基于粗糙集理論的圖像分割方法研究.pdf

1、圖像分割是圖像處理任務(wù)中最困難的任務(wù)之一,精確的分割決定著圖像處理分析過程的成敗,因此一直受到人們的高度重視?，F(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展,產(chǎn)生了大量?jī)?yōu)秀的理論和計(jì)算方法,這些理論和算法應(yīng)用于圖像分割產(chǎn)生了基于特定理論和算法的分割方法。這類方法往往針對(duì)性強(qiáng),分割效率和分割質(zhì)量高,從而越來越受到人們的重視。粗糙集理論就是其中之一,它是一種處理不精確、含糊描述對(duì)象的有效的數(shù)學(xué)工具,隨著對(duì)粗糙集理論研究的深入,粗糙集理論越來越多地應(yīng)用到了圖像處理領(lǐng)域

2、。
　　 本文提出了兩種新的灰度圖象分割方法:一種是利用粒子群算法以基于邊界域的粗集粗糙熵為標(biāo)準(zhǔn)對(duì)圖像進(jìn)行分割；另一種是利用蒙特卡羅方法以粗糙熵評(píng)價(jià)函數(shù)對(duì)灰度圖象實(shí)施閥值分割。
　　 第一種方法利用基于邊界域的粗集粗糙熵為評(píng)價(jià)函數(shù),通過粒子群尋優(yōu)找出最大粗糙熵對(duì)應(yīng)的灰度值,并以其為最佳分割閥值對(duì)圖像進(jìn)行分割,這種方法降低了算法對(duì)圖像分割子塊大小的敏感性,并在一定程度上降低了算法的運(yùn)行時(shí)間。第二種方法著力于降低算法的運(yùn)行時(shí)