【智能算法应用】基于麻雀搜索算法的二维最大熵图像阈值分割

目录

    • 1.算法原理
    • 2.数学模型
    • 3.结果展示
    • 4.参考文献
    • 5.代码获取


1.算法原理

【智能算法】麻雀搜索算法(SSA)原理及实现

2.数学模型

最大熵法是由 Kapur 于 1985 年所提出的, 该方法的阈值选取标准取决于图像中最大化分
割的目标区域和背景区域的总熵
, 而图像中的熵能够反映图像的平均信息量, 表示图像灰度
分布的聚集特征。

二维熵图像分割方法不仅侧重于考虑每个像素的灰度值,还细致地考察了像素邻域内的灰度分布,从而为图像分割提供了更丰富的信息。通过设置灰度阈值 t 和邻域阈值 s,图像被细分为四个区域:两个主要区域(目标和背景)位于阈值对角线的两侧,而垂直于对角线的两个区域主要包含边缘信息和噪声。

在这里插入图片描述
将图像中一个像素点及其周围3×3 范围的区域作为邻域, 来计算该像素点的邻域灰度均值:
P i j = n i j M × N (1) P_{ij}=\frac{n_{ij}}{M\times N}\tag{1} Pij=M×Nnij(1)
其中 Pij表示该像素点灰度值为 i 并且其邻域灰度平均值为 j 时的概率, nij 表示满足当前像素
点灰度值为 i 且其邻域灰度平均值为 j 时的像素点个数, M×N 表示图像的像素大小。
目标区域和背景区域的累积概率:
w 0 ( t , s ) = ∑ i = 0 t − 1 ∑ j = 0 s − 1 p i j w b ( t , s ) = ∑ i = t L − 1 ∑ j = s L − 1 p i j (2) w_0(t,s)=\sum_{i=0}^{t-1}\sum_{j=0}^{s-1}p_{ij}\\w_b(t,s)=\sum_{i=t}^{L-1}\sum_{j=s}^{L-1}p_{ij}\tag{2} w0(t,s)=i=0t1j=0s1pijwb(t,s)=i=tL1j=sL1pij(2)
目标区域和背景区域的熵:
H o ( t , s ) = − ∑ i = 0 t − 1 ∑ j = 0 s − 1 P i j ln ⁡ ( P i j w 0 ( t , s ) ) H b ( t , s ) = − ∑ i = t L − 1 ∑ j = s L − 1 P i j ln ⁡ ( P i j w b ( t , s ) ) (3) H_o(t,s)=-\sum_{i=0}^{t-1}\sum_{j=0}^{s-1}P_{ij}\ln\left(\frac{P_{ij}}{w_0(t,s)}\right)\\H_b(t,s)=-\sum_{i=t}^{L-1}\sum_{j=s}^{L-1}P_{ij}\ln\left(\frac{P_{ij}}{w_b(t,s)}\right)\tag{3} Ho(t,s)=i=0t1j=0s1Pijln(w0(t,s)Pij)Hb(t,s)=i=tL1j=sL1Pijln(wb(t,s)Pij)(3)
二维最大熵 H:
H ( t , s ) = H 0 ( t , s ) + H b ( t , s ) (4) H(t,s)=H_0(t,s)+H_b(t,s)\tag{4} H(t,s)=H0(t,s)+Hb(t,s)(4)
熵值越大代表信息量越大:
f u n { t ∗ , s ∗ } = arg ⁡ max ⁡ ( 0 ≤ t ≤ L − 1 , 0 ≤ s ≤ L − 1 ) { H ( t , s ) } (5) fun\{t^*,s^*\}=\arg\max(0\leq t\leq L-1,0\leq s\leq L-1)\{H(t,s)\}\tag{5} fun{t,s}=argmax(0tL1,0sL1){H(t,s)}(5)
通常智能算法是求解最小化问题,因此适应度函数定义为:
f i t n e s s = − f u n { t ∗ , s ∗ } (6) fitness = -fun\{t^*,s^*\}\tag{6} fitness=fun{t,s}(6)

3.结果展示

在这里插入图片描述
在这里插入图片描述

4.参考文献

[1] 袁成志.基于改进群体智能优化算法的图像处理应用研究[D].南京邮电大学,2023.

5.代码获取

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/604882.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

初学java

注意点 1.使用关键字long的时候,在其赋值的时候要在后面加上大写或者小写的l,个人推荐大写,小写与数‘1’难区分。 2.函数的名字要与文件夹的名字相同,并且文件夹后面一定要有.java。例如这个的名字是Main,函数就得用这个&#x…

python+pycharm安装教程

介绍 Python提供了高效的高级数据结构,还能简单有效地面向对象编程。Python语法和动态类型,以及解释型语言的本质,使它成为多数平台上写脚本和快速开发应用的编程语言,Python解释器易于扩展,可以使用C、C或其他可以通过…

国科大深度学习期末历年试卷

本文借鉴 国科大深度学习复习 深度学习期末 深度学习2020 一.名词解释(每个2分,共10分) 深度学习,稀疏自编码器,正则化,集成学习,Dropout 二.简答题(每题…

Autoxjs 实践-Spring Boot 集成 WebSocket

概述 最近弄了福袋工具,由于工具运行中,不好查看福袋结果,所以我想将福袋工具运行数据返回到后台,做数据统计、之后工具会越来越多,就弄了个后台,方便管理。 实现效果 WebSocket? websocket是…

机器学习:基于TF-IDF算法、决策树,使用NLTK库对亚马逊美食评论进行情绪分析

前言 系列专栏:机器学习:高级应用与实践【项目实战100】【2024】✨︎ 在本专栏中不仅包含一些适合初学者的最新机器学习项目,每个项目都处理一组不同的问题,包括监督和无监督学习、分类、回归和聚类,而且涉及创建深度学…

论文阅读】 ICCV-2021-3D Local Convolutional Neural Networks for Gait Recognition

motivation :现有方法方法无法准确定位身体部位,不同的身体部位可以出现在同一个条纹(如手臂和躯干),一个部分可以出现在不同帧(如手)的不同条纹上。其次,不同的身体部位具有不同的尺度,即使是不同帧中的同一部分也可以出现在不同…

【光速上手 Hydra 】一行代码自动跑多次实验,Hydra 中的 Multirun 参数如何使用?

Hydra 是一个开源的 Python 框架,简化了研究和其他复杂应用的开发。其关键特性是能够通过组合动态地创建一个分层次的配置,并通过配置文件和命令行进行覆盖。Hydra 的名称来源于其能够运行多个类似的作业 - 就像一个有多个头的九头蛇一样。 主要特性&am…

泽众财务RPA机器人常见五个应用场景

泽众RPA(即机器人流程自动化,Robotic Process Automation, RPA)解决方案是依托于各类先进信息技术手段的虚拟劳动力 (数字劳动力),根据预先设定的程序操作指令对任务进行自动化处理,实现业务流程…

解锁机械之美:发动机设备拆解可视化揭秘

在现代工程技术的世界里,发动机作为机械设备的心脏,始终扮演着至关重要的角色。图扑的发动机设备拆解可视化技术,以其独特的视角和精确的细节,为我们开启了一扇了解复杂机械结构的新窗。通过高清晰度的三维图像和动画,…

在阿里云K8S容器中,部署websocket应用程序的总结

一、背景 有一个websocket应用程序,使用spring boot框架开发,http端口号是6005,提供的是websocket服务,所以它还监听一个8889端口的tcp协议。 现在要把它部署到阿里云的k8s容器里,本文着重描述service层的配置。 因…

鸿蒙开发接口Ability框架:【 (ServiceExtensionAbility)】

ServiceExtensionAbility ServiceExtensionAbility模块提供ServiceExtension服务扩展相关接口的能力。 说明: 本模块首批接口从API version 9开始支持。后续版本的新增接口,采用上角标单独标记接口的起始版本。 本模块接口仅可在Stage模型下使用。 导入…

【linux软件基础知识】-死锁问题

死锁问题 当两个或多个线程由于每个线程都在等待另一个线程持有的资源而无法继续时,就会发生死锁 如下图所示, 在线程 1 中,代码持有了 L1 上的锁,然后尝试获取 L2 上的锁。 在线程 2 中,代码持有了 L2 上的锁,然后尝试获取 L1 上的锁。 在这种情况下,线程 1 已获取 L…

减速机齿数速算

1.齿轮相关参数 1.1 模数 , 因为 齿数*齿距 Pi*直径 所以:直径/齿数 齿距/PI 模数 国标现行标准(截止2024/5)是: GB/ 1357-2008 / ISO 54-1996 模数有国标的一个序列标准: 1.2.轴径 轴径的国标是&a…

【测试报告】星光日册

⭐ 作者:Jwenen 🌱 作者主页:Jwenen的个人主页 💖 持续更文,关注博主少走弯路,谢谢大家支持 💖 测试报告 1. 项目介绍2. 测试用例框架3. 自动化测试源码 1. 项目介绍 “星光日册”项目实现了用…

追踪攻击数据包中的真实IP地址:方法与技巧

在网络安全领域,追踪攻击数据包中的真实IP地址是一项至关重要的任务。通过确定攻击者的真实IP地址,可以有效地识别和阻止网络攻击行为,提高网络安全防御水平。IP数据云IP地址查询将介绍几种常用的方法和技巧,帮助安全人员有效追踪…

【Linux】CAN根据时钟频率、波特率计算采样点详解

1、采样点知识回顾 参考博客:【CAN】知识点:帧类型、数据帧结构、传输速率、位时间、采样点 CAN 采样点是指在一个数据位的传输周期内,接收器实际采样数据的时间点。这个时间点是以百分比来表示的,它决定了在数据位的传输周期中,何时读取数据位的值。 正确设置采样点对…

60*13薪,外包到新疆...去吗?

大家好,我是白露呀。 今天我在牛客上看到一篇帖子,一位网友说自己收到一个 offer ,薪资很高:60k*13,大约一年有近80万。 但是有个要求是外包到新疆的乌鲁木齐,他拿不定主意,就在牛客上发了这个…

华为数据之道第三部分导读

目录 导读 第三部分 第7章 打造“数字孪生”的数据全量感知能力 “全量、无接触”的数据感知能力框架 数据感知能力的需求起源:数字孪生 数据感知能力架构 基于物理世界的“硬感知”能力 “硬感知”能力的分类 “硬感知”能力在华为的实践 基于数字世界的…

Options API:选项式 API改成Composition API:组合式 API的留言板

让我欢喜让我忧 改成Composition API:组合式 API的代码&#xff0c; <template><!-- start --><span class"span_checkbox">操作<input type"checkbox" v-model"showInput" value"操作" /></span><…

VueReal将在Display Week上推出microLED创新技术

公司展示将microLED从晶圆转移到背板的“改变游戏规则”的平台 在2024年显示周&#xff08;5月12日至16日在圣何塞举行&#xff09;上&#xff0c;VueReal将展示其MicroSolid打印平台&#xff0c;并展示其在推动微LED显示器和其他微型半导体器件在智能手机显示器和AR/VR解决方案…
最新文章