计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
z2期
147-150
,共4页
灰度图像分割%粒子群优化%协同学习%综合性学习%图像指数熵%多阈值
灰度圖像分割%粒子群優化%協同學習%綜閤性學習%圖像指數熵%多閾值
회도도상분할%입자군우화%협동학습%종합성학습%도상지수적%다역치
针对粒子群协同学习优化算法和粒子群综合性学习优化算法中的粒子更新规则不灵活问题,提出了一种新的粒子群多阈值灰度图像分割算法.该算法中的粒子更新策略能够根据粒子状态随时改变:迭代前期,粒子速度会不断增加以便加快搜索最优解；迭代后期,粒子速度开始变慢以便搜索更广区域,避免陷入局部最优；当粒子陷入局部最优时,让该粒子根据选出的榜样粒子学习,以便逃出局部最优.另外评价粒子最优解的目标函数采用的是图像指数熵.仿真实验结果表明改进的粒子群阈值优化算法在单阈值和多阈值情况下解决了传统熵算法执行效率低和粒子群优化算法更新规则不灵活易于陷入局部最优问题,分割结果非常好,而且稳定、高效.
針對粒子群協同學習優化算法和粒子群綜閤性學習優化算法中的粒子更新規則不靈活問題,提齣瞭一種新的粒子群多閾值灰度圖像分割算法.該算法中的粒子更新策略能夠根據粒子狀態隨時改變:迭代前期,粒子速度會不斷增加以便加快搜索最優解；迭代後期,粒子速度開始變慢以便搜索更廣區域,避免陷入跼部最優；噹粒子陷入跼部最優時,讓該粒子根據選齣的榜樣粒子學習,以便逃齣跼部最優.另外評價粒子最優解的目標函數採用的是圖像指數熵.倣真實驗結果錶明改進的粒子群閾值優化算法在單閾值和多閾值情況下解決瞭傳統熵算法執行效率低和粒子群優化算法更新規則不靈活易于陷入跼部最優問題,分割結果非常好,而且穩定、高效.
침대입자군협동학습우화산법화입자군종합성학습우화산법중적입자경신규칙불령활문제,제출료일충신적입자군다역치회도도상분할산법.해산법중적입자경신책략능구근거입자상태수시개변:질대전기,입자속도회불단증가이편가쾌수색최우해；질대후기,입자속도개시변만이편수색경엄구역,피면함입국부최우；당입자함입국부최우시,양해입자근거선출적방양입자학습,이편도출국부최우.령외평개입자최우해적목표함수채용적시도상지수적.방진실험결과표명개진적입자군역치우화산법재단역치화다역치정황하해결료전통적산법집행효솔저화입자군우화산법경신규칙불령활역우함입국부최우문제,분할결과비상호,이차은정、고효.
