基于共生生物搜索算法的多阈值图像分割方法

发布时间：2021-01-28 12:51

　　为了解决多阈值OTSU图像分割方法存在的阈值个数增加计算复杂度也随之增加的问题,笔者提出了基于共生生物搜索算法的多阈值图像分割方法,利用共生生物搜索算法寻找最优阈值,提高分割精度。通过对经典图像进行实验,分析实验结果的峰值信噪比和特征相似度,可知共生生物搜索算法能够有效地提高图像分割精度,减少运算时间。 

【文章来源】：科技创新与生产力. 2019,(05)

【文章页数】：3 页

【文章目录】：
1 多阈值OTSU图像分割方法
2 共生生物搜索算法的理论基础与数学模型
3 图像分割实验仿真与分析
4 结束语


【参考文献】：
期刊论文
[1]基于猫群优化算法的图像多阈值分割方法[J]. 高烨,陶丽丽,马苗.  中国体视学与图像分析. 2018(02)
[2]基于多目标蜂群优化的阈值图像分割算法[J]. 解敏.  电视技术. 2018(03)
[3]基于相关学习神经网络的图像识别方法[J]. 乔滨.  电子技术与软件工程. 2017(23)
[4]区域分割的自适应变异粒子群算法[J]. 陈侃松,阮玉龙,戴磊,兰智高,邵建设.  电子学报. 2017(08)
[5]自适应精英反向学习共生生物搜索算法[J]. 周虎,赵辉,周欢,王骁飞.  计算机工程与应用. 2016(19)
[6]基于二维直方图双斜率划分的快速Otsu图像分割算法[J]. 袁健,程国涛.  计算机应用研究. 2017(06)
[7]回溯搜索优化算法辅助的多阈值图像分割[J]. 尹雨山,王李进,尹义龙,王冰清,赵文婷,徐云龙.  智能系统学报. 2015(01)
[8]三维Otsu阈值分割方法的递推算法[J]. 范九伦,赵凤,张雪峰.  电子学报. 2007(07)



本文编号：3005025