知识卡片
模糊熵与退火搜索双阈值
单个阈值只能把像素分成两类;两个阈值 t₁ < t₂ 把灰度分成三段:低于 t₁ 为黑,介于两者之间为灰,高于 t₂ 为亮。在光靶图像中,黑类用来检测标定图案,亮类用来识别激光光斑。
“模糊”指边界附近的灰度不硬性归入某一类,而是按程度分别属于相邻两类,所以三类叫模糊子集(模糊集的一般含义,原书未展开);这些归属程度由一组模糊熵参数决定,参数定了,阈值也随之确定。熵衡量划分中的不确定性,最大模糊熵判据选使模糊熵最大的那组参数作为最佳划分。
逐一枚举参数组合计算量大,于是用 SAA 代替穷举,快速得到最优的模糊熵参数组合和近似最优阈值。阈值数与目标函数应匹配图像任务,这一实验摘要不足以证明对其他图像同样有效。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1 1 . 4 . 3 基 于 模 拟 退 火 算 法 的 图 像 分 割 · 查看原书依据
因此,双阈值图像分割方法[38]引入了模糊数学理论和最大模糊熵判据,将光靶图像中的像素灰度级分为黑、灰和亮3个模糊子集,黑模糊子集用来检测标定图案,亮模糊子集则用于识别激光光斑。同时,使用SAA替代穷举法,快速获得最优的模糊熵参数组合以及近似最优的图像分割阈值,有效降低了计算复杂度,减小了算法的搜索空间。
参考来源
- 位置:《智能算法导论》第11章《1 1 . 4 . 3 基 于 模 拟 退 火 算 法 的 图 像 分 割》(源文件:`_epub-src/EPUB/xhtml/chapter11_0011.xhtml`)
- 结论依据:正文以光靶图像为例,将灰度划为黑/灰/亮模糊子集,并用SAA搜索最大模糊熵参数组合和近似阈值。
- 原始内容:双阈值图像分割方法 [ 3 8 ] 引入了模糊数学理论和最大模糊熵判据,将光靶图像中的像素灰度级分为黑、灰和亮3个模糊子集,黑模糊子集用来检测标定图案,亮模糊子集则用于识别激光光斑。同时,使用SAA替代穷举法,快速获得最优的模糊熵参数组合以及近似最优的图像分割阈值,有效降低了计算复杂度