知识卡片

普通读书笔记卡 · 3764.a

退火近似多阈值Otsu搜索

理解等级:高级

Otsu 法选阈值的标准是“类间方差”最大:阈值把像素分成几类后,各类平均灰度彼此差得越开,类间方差越大,说明分得越清楚。传统做法按序遍历所有可能的阈值,逐个计算后取最大者。

问题在于多阈值时要搜索的是一组阈值(阈值向量),组合数随分类数呈几何级数增长。示例(补充演算):灰度 0~255,阈值从 255 个候选灰度中选——

阈值个数 需要枚举的组合数
1 255
2 32 385
3 约 273 万

改进做法先用直方图的分类信息给出初始阈值向量,再让改进的 SAA 逐步逼近使类间方差最大的向量,代替穷举。它改变的是阈值求解策略;SAA 给出的是近似解,实际质量仍须与相同图像集上的穷举结果比较。

这张卡片看不懂?

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

      传统的Otsu算法的思想是按序遍历直到找到使得类间方差最大的阈值T,导致算法的计算复杂度随着分类数的增加呈几何级数增长,因此,在很多情况下Otsu算法是不适用的。采用基于模拟退火算法的阈值选取方法[39]可以解决多阈值分割时,Otsu算法计算量过大的问题。

    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:正文指出多阈值Otsu穷举的计算量问题,并描述以直方图分类信息初始化阈值向量、由改进SAA逼近最优向量。组合数表为依据 0~255 灰度范围补充的教学演算(组合数 C(255,k)),非书中数据。 - 原始内容:传统的Otsu算法的思想是按序遍历直到找到使得类间方差最大的阈值 T ,导致算法的计算复杂度随着分类数的增加呈几何级数增长,因此,在很多情况下Otsu算法是不适用的。 - 原始内容:利用SAA替代穷举法,克服了穷举造成的计算复杂度过大的缺点。