ping.A Hybrid PSO Algorithm Based on Chaos Optimization[J].,2009,(06):18.
[6]王为为 程家兴 贺晟.基于佳点集交叉的粒子群算法[J].计算机技术与发展,2009,(12):32.
　WANG Wei-wei,CHENG Jia-xing,HE Sheng.Particle Swarm Algorithm Based on Good Point Set Crossover[J].,2009,(06):32.
[7]贾瑞玉 黄义堂 邢猛.一种动态改变权值的简化粒子群算法[J].计算机技术与发展,2009,(02):137.
　JIA Rui-yu,HUANG Yi-tang,XING Meng.A Modified Simple Particle Swarm Optimization Using Dynamically Decreasing Inertia Weight[J].,2009,(06):137.
[8]卢珊萍 于盛林.基于粒子群算法的细胞神经网络模板参数设计[J].计算机技术与发展,2009,(04):83.
　LU Shan-ping,YU Sheng-lin.A Template Design Method for Cellular Neural Network Based on Particle Swarm Optimizer Algorithm[J].,2009,(06):83.
[9]王艳玲 李龙澍 胡哲.群体智能优化算法[J].计算机技术与发展,2008,(08):114.
　WANG Yan-ling,LI Long-shu,HU Zhe.Swarm Intelligence Optimization Algorithm[J].,2008,(06):114.
[10]邓璐娟 卢华琦 孙义坤 刁海港.改进的粒子群算法在测试数据生成中的应用[J].计算机技术与发展,2010,(07):216.
　DENG Lu-juan,LU Hua-qi,SUN Yi-kun,et al.Improved Adaptive PSO Application on Automatic Test Data Generation[J].,2010,(06):216.

备注/Memo

备注/Memo:
来磊（1983-），男，陕西西安人，硕士，研究方向为计算机视觉。
更新日期/Last Update: 1900-01-01