%0 Journal Article
%T Unsupervised segmentation of parasite egg image based on mutual information<br>基于互信息量的寄生虫卵图像自动优化分割*
%A LU Zhen tai
%A CHEN Wu fan
%A LV Qing wen
%A <br>卢振泰
%A 陈武凡
%A 吕庆文
%J 计算机应用研究
%D 2007
%I 
%X 从分割图像与原图像的内在联系出发,提出了一种新的基于Otsu算法与互信息量技术相结合的分割算法--OMI算法.首先利用Otsu算法确定全局阈值作为初值,以互信息量为目标函数,在小范围内计算分割图像与原图像的互信息量,互信息量达到最大时的阈值即为最优值,这是将图像配准方法用于分割的一种创新性尝试.对大量人体寄生虫显微图像进行了实验,结果表明,本算法所得到的目标图像的边界特征保持完好,虚假目标信息大大降低,图像边界细腻、连续且定位性能好.
%K 图像分割
%K 阈值化
%K 互信息量
%K Otsu算法
%K 互信息量
%K 寄生虫卵
%K 图像边界
%K 自动
%K 优化分割
%K mutual
%K information
%K based
%K image
%K parasite
%K 定位性能
%K 连续
%K 目标信息
%K 特征保持
%K 目标图像
%K 结果
%K 实验
%K 显微图像
%K 人体寄生虫
%K 创新
%K 方法
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=A9D9BE08CDC44144BE8B5685705D3AED&aid=C793235A4E87B8F6F25396324AD8DA18&yid=A732AF04DDA03BB3&vid=B91E8C6D6FE990DB&iid=708DD6B15D2464E8&sid=DFEE4E8C33C95CEF&eid=119B6C0AA09DE6B9&journal_id=1001-3695&journal_name=计算机应用研究&referenced_num=0&reference_num=5