針對模糊熵多級閾值分割方法存在模糊特性不足、計算量大、自動性差等問題,提出一種基于區(qū)間二型模糊熵的高分辨率全色遙感圖像多級閾值分割方法。首先,利用嶺型模糊隸屬度函數(shù)構造區(qū)間二型模糊集,由構造的模糊集和閾值個數(shù),在多級圖像分割場景中定義區(qū)間二型模糊熵。然后,利用量子比特將其模糊參數(shù)集編碼為量子染色體,設置若干量子染色體構成初始種群,并以定義的區(qū)間二型模糊熵作為適應度評價函數(shù),對種群中的個體進行適應度評價,保留和記錄最優(yōu)個體。在提出的進化策略中,利用量子旋轉門的動態(tài)旋轉角機制使種群以更好的適應性和效率自動確定模糊參數(shù)的最優(yōu)組合,據(jù)此,以最大模糊性原則得到多級閾值,實現(xiàn)圖像最優(yōu)多級閾值分割。在實驗中選取基于最大熵和模糊熵的多級閾值分割方法作為對比算法,對具有不同地物的高分辨率全色遙感圖像進行了分割實驗。實驗平均評價結果表明:本文方法能在減少計算時間的同時獲得更好的分割結果,面積加權方差降低了39.7%,Jeffries-Matusita距離降低了14.7%,運行時間為6.403 s�？蓾M足高分辨全色遙感圖像分割結果對空間連續(xù)且光譜均勻的要求且具有高實時性。

【文章頁數(shù)】：14 頁

【文章目錄】：
1 引 言
2 算法描述
    2.1 圖像的概率劃分
    2.2 多級區(qū)間二型模糊熵
    2.3 基于AQGA的區(qū)間二型模糊熵算法
        2.3.1 量子染色體編碼
        2.3.2 量子染色體測量和解碼
        2.3.3 適應度評價
        2.3.4 量子染色體進化
    2.4 算法流程
3 實驗結果與討論
    3.1 實驗設置
    3.2 模擬圖像分割
    3.3 遙感圖像分割
4 結 論



本文編號：3790883