基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

分布更新人工蜂群算法及其在灰度图像分割中的应用

与其他进化算法相同,人工蜂群算法也会在搜索后期由于无法产生新位置而出现搜索停滞现象.基于此弱点,本文以两个食物源的中心位置为基准点,两者之间的方差为前进步长,提出一种基于分布更新的人工蜂群算法.此外,针对雇佣蜂和侦查蜂的不同特性,为其采用不同的食物源选择方式,使得算法既可以保证全局搜索,又可以加快收敛速度,标准测试函数上的实验结果验证了本文所提方法的有效性.最后,为解决传统灰度图像分割问题中由于暴力搜索所造成的耗时较长现象,本文以最大类间方差法(OTSU)作为评价准则,采用智能优化算法来寻找最优阈值.实验结果表明,本文所提出的改进人工蜂群算法不仅可以缩短计算时间,同时也取得了比其他进化算法更高的分割精度.     

基于多目标蜂群优化的阈值图像分割算法

为把图像的目标与背景准确地分割开来,将多目标人工蜂群算法引入到多阈值图像分割,提出了一种新的阈值图像分割算法.该算法首先将阈值看做人工蜂群算法中的蜜源,利用类间方差和最大熵原理两个准则作为多目标人工蜂群算法的适应度函数,然后在引领蜂和跟随蜂阶段引入精英解来参与蜜源位置更新,使得算法更有效地逼近最佳阈值,最后采用类间差异和类内差异的加权比值来选取最优解.实验结果表明,该算法能够取得较好的分割结果.     

基于改进人工蜂群算法的无人机的航迹规划

针对无人机飞行任务规划系统中的航迹规划问题,提出了一种改进的人工蜂群算法,将其应用于无人机的航迹规划。该算法将航迹规划问题转换成函数优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使蜂群向更优方向进化。在雇佣蜂搜索阶段采用自适应搜索策略来加快算法收敛速度;在跟随蜂搜索阶段引入一种新的概率选择方式来保证种群的多样性;在侦察蜂搜索阶段利用混沌搜索算子提高算法的全局搜索能力。通过标准函数测试与航迹规划仿真对改进后的算法进行验证,结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于传统的人工蜂群算法,可有效解决无人机的航迹规划问题。     

基于改进人工蜂群正余弦优化的红外图像分割方法

针对红外图像背景复杂且分割难度较大等问题,提出了一种改进人工蜂群正余弦优化的红外图像阈值分割方法。首先是将二维Otsu函数作为蜂群算法的适应度函数;其次采用混沌对立的学习方法和差分进化的方法改进了初始化种群和蜜蜂搜索方程;然后利用改进的蜂群算法优化阈值,缩小阈值的搜索区域;最后利用正余弦法计算出全局最优解,该最优解即为分割的最佳阈值。实验结果表明:论文方法与Otsu法、k-means法、区域生长法以及分水岭法相比,图像目标区域分割的平均交并比为84.13,平均准确率为89.18,有效提高了红外图像的分割精度。     

改进人工蜂群算法在数字图像相关中的应用

针对人工蜂群算法存在的收敛速度较慢,易陷入局部最优解的问题,提出一种改进的人工蜂群优化算法,并应用于数字图像相关的整像素位移搜索中。该算法借助相关度值的变化来动态调整跟随蜂的搜索步长,平衡其全局和局部的搜索能力;侦察蜂利用遗传算法的交叉运算产生新解,改善全局搜索能力。实验结果表明,改进的算法能有效地提高收敛速度,改善整像素位移搜索的性能。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

基于全局无偏搜索策略的精英人工蜂群算法

针对精英人工蜂群算法（ABC_elite）加速收敛和早熟停滞现象的矛盾,提出一种改进算法（EABC_elite）.该算法通过在雇佣蜂阶段引入全局最优解加速收敛,同时通过普通个体平衡全局最优解过大的引导作用,因此全局最优解与普通个体的信息都能得到利用而算法仍能较好平衡.在观察蜂阶段引入普通个体避免算法早熟收敛.改进算法在加速收敛与防止早熟之间取得很好的平衡,总体上没有偏向任何方向,增强了ABC_elite的全局搜索能力.实验表明,改进算法的性能显著好于ABC_elite以及最近提出的几种较高水平的改进人工蜂群算法.     

改进的生物地理学算法及其在图像分割中的应用

为了增强生物地理学优化算法(BBO)在图像多阈值分割应用中的全局搜索能力,提高其优化性能,提出一种改进的生物地理学算法(IBBO)。首先,引入多源迁移算子,该算子能更好地从搜索空间中生成新特征值,有效提高种群的多样性;其次,创建一种新型的动态变异算子,该算子能够动态地改变变异幅度,提高算法运算效率,使算法快速收敛到全局最优解;随后,将原来的精英选择算子改为贪婪选择算子,即采用优胜劣汰的策略加快算法收敛速度;最后将其应用到基于最大熵的多阈值分割中。图像分割实验结果表明,IBBO算法运行速度远远快于穷举算法,优化性能优于标准BBO算法和PSO算法。     

一种快速高效的人工蜂群算法

针对人工蜂群算法收敛速度慢和易陷入局部最优的缺点,在雇佣蜂搜索阶段提出了一种基于多维搜索和一维搜索的混合搜索策略,能克服单一一维搜索下收敛速度慢的缺点,有效加快收敛速度;提出了新的跟随蜂蜜源选择策略,可保证种群多样性,增强算法全局搜索能力。通过对12个基准测试函数进行仿真实验并与原算法进行比较,其结果表明改进的算法在收敛速度和精度上均优于人工蜂群算法。     

一种基于人工蜂群的高维非线性优化算法

针对传统优化算法在求解高维非线性优化问题时,存在收敛速率慢和求解精度不高等问题.提出一种改进的人工蜂群优化算法.正交试验设计算法被用于初始化蜂群和侦察蜂探索新蜜源.采蜜蜂利用高斯分布估计优化算法在蜜源附近搜索,跟随蜂采用自适应差分算法进行搜索.最后,通过4个标准的高维Benchmark函数测试表明,本文算法在收敛速度、求解精度和稳定性方面有一定优势.     

基于克隆粒子群算法的图像分割方法

最大熵阈值法是目前图像分割中应用最广泛的方法之一。为了快速准确地自动确定图像分割阈值,把克隆选择算法和粒子群算法相结合,提出克隆粒子群优化算法。利用这种改进方法对最大熵图像分割函数进行全局寻优。克隆选择算法和粒子群算法的结合克服了各自的缺点,克隆选择的多样性补偿了粒子群的多样性差的缺点,粒子群的快速性补偿了克隆选择的收敛速度慢的缺点。克隆粒子群方法克服了传统遗传算法易出现早熟、陷入局部最优等的问题,加快了图像分割函数收敛速度,最后能够快速准确地得到图像分割的最佳阈值。实验表明,改进后的算法分割速度较快,易于收敛到最优解,并且得到的分割阈值更加稳定。     

人工蜂群算法的研究综述

人工蜂群算法是一种基于蜜蜂采蜜行为的新兴群体智能算法,通过不同角色蜜蜂间的交流、转换和协作来实现群体智能。基于此,首先阐述了基本ABC算法和二进制ABC算法的原理,然后针对基本ABC算法存在的不足,从四个方面综述了各种改进算法,最后对ABC算法在一些领域中的应用现状和对未来研究方向进行了概括总结。     

融合纹理特征与螺旋状搜索聚类的超像素分割算法及应用

针对传统SLIC(simple linear iterative clustering)超像素分割算法没有综合考虑图像的纹理信息特征,导致对边缘信息较强和纹理复杂的图像进行超像素分割时,出现边缘检测不灵敏,分割效果不理想的问题.提出了把原图像先经过噪声抑制提取出纹理特征分量,构建以颜色特性、纹理特征和空间位置特征相融合的相似性度量方法.改进后的方法提高了边缘检测的灵敏度,增强了算法在对边缘信息较强和纹理复杂图像进行分割时的鲁棒性.另外,提出利用螺旋线状的搜索方式进行聚类,加速了算法的收敛速度,提高了分割效率.改进后的方法在BSDS500公共数据集上进行了实验,结果显示改进后的方法在边缘召回率、欠分割错误率、可完成的分割精度以及算法运行时间四项指标上优于传统算法.     

蝙蝠优化的二维Tsallis熵多阈值SAR图像分割

针对智能优化SAR图像分割算法存在计算量大、易陷入局部最优、分割精度不够等问题,融合蝙蝠算法和二维Tsallis熵多阈值,提出了一种蝙蝠优化的二维Tsallis熵多阈值SAR图像分割算法。算法利用立方映射均匀化初始蝙蝠种群,引入Levy飞行特征加强算法跳出局部最优能力,使用Powell局部搜索加快算法收敛等3方面改进蝙蝠算法;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割,建立基于多阈值的选取方法,并结合改进的蝙蝠算法,将二维Tsallis熵多阈值应用于SAR图像分割中。仿真结果表明,与其他智能优化分割算法相比,本分割算法在边缘处理和分割精度上都有明显优势。     

基于改进遗传算法的最大2维熵图像分割

为了解决传统最大2维熵分割算法计算量大、耗时较多等缺陷，提出一种基于改进遗传算法的最大2维熵图像分割法。通过对遗传算法变异操作方式进行改进，提高遗传算法寻找最大2维熵分割阈值的速度，加速分割算法对图像的分割，并进行了仿真实验验证。结果表明，改进模型的运行时间被压缩到了0.95s，远远低于传统的最大2维熵分割法。改进的分割方法实现了分割效率的提高，同时也保证了图像的分割精度。     

改进的二维阈值图像分割

本文提出了一种基于灰度图像像素点灰度和点邻域方差的改进二维图像分割法.新方法改进了阈值判定域,考虑了边界和噪声的影响,新定义了一个阈值分割函数,提高了分割精度.利用思维进化算法优化分割参数,提高了最优阈值的寻找速度.实验结果表明,基于思维进化算法的改进二维图像分割法优于传统算法,该算法具有较好的稳定性和收敛速度,更能满足图像处理高效率、短时耗的要求.     

基于凸松弛的图像选择性分割模型的快速算法

针对基于测地距离的图像选择性分割模型非凸的缺陷，该文结合凸松弛方法，提出凸松弛的选择性分割模型，并通过证明，给出凸松弛模型的解与原模型解之间的关系。然后，应用交替方向乘子法(ADMM)，设计凸松弛模型的数值求解算法，并给出了该算法的收敛性。数值实验结果表明:该文所提算法的收敛速度不仅大大优于求解原模型的加性算子分裂算法，而且分割结果也更精确。     

Fuzzy-based artificial bee colony optimization for gray image segmentation

In this article, we have proposed an image segmentation algorithm FABC, which is a kind of unsupervised classification (clustering), where we combine the concept of artificial bee colony optimization (ABC) and the popular fuzzy C means (FCM) and named it as fuzzy-based ABC or FABC. In FABC, we have used fuzzy membership function to search for optimum cluster centers using ABC. FABC is more efficient than other optimization techniques such as genetic algorithm (GA), particle swarm optimization (PSO) and expectation maximization (EM) algorithms. FABC overcomes the drawbacks of FCM as it does not depend on the choice of initial cluster centers and it performs better in terms of convergency, time complexity, robustness and segmentation accuracy. FABC becomes more efficient as it takes the advantage of the randomized characteristics of ABC for the initialization of the cluster centers. The experiments with FABC, GA, PSO and EM have been done over various grayscale images including some synthetic, medical and texture images, and segmentation of such images is very difficult due to the low contrast, noise and other imaging ambiguities. The efficiency of FABC is proven by both quantitative and qualitative measures.