基于PSO和模糊划分熵的水下图像分割

您当前的位置：

首页 >

文章列表页 >

基于PSO和模糊划分熵的水下图像分割

信息光学与图像处理 | 更新时间：2025-09-01

- 基于PSO和模糊划分熵的水下图像分割
- Underwater image segmentation based on particle swarm optimization and fuzzy partition entropy
- 光学技术 2007年第5期页码：754-758
- 作者机构：
  
  1. 1:哈尔滨工程大学水下机器人实验室
  2. 2:哈尔滨工程大学水下机器人实验室
  3. 3:哈尔滨工程大学水下机器人实验室,哈尔滨,150001
  4. 4,哈尔滨,150001
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2007
- 稿件说明：
移动端阅览
朱炜, 徐玉如, 秦再白. 基于PSO和模糊划分熵的水下图像分割[J]. 光学技术, 2007,(5):754-758.

Underwater image segmentation based on particle swarm optimization and fuzzy partition entropy[J]. 2007, (5): 754-758.
朱炜, 徐玉如, 秦再白. 基于PSO和模糊划分熵的水下图像分割[J]. 光学技术, 2007,(5):754-758. DOI：

Underwater image segmentation based on particle swarm optimization and fuzzy partition entropy[J]. 2007, (5): 754-758. DOI：

在水下环境中

由于存在着水体对光线的吸收以及照明不均等原因

水下图像具有信噪比低、边缘模糊等特点。如果直接使用传统的分割方法

对水下图像进行处理后的效果较差。传统的基于最大熵原理的阈值法尽管能实现某些特定的分割任务

但是其时效性较差。而粒子群算法(PSO)是一类随机全局优化技术

该算法简单易实现

可调参数少。因此将群体智能中的粒子群优化算法应用到图像分割中。新方法在重新定义模糊熵的基础上

根据最大熵原理

利用粒子群算法来搜索分割阈值。相对于传统的利用穷举法来搜索分割阈值的算法

新方法大大减少了计算时间

提高了效率。通过对水下图像处理实验证明

该算法对简单背景的图像分割是有效的

和传统分割方法相比

具有更强的自适应性和抗噪性能。

浏览量

345

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于最大模糊熵和遗传算法的图像分割

深浅交错式特征融合的人体图像分割方法

基于小波变换和残差网络的磁共振影像分割方法

基于多个密集连接型2D-CNNs的脑胶质瘤MRI三维分割

基于聚类算法的血管直径测量研究