1 南京航空航天大学电子信息工程学院, 江苏 南京 211106
2 北京科技大学新金属材料国家重点实验室, 北京 100083
为了解决传统Chan-Vese(CV)模型难以快速、精确提取金相晶粒的问题,提出一种基于改进区域项CV模型的金相图像分割方法。该方法利用倒数交叉熵阈值选取准则函数替代传统CV模型中能量函数的区域项,构造新的水平集模型。改进模型能够使分割前后图像的倒数交叉熵达到最小,更精确地分割噪声影响严重且局部灰度变化较大的金相图像;考虑到倒数交叉熵计算会增加算法复杂度,通过引入最大绝对中位差,自适应调整曲线内外的能量权重加速曲线的演化,添加距离规范项以避免水平集函数的重新初始化,加速模型的收敛。实验结果表明,与多种模型相比,改进模型在分割结果和分割效率方面均具有明显优势。
成像系统 金相图像分割 Chan-Vese模型 区域项 倒数交叉熵 最大绝对中位差
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
