基于量子粒子群優化算法的最小交叉熵多閾值圖像分割

摘要：首先提出了一種減少最小交叉熵適應度函數計算量的快速遞推編程技術；然后采用量子粒子群優化法搜索獲得圖像最優多閾值，并用該閾值實現圖像分割。實驗分析結果表明，該方法具有實現閾值尋優速度快，最優解對應圖像分割效果好的特點。

關鍵詞：最小交叉熵; 多閾值; 遞推編程; 量子粒子群

中圖分類號：TP391．41文獻標志碼：A

文章編號：1001－3695(2008)04－1097－03

圖像分割是指將圖分成具有某種特征差異的不同區域，主要方法有閾值法、邊緣檢測法、區域跟蹤法。其中，閾值分割法因其實現簡單、計算量小、性能較穩定而成為圖像分割中的基本技術。在許多情況下，一幅圖像中的物體可能由于表面灰度和顏色的不同，在灰度級上有不同的反映，簡單的二值分割已不能反映圖像的特點，有必要進行多閾值分割，從而為后續處理提供更多的信息。近年來，為控制分割圖像造成的信息損失而發展起來的一種基于信息論熵準則的圖像閾值分割方法引起了人們極大關注，最大后驗熵法[1]、一維二維最大熵法[2，3]、最小交叉熵法[4]、Renyi熵[5]等方法相繼提出。其中C.H.Li[4]等人提出的一維最小交叉熵閾值法是一種有效的二值圖像分割法。但是該方法在實現多閾值分割時，傳統的算法是采用窮盡的搜索方法尋求最優解，需要大量的計算時間，從而限制了它的使用。粒子群優化算法[6]（particle swarm optimization，PSO），是由Eberhan和Kennedy1995年提出的進化計算算法。PSO簡單且具有良好的優化性能，是一種新興的很有前途的全局優化算法，但對一些復雜優化問題容易陷入局部極值的缺陷。量子粒子群算法[7]（quantum－behaved particle swarm optimization，QPSO）是對標準 PSO算法的全新改進，粒子的搜索性能遠遠優于基本PSO算法，已經在函數優化、神經網絡訓練等領域得到應用，但是國內將QPSO用于圖像處理的相關研究成果尚不多見。

5結束語

本文提出了一種基于量子粒子群的最小交叉熵多閾值分割方法。該方法首先提出一種快速遞推編程技術計算熵判別函數，然后采用量子粒子群優化算法搜索最優閾值，進而完成了圖像的多閾值分割。本文方法比采用窮盡搜索方式的傳統最小交叉熵多閾值法尋優速度快得多，兩者方法的閾值大小相等或者非常接近。因此本文方法是一種有效的圖像分割方法。

參考文獻：

[1] PUN T.A new method for gray－level picture threshold using the entropy of the histogram[J]. Signal Process，1980，2:223－237.

[2]KAPUR J N， SAHOO P K， WONG A K C， et al. A new method for gray level picture

thresholding using the entropy of the histogram[J].CVGIP，1985，29:273－285.

[3]ABUTALEB A S. Automatic thresholding of gray－level pictures using two－dimension entropy[J].Computer Vision Graphics and Image Processing，1989，47(1):22－32.

[4]LI C H， LEE C K. Minimum cross entropy thresholding[J].Pattern Recognition， 1993，26:617－625.

[5]SAHOO P， WILKINS C， YEAGER J. Threshold selection using Renyi’s entropy[J]. Pattern Recognition，1997，30(1):71－84.

[6]KENNEDY J， EBERHART R C. Particle swarm optimization[C]//Proc of IEEE International Conference on Neural Network. 1995:1942－1948.

[7]SUN Jun， FENG Bin， XU Wen－bo. Particle swarm optimization with particles having quantum behavior[C]//Proc of Congress on Evolutionary Computation. 2004:325－331.

[8]KULLBACK S. Information theory and statistics[M]. New York: Wiley， 1959.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”