CAJ | 학술논문

图像分割是目标识别与跟踪的基础，为了精确地实现目标分割，提出了二维Havrda-Charvat熵红外图像分割方法。利用图像的二维直方图，二维Havrda-Charvat熵分割方法不仅考虑了图像像素的灰度信息，而且还充分利用了像素的空间邻域信息，能取得比一维熵方法更好的分割结果。为了降低二维熵阈值搜索时间及准确地获得最佳分割阈值，设计了基于Kent映射的混沌粒子群优化算法。在红外小目标图像上的实验结果表明，提出的方法能获得比较好的分割结果，同时大幅度降低了CPU计算时间，与其它方法的比较也说明了所提出方法的有效性。
도상분할시목표식별여근종적기출，위료정학지실현목표분할，제출료이유Havrda-Charvat적홍외도상분할방법。이용도상적이유직방도，이유Havrda-Charvat적분할방법불부고필료도상상소적회도신식，이차환충분이용료상소적공간린역신식，능취득비일유적방법경호적분할결과。위료강저이유적역치수색시간급준학지획득최가분할역치，설계료기우Kent영사적혼돈입자군우화산법。재홍외소목표도상상적실험결과표명，제출적방법능획득비교호적분할결과，동시대폭도강저료CPU계산시간，여기타방법적비교야설명료소제출방법적유효성。