1 南京航空航天大学 电子信息工程学院，江苏 南京210016
2 华中科技大学 煤燃烧国家重点实验室，湖北 武汉 430074
提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则，解决了 Shannon 熵定义中存在的无意义值问题。同时，以二维直方图斜分方式更加准确地划分目标和背景，提高了算法抗噪性能，且使需要选取的阈值个数由两个变为一个，减少了算法运行时间。此外，采用蜂群优化算法加速对最佳阈值的搜索，使速度提升了约80%~140%，进一步提高了算法的实时性。最后，针对火焰图像进行了大量实验，并与二维斜分最大 Shannon 熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明，提出的方法在分割效果上优势明显，且抗噪性能更好，是一种实时有效的火焰图像分割方法。
图像分割 阈值选取 倒数交叉熵 二维直方图斜分 蜂群优化 image segmentation threshold selection reciprocal cross entropy two-dimensional histogram oblique segmentation bee colony optimization
