光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2015年
3期
879-886
,共8页
巢渊%戴敏%陈恺%陈平%张志胜
巢淵%戴敏%陳愷%陳平%張誌勝
소연%대민%진개%진평%장지성
图像分割%多阈值分割%粒子群优化%引力搜索算法%广义反向学习%正态变异
圖像分割%多閾值分割%粒子群優化%引力搜索算法%廣義反嚮學習%正態變異
도상분할%다역치분할%입자군우화%인력수색산법%엄의반향학습%정태변이
image segmentation%multilevel threshold segmentation%particle swarm optimization%gravitational search algorithm%generalized opposition-based learning%normal mutation
提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题.提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛.在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法.最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较.实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90％以上,是一种精度高、稳定性强的多阈值图像分割方法.
提齣瞭基于粒子群優化(PSO)與引力搜索(GSA)混閤算法(PSOGSA)的多閾值圖像分割方法來解決圖像閾值搜尋過程中單一優化算法跼部搜索能力不彊的問題.提齣瞭圖像閾值分割領域中的廣義反嚮學習策略,在閾值尋優過程中提高群體多樣性,增彊瞭全跼搜索能力;採用瞭全跼最優解的正態變異策略,擴展瞭全跼最優的搜索區域,避免瞭算法的早熟收斂.在此基礎上,實現瞭基于廣義反嚮粒子群與引力搜索混閤算法的多閾值圖像分割方法.最後,使用本方法對複雜多目標圖像進行瞭多閾值分割實驗,併與引力搜索算法和螢火蟲算法進行瞭比較.實驗結果錶明,本文方法的分割精度優于引力搜索算法與螢火蟲算法,其分割目標函數值在連續運行時的標準差降低瞭90％以上,是一種精度高、穩定性彊的多閾值圖像分割方法.
제출료기우입자군우화(PSO)여인력수색(GSA)혼합산법(PSOGSA)적다역치도상분할방법래해결도상역치수심과정중단일우화산법국부수색능력불강적문제.제출료도상역치분할영역중적엄의반향학습책략,재역치심우과정중제고군체다양성,증강료전국수색능력;채용료전국최우해적정태변이책략,확전료전국최우적수색구역,피면료산법적조숙수렴.재차기출상,실현료기우엄의반향입자군여인력수색혼합산법적다역치도상분할방법.최후,사용본방법대복잡다목표도상진행료다역치분할실험,병여인력수색산법화형화충산법진행료비교.실험결과표명,본문방법적분할정도우우인력수색산법여형화충산법,기분할목표함수치재련속운행시적표준차강저료90％이상,시일충정도고、은정성강적다역치도상분할방법.
