搜索资源列表
OpenBitmap
- 图像分割算法，包括阈值分割（固定阈值、迭代阈值、一维最大熵阈值）、边缘分割、轮廓分割
一维最大熵阈值分割算法
- 一维最大熵阈值分割算法实现
yiweishangyuzhifenge
- 一维直方图熵阈值算法，能对图像进行很好的阈值分割，希望对大家又帮助-One-dimensional histogram entropy threshold algorithm, can be a very good image threshold segmentation, we also hope to help
algorithm
- 阈值法是图像分割的一种重要方法, 在图像处理与识别中广为应用. 提出了一种基于灰度2梯度共生矩阵 模型和最大熵原理的自动阈值化方法. 该方法不仅利用了图像的灰度信息, 而且也利用了梯度信息, 通过计算基 于灰度2梯度共生矩阵的二维熵, 并使边缘区域的熵最大来选择阈值向量. 仿真结果显示, 该算法比其他二维熵方 法效果更佳.-Th resho lding is an impo rtant fo rm of image segmentat ion and is used in image
yiweishangseg_lj
- 一维最大熵图像分割算法的MATLAB实现源代码-the matlab code for degital image segment
the-Renyi-entropy-theory
- 建武和申铉京等人充分利用图像空间邻域信息，引入均值-中值-梯度共生矩阵模型，并结合Renyi熵相关理论, 提出一种结合纹理信息的三维Renyi熵阈值分割算法. 同时给出了该方法的快速递推公式。-Jianwu and Shin Hyun Beijing, who make full use of the image spatial information, the introduction of the mean- in value- gradient co-occurrence matrix m
3D-Renyi-entropy-theory
- 魏巍等人提出了一种基于灰度、邻域均值和邻域加权中值三维直方图的最大Renyi熵阈值分割算法。该方法无论在精度上还是抗噪性上都有明显提升。-Wei Wei, who based on gray-scale, neighborhood average and in the neighborhood weighted value of three-dimensional histogram of the maximum Renyi entropy threshold segmentation algo
duoyuzhizishiyingfenge
- 提出一种基于遗传算法的二维熵多阈值自适应图像分割方法.在分析研究二维熵阈值分割原理的基础上, 将可变码长的遗传算法应用于多阈值分割处理过程,采用基于多阈值的整数编码方式,将图像分割的类别数即染色 体的码长融合到适应度函数中,从而实现了在对阈值寻优的同时得以优化分割类别数,最终实现图像的多阈值自适 应分割处理.实验分析结果表明,该方法具有实现阈值寻优速度快,最优解对应图像分割效果好的特点-Propose a genetic algorithm based 2D entropy mult
segmentation
- 一维最大熵，最大类间差，迭代法，全局直方图，四种阈值分割算法MATLAB实现-One-dimensional maximum entropy, the largest class of poor, iterative method, global histogram, four threshold segmentation algorithm based on MATLAB realization
Tsallis-entropy
- 图像的阈值分割，基于matlab的一维非广延熵Tsallis熵算法的灰度图像分割-Image segmentation, matlab-based one-dimensional non-extended entropy Tsallis entropy algorithm gray-scale image segmentation
kapur
- 图像的阈值分割，基于matlab的一维卡普尔熵算法的灰度图像分割-Image segmentation based on matlab, one- dimensional Kapoor entropy algorithm, gray- scale image segmentation
segmentation
- 一维熵分割法将图像分割成目标和背景，并使目标和背景两部分的信息熵最大，则目标和背景内部的灰度值一致性最好，目标和背景的信息量最大。(One-dimensional entropy segmentation)