基于自适应惯性权重PSO图像分割方法研究

发布时间：2021-06-08 04:07

　　图像分割是图像特征提取和识别的基础,粒子群优化（PSO）是模拟鸟群觅食行为的优化算法。本文研究了PSO的一个重要参数-惯性权重,及其在优化算法和改进策略中的作用,实现了通过自适应惯性权重的改进策略平衡PSO的全局和局部搜索能力的目的。基于此研究,本文提出了基于自适应惯性权重粒子群优化（AIWPSO）的图像分割方法。该算法通过组合改进的PSO和Otsu来分割图像,并且获得优异的结果。分割的目标具有较高的分割精度,并且分割的图像区域在边界形状中是均匀和准确的。它不仅可以确保分割的精度,还可以保留图像的细节。 

【文章来源】：自动化技术与应用. 2019,38(02)

【文章页数】：5 页

【文章目录】：
1 引言
2 图像分割
    2.1 基于单阈值和多阈值的分割方法
    2.2 Ostu方法
3 基于适应性重量策略的PSO
    3.1 标准粒子群优化
    3.2 基于自适应权重策略的PSO
4 实验仿真与分析
5 结束语


【参考文献】：
期刊论文
[1]基于分数阶达尔文粒子群FODPSO算法的图像分割[J]. 余胜威,曹中清.  计算机工程与科学. 2016(09)
[2]一种结合自适应惯性权重的混合粒子群算法[J]. 于桂芹,李刘东,袁永峰.  哈尔滨理工大学学报. 2016(03)
[3]粒子群优化算法的性能分析和参数选择[J]. 王东风,孟丽.  自动化学报. 2016(10)
[4]基于改进LGDF模型的超声图像自动分割方法[J]. 朱永杰,邱天爽.  大连理工大学学报. 2016(01)
[5]基于最小交叉熵的改进PCNN杨梅图像分割算法[J]. 徐黎明,吕继东.  西北师范大学学报(自然科学版). 2016(01)
[6]基于区域划分的多特征纹理图像分割[J]. 赵泉华,高郡,李玉.  仪器仪表学报. 2015(11)
[7]基于模糊熵和模拟退火算法的双阈值图像分割[J]. 郑毅,郑苹.  电子测量与仪器学报. 2014(04)
[8]基于萤火虫算法的二维熵多阈值快速图像分割[J]. 陈恺,陈芳,戴敏,张志胜,史金飞.  光学精密工程. 2014(02)

博士论文
[1]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012



本文编号：3217662