王海峰,章怡,蒋益锋.基于图像复杂度曲线拟合的快速图像分割方法[J].计算机科学,2018,45(2):130-134
基于图像复杂度曲线拟合的快速图像分割方法
Fast Image Segmentation Method Based on Image Complexity through Curve Fitting
投稿时间:2017-04-01  修订日期:2017-05-22
DOI:10.11896/j.issn.1002-137X.2018.02.023
中文关键词:  图像复杂度,最大熵算法,最小交叉熵,曲线拟合,图像分割
英文关键词:Image complexity,Maximum entropy algorithm,Minimum cross entropy,Curve fitting,Image segmentation
基金项目:本文受江苏省自然科学基金项目(BY2016030-08),江苏省常州市科技计划资助
作者单位E-mail
王海峰 江苏理工学院信息中心 江苏 常州213001 cjswhf@just.edu.cn 
章怡 江苏理工学院信息中心 江苏 常州213001  
蒋益锋 江苏理工学院信息中心 江苏 常州213001  
摘要点击次数: 408
全文下载次数: 303
中文摘要:
      针对经典Otsu算法、最大熵算法、最小交叉熵算法等在 低 信噪比图像中分割效果较差的问题,从图像复杂度的角度提出了基于图像背景与目标的对象复杂度的图像分割方法,并采用曲线拟合方法大大减少了计算冗余,提高了算法的实时性与稳定性。实验表明,与经典算法相比,所提快速分割算法具有运行速度快、稳定性与可靠性高等特点,能够有效地解决 低信噪比图像分割效果较差的问题。
英文摘要:
      The classical Otsu algorithm,maximum entropy algorithm,and minimum cross entropy algorithm have poor segmentation image effect when image signal noise ratio (SNR) is low.The paper proposed a kind of image segmentation method based on image background and target object complexity from the perspective of the image complexity,greatly reducing redundancy with the curve fitting method and improving the real-time performance and stability of the algorithm.According to the experiment results,compared with the classical algorithm,the fast segmentation algorithm proposed in the paper has high operation speed,stability and reliability,and can effectively solve dissatisfactory image segmentation effect when image SNR is low.
查看全文  查看/发表评论  下载PDF阅读器