多目标粒子群和人工蜂群混合优化的阈值图像分割算法

发布时间：2024-05-14 01:37

　　在图像分割中,为了准确地把目标和背景分离出来,提出了一种基于多目标粒子群和人工蜂群混合优化的阈值图像分割算法。在多目标优化的框架下,将改进的类间方差准则和最大熵准则作为适应度函数,通过粒子群和蜂群混合优化这2个适应度函数来获得1组非支配解。同时,为了提高全局和局部搜索能力,在蜂群进化时,将粒子群的全局最优解引入到人工蜂群算法的雇佣蜂阶段蜜源的更新中,并对搜索方程进行改进。最后通过类间差异和改进的类内差异的加权比值,从一组非支配解中选取最优阈值。实验结果表明,该算法能够取得理想的分割结果。

【文章页数】：10 页

【部分图文】：

图2#24063分割结果

图1#3096分割结果3.5混合优化算法的流程

图4#55067分割结果

图3#241004分割结果4.1Berkeley图像对比实验

图1#3096分割结果

其中,xij表示第j类中的第i个像素的灰度值。图2#24063分割结果

图3#241004分割结果

为了验证本文算法的性能,采用Otsu算法、Kapur算法、MEABCT算法、PSO-Otsu算法、MOABC算法和MOPSO算法作为比较算法。实验分为2个部分:第1部分采用多幅Berkeley图像进行验证,第2部分用核磁共振(MR)图像进行分割实验。本文所提出的MPS-ABC算法....

本文编号：3973003