应用模拟退火粒子群算法优化二维熵图像分割

发布时间：2021-10-14 17:08

　　针对二维熵图像分割方法存在计算时间长、实时性差的问题,提出一种基于模拟退火粒子群算法的二维熵图像分割方法。将模拟退火机制引入粒子群算法（PSO）,根据初始种群的最优适应度值设置初始温度,采用Metropolis准则优化生成个体最优位置和全局最优位置,对PSO算法的惯性权重参数进行优化,避免粒子在寻优过程中陷入局部最优,提高算法的收敛速度。对多幅具有不同直方图分布的图像进行阈值分割实验,实验结果表明,该方法与二维熵穷举分割法相比,分割结果相同,分割效率大大提高,分割阈值选取的准确性和运算时间都优于遗传算法（GA）和PSO算法。 

【文章来源】：计算机工程与设计. 2019,40(09)北大核心

【文章页数】：8 页

【参考文献】：
期刊论文
[1]均衡策略粒子群算法在图像分割中的应用[J]. 夏星宇,高浩,王创业.  郑州大学学报(工学版). 2018(01)
[2]基于狼群算法与二维最大熵的图像分割[J]. 陈超,宣士斌,雷红轩.  计算机工程. 2018(01)
[3]一种基于S-PSO的无线传感器网络分簇路由算法[J]. 刘洲洲,刘洋.  小型微型计算机系统. 2017(10)
[4]基于二维熵和粒子群优化的红外检测与跟踪[J]. 张冬妍,李佳佳,宋现铭.  计算机工程与设计. 2017(05)
[5]基于混合遗传粒子群优化推荐算法的设计[J]. 吴彦文,王洁.  计算机工程与设计. 2017(02)
[6]模拟退火粒子群优化投影寻踪的渠道防渗模式评价[J]. 董丽丽,于苗,徐淑琴.  排灌机械工程学报. 2016(07)
[7]基于改进遗传算法的自动阈值图像分割方法[J]. 桂预风,苏鹏.  数学的实践与认识. 2015(19)
[8]具备反向学习和局部学习能力的粒子群算法[J]. 夏学文,刘经南,高柯夫,李元香,曾辉.  计算机学报. 2015(07)
[9]基于模拟退火粒子群算法的不可靠测试点优化[J]. 羌晓清,景博,邓森,焦晓璇,苏月.  计算机应用. 2015(04)
[10]基于模拟退火并行算法的二维熵多阈值分割[J]. 于霞霞,何朗,黄樟灿.  武汉理工大学学报. 2015(01)



本文编号：3436521