资料下载
×
基于自适应量子遗传算法和二维OTSU的图像分割方法
消耗积分:0 |
格式:rar |
大小:1.69 MB |
2017-11-09
分享资料个
图像分割是图像预处理中的关键步骤，是更高层次网像识别和理解的基础，是图像处理中不可忽视的存在。阈值分割是图像分割中常用的方法，因为它简单并且有效，在计算机视觉以及图像识别等方面被广泛使用，人们熟知的阈值分割方法有最大熵法KSW、最大类间差法（OtSU）和区域生长法等。
Otsu法基于图像的一维直方网灰度信息，以目标和背景的类间方差最大作为阈值选取准则，一方面南于图像的灰度直方图不一定出现明显的峰和谷，另一方面，冈片受到噪声干扰、光照不均匀等不利因素影响时，致使分割效果不佳。刘健庄等人将Otsu法推广到适合二维直方图的情况，考虑了像素的邻域灰度信息，使得分割效果有了较大的改善，但同时所带来的计算量也是惊人的。为了克服此缺点，许多学者提出了多种基于二维Otsu的快速算法。
考虑到量子遗传算法在函数寻优方面的快速性，本文将传统的二维Ot.su法与改进的自适应量子遗传算法结合起来，并将其运用到图像阈值分割中。本文所采用改进的自适应量子遗传算法，该算法将量子比特用于染色体的编码，通过量子旋转门实现染色体向最大适应度方向进化，利用Hadamard门实现染色体种群的变异操作，熊够根据种群进化代数自适应动态地调整量子旋转角步长，能够快速有效的得到最佳分割阈值，取得了较好的分割效果。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
