《计算机应用研究》|Application Research of Computers

基于均值—中值—梯度共生矩阵模型的最大熵分割算法

Maximum entropy thresholding algorithm based on mean-median-gradient cooccurrence matrix model

免费全文下载 (已被下载 次)  
获取PDF全文
作者 龙建武,申铉京,魏巍,何月,陈海鹏
机构 吉林大学 计算机科学与技术学院,长春 130012
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2010)09-3575-04
DOI 10.3969/j.issn.1001-3695.2010.09.102
摘要 针对基于灰度—梯度共生矩阵模型的最大熵阈值分割算法抗噪声差的缺点,引入了均值—中值—梯度共生矩阵模型,并提出了基于该模型的最大熵阈值分割算法。为了有效地节省计算时间与存储空间,进而导出了该方法的快速递推公式。实验结果表明,该算法优于灰度—梯度模型分割方法,并能抑制高斯噪声、椒盐噪声以及其混合噪声对分割结果的影响,提高了分割的鲁棒性。
关键词 灰度—梯度共生矩阵;均值—中值—梯度共生矩阵;最大熵;阈值;图像分割
基金项目 国家自然科学基金资助项目(60773098)
吉林省科技发展计划资助项目(20050305)
本文URL http://www.arocmag.com/article/1001-3695(2010)09-3575-04.html
英文标题 Maximum entropy thresholding algorithm based on mean-median-gradient cooccurrence matrix model
作者英文名 LONG Jian-wu, SHEN Xuan-jing, WEI Wei, HE Yue, CHEN Hai-peng
机构英文名 College of Computer Science & Technology, Jilin University, Changchun 130012, China
英文摘要 In order to overcome the shortcomings of maximum entropy thresholding algorithm based on gray level-gradient co-occurrence matrix model with poor antinoise performance, this paper introduced a mean-median-gradient co-occurrence matrix model. Based on this model, proposed a maximum entropy thresholding algorithm simultaneously. For the purpose of saving computing time and storage space, presented a fast recursive method in the end. Experimental results show that the algorithm is superior to gray level-gradient model segmentation approach, and can suppress Gaussian noise, impulse noise and their hybrid noise, improves the robustness of the segmentation effectively.
英文关键词 gray level-gradient co-occurrence matrix; mean-median-gradient co-occurrence matrix; maximum entropy; threshold; image segmentation
参考文献 查看稿件参考文献
 
收稿日期
修回日期
页码 3575-3578
中图分类号
文献标志码 A