递推模糊2-划分熵图割算法在红外图像分割中的应用

"基于快速递推模糊2-划分熵图割的红外图像分割技术在处理红外图像分割问题上的应用和优势。" 本文介绍了一种针对红外图像分割的新方法——基于快速递推模糊2-划分熵图割的算法，旨在解决传统图割算法在处理红外图像时存在的分割精度低和运行效率不高的问题。红外图像由于其特殊的成像性质，往往具有模糊边界和复杂的背景，因此，传统的图像分割方法可能无法有效地提取目标信息。 作者尹诗白、王一斌和邓箴提出的方法结合了模糊理论和图割理论，利用图像的模糊熵信息来设计图割能量函数。首先，通过计算图像感兴趣区域的最大模糊熵，确保了在分割过程中目标信息的完整提取。模糊熵是一种衡量信息不确定性的指标，对于处理模糊边界特别有效。 为了提高寻找最大模糊熵的效率，文章引入了递推算法。这种递推算法的时间复杂度为O(n^2)，大大减少了计算模糊熵的时间消耗。通过保存所有递推的熵函数值，算法能够有效地进行后续的穷举搜索，进一步优化分割效果。 在确定的感兴趣区域内，算法采用最大模糊2-划分时的隶属度函数来设定图割能量函数的似然能。这一策略使得算法在考虑图像模糊特性的基础上，能够更加精确地进行目标与背景的区分。 实验结果表明，该算法在分割精度上达到了F值95%，相比于其他常用算法，运行时间缩短了至少72%。这些数据证明了该方法在红外图像分割领域的高效性和准确性，同时也展现了良好的鲁棒性，满足了自动红外图像分割的实际需求。 关键词涉及的领域包括红外图像处理、图像分割、模糊划分熵计算、递推算法以及图割理论。文章的文献标识码为A，doi为10.3788/OPE.20162403.0668，属于计算机科学和技术的分类，具体在图像处理和电子技术方面。 这篇研究论文提出了一个创新的红外图像分割方案，通过融合模糊熵和递推图割，解决了红外图像分割的挑战，为相关领域的研究提供了新的思路和技术支持。