基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值,基于粒子群优化算法提出了一种多阈值图像分割方法.由最大熵或最大类间方差法得到优化的目标函数,用粒子群算法对其进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割.将分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法不仅可实现正确的图像分割,并可使分割速度大大提高.     

基于量子粒子群算法的双阈值图像分割方法

为了提高图像分割效率,将量子粒子群算法QPSO应用于图像阈值分割领域,并在QPSO算法基础上提出了一种基于边界控制的量子粒子群阈值分割算法BQPSO.改进算法BQPSO引入了边界控制策略,使得飞越搜索区域的粒子不再聚集到区域的边界,而是回到搜索区域内边界附近的某一位置,保持了群体的多样性,有效地避免了算法陷入局部最优解,增强了算法的全局搜索能力.实验结果表明,与遗传算法GA、粒子群算法PSO和标准量子粒子群算法QPSO的阈值寻优结果相比较,BQPS0算法在运算效率、阈值搜索精度和稳定性以及图像分割效果等方面均具有明显的优势.     

结合粒子群算法优化归一割的图像阈值分割方法

为了快速得到图像分割的最佳阈值,依据图论知识,利用灰度级相似矩阵代替像素级权值矩阵,将归一化切割准则作为优化函数.利用粒子群优化算法代替穷举法优化归一化划分准则,提出粒子群算法优化归一割的图像阈值分割方法.实验表明在分割性能上有较大的提高,在分割速度上也有较大的改进,能够满足实时性要求.     

基于粒子群算法的Otsu法图像阈值分割

图像分割是由图像处理到图像分析的关键步骤,Otsu法是一种效果较好、实现简单的阈值分割方法.针对传统的Otsu阈值计算方法需要在全灰度范围内搜索一个最佳门限组合,耗时较多,难以实际应用这一问题,采用协同和带压缩因子的粒子群改进算法求解Otsu阈值,通过分别用改进粒子群算法和标准粒子群算法对lena测试图像的实验表明,前者相较于后者有更高的精度.而在计算时间方面,两者都不到传统方法的百分之一,有利于提高图像处理的实时性,也证实了将粒子群算法用于阈值分割是可行的.     

基于二进制粒子群的图像分割算法

基于最大类间方差的分隔方法思想简单、稳定有效,对于简单图像的分割效果良好。为了改善对复杂图像的分割效果,将算法推广到多阈值分割法;针对计算复杂度问题,引入二进制粒子群算法来解决,提高了算法的求解性能。通过对图像分割的实验,证明了算法的可行性和有效性。     

基于遗传算法的图像多阈值自动分割方案

图像多阈值分割是图像处理的基本技术之一。遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法。本文将遗传算法引人图像分割,提出一种新的图像多阈值分割方案,并加以改进。该方案能够快速正确地实现分割,且不需事先认为的确定分割类数。实验结果令人满意。     

基于改进鲸鱼优化算法的多阈值图像分割技术

针对鲸鱼优化算法(WOA)存在的收敛精度低、局部最优逃逸能力缺乏等问题,提出了一种改进的鲸鱼优化算法(IWOA)。首先,在WOA中引入能量控制因子以改进鲸鱼个体位置的更新方式,提高种群整体优化能力;然后,运用振荡柯西变异策略来增加算法跳出局部最优的概率;最后,应用多种基准函数评价改进算法的收敛精度,验证改进策略的有效性。将IWOA运用于多阈值图像分割实验中,结果证明该算法能够选取高质量阈值,提高图像的分割效率。     

基于改进萤火虫算法的多阈值微生物图像分割

针对微生物显微图像噪声干扰大、灰度分布不均匀、单幅图像中包含多个形态丰富的微生物,难以快速准确提取目标满足实际应用要求问题,提出一种基于改进萤火虫算法的多阈值分割方法。首先,通过统计图像灰度直方图峰值,自动获取最佳多阈值数目m;其次,引用二维熵阈值分割原理,将二维熵单阈值扩展到多阈值,并设计基于对数熵的多阈值目标代价函数;最后,针对原始萤火虫智能优化算法容易过早陷入局部最优解且萤火虫个体之间缺乏协同,导致算法效率低下问题,提出基于萤火虫初始化过程优化以及变量参数(步长量化因子α和相对吸引力参数β_(ij))调整的改进萤火虫算法,从而实现快速、准确寻找到多个最佳阈值。并将该算法与一维熵、二维熵、Otsu、粒子群多阈值分割以及原始萤火虫多阈值分割等分割算法作比较。实验结果表明,本文改进算法在微生物分割的准确性与时效性上有明显提高,为后续自动识别奠定良好基础。     

多目标混合优化的阈值图像分割

提出了一种多目标混合优化的阈值图像分割算法。该方法以类间方差函数和模糊熵函数为待优化目标函数,为了改善粒子群算法在迭代后期陷入局部最优的问题,在粒子群算法中引入多元宇宙优化算法并产生一组非支配解集;采用混沌搜索策略进行搜索,以更有效地逼近最优阈值;通过类间差异和类内差异的加权比值来选取最优解。仿真结果表明,相较于Otsu算法、多目标粒子群算法以及多元宇宙优化算法,算法的分割准确率较高。     

应用改进布谷鸟算法优化多阈值图像分割

针对传统多阈值图像分割方法在寻找最优阈值过程中存在计算量大、计算时间长的问题,提出了一种基于改进布谷鸟算法的多闽值图像分割方法.首先,将教与学搜索策略引入布谷鸟算法,提高了算法的局部搜索能力;其次,选择当前种群中适应度值较优的精英解构建精英库并随机选择精英解指导搜索方向,强化优势经验的学习;最后,引入模拟退火机制选择鸟...     

基于粒子群优化的区间二型模糊聚类图像分割

引入粒子群优化算法对区间二型模糊C-均值算法加以改进。利用粒子群优化算法的全局寻优能力,将经其更新的粒子作为区间二型模糊C-均值算法的降型对象,以改善原算法对初值敏感和易陷入局部最优的问题;对中心和两个模糊加权指数进行编码,分别以有效性指数I和模糊C-均值目标函数作为亲和度函数,经过反复迭代,自适应地得出模糊加权指数。随机选取4幅伯克利图像进行彩色分割,结果显示,改进算法能自适应地得出模糊加权指数,且分割性能有所提高。     

微粒群优化和区域生长结合的彩色图像分割算法

提出了一种微粒群优化和区域生长相结合的彩色图像分割算法,以彩色图像直方图中自适应搜索到的峰值作为像素种子。由于搜索像素种子点是按密度进行,计算量小,大幅度提高了算法的计算速度,同时克服了传统区域生长方法不能自动选择种子且容易导致过分割的局限性。实验表明：该方法提高了图像分割速度,并可以准确地分割出目标,是一种有效的图像分割方法。     

基于混沌PSO或分解的二维最小误差阈值分割

为了进一步提升现有的二维最小误差阈值分割快速递推算法的运行速度,提出分别基于混沌粒子群优化（PSO）和分解的2种二维最小误差阈值分割算法.第 1种算法利用混沌粒子群优化算法搜寻二维最小误差法的最佳分割阈值,且在迭代过程的适应度函数计算中引入递推算法,大大减少了冗余计算;第2种算法将二维最小误差法的运算分解成一维最小误差法和一维最小类内对数方差法的运算,计算复杂度由二维递推算法的O(L2) 进一步降为O(L).实验结果表明,提出的2种算法能够在分割效果达到或优于现有的二维最小误差阈值分割法的同时,大大加快运行速度.     

基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

基于粒子群算法的电路测试集优化

研究电路测试集的优化,提出基于粒子群算法的电路测试集的静态压缩方法.粒子群向最优解方向演绎,利用适应度函数来评价各粒子的优劣.实验电路的验证结果表明,同时适用于时序电路和组合电路,与基于遗传算法的电路测试集优化相比,该算法能够更大限度地优化测试集,需要更少的存储空间.     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。 更多还原     

基于细菌觅食算法的SAR图像阈值分割

提出了一种SAR图像阈值分割新方法.该方法在深入分析基本细菌觅食算法的基础上,缩小菌群的觅食空间以进一步提高分割阈值的搜索速度,然后采用改进的二维灰熵模型作为细菌觅食算法的适应度函数,通过菌群的趋化、复制和驱散3种行为模式并行搜索最佳阈值.实验结果初步显示,该方法在收敛速度、稳定性和分割效果3个方面,均优于基于遗传算法、人工鱼群算法等群体智能优化算法的分割方法.