【摘要】：針對彩色圖像多閾值分割中普遍存在精度低、速度慢的問題,提出了一種新的基于雙搜索人工蜂群(DABC)的彩色圖像多閾值分割算法。首先由于人工蜂群算法單一的解搜索公式存在不足,對雇傭蜂和跟隨蜂各提出了一種搜索公式,進而對人工蜂群算法的相關(guān)參數(shù)進行了改進,然后做了DABC算法、全局最優(yōu)引導人工蜂群算法(GABC)、人工蜂群算法(ABC)、粒子群優(yōu)化算法(PSO)這四種算法的彩色圖像多閾值分割對比實驗。實驗結(jié)果表明,與其他三種算法相比,基于DABC的彩色圖像多閾值分割方法在分割的精度和速度上都有明顯提高,完全能滿足實際的需要。
【圖文】：

Wmax分別為0.1和0.4。4.1四種算法的彩色圖像多閾值分割結(jié)果實驗中雖然采用了多張彩色圖像，但由于篇幅本文只選定了DABC算法、GABC算法、ABC算法及PSO算法這四種算法分別作用于lena圖和fruits圖的實驗結(jié)果圖，其中l(wèi)ena圖四種算法的二閾值、三閾值、四閾值分割結(jié)果圖如圖1、圖2、圖3所示；而fruits圖四種算法的二、三、四閾值分割結(jié)果圖如圖4、圖5、圖6所示。從圖1、圖2、圖3來看，在相同閾值數(shù)的情況下，本文提出的DABC算法的分割效果最好，ABC算法分割（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖1lena原圖和四種算法二閾值分割結(jié)果圖（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖2lena原圖和四種算法三閾值分割結(jié)果圖（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖3lena原圖和四種算法四閾值分割結(jié)果圖劉篤晉，賀建英，周思吉，等：雙搜索人工蜂群算法的彩色圖像多閾值分割205

Wmax分別為0.1和0.4。4.1四種算法的彩色圖像多閾值分割結(jié)果實驗中雖然采用了多張彩色圖像，但由于篇幅本文只選定了DABC算法、GABC算法、ABC算法及PSO算法這四種算法分別作用于lena圖和fruits圖的實驗結(jié)果圖，其中l(wèi)ena圖四種算法的二閾值、三閾值、四閾值分割結(jié)果圖如圖1、圖2、圖3所示；而fruits圖四種算法的二、三、四閾值分割結(jié)果圖如圖4、圖5、圖6所示。從圖1、圖2、圖3來看，在相同閾值數(shù)的情況下，本文提出的DABC算法的分割效果最好，ABC算法分割（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖1lena原圖和四種算法二閾值分割結(jié)果圖（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖2lena原圖和四種算法三閾值分割結(jié)果圖（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖3lena原圖和四種算法四閾值分割結(jié)果圖劉篤晉，賀建英，周思吉，等：雙搜索人工蜂群算法的彩色圖像多閾值分割205

Wmax分別為0.1和0.4。4.1四種算法的彩色圖像多閾值分割結(jié)果實驗中雖然采用了多張彩色圖像，但由于篇幅本文只選定了DABC算法、GABC算法、ABC算法及PSO算法這四種算法分別作用于lena圖和fruits圖的實驗結(jié)果圖，其中l(wèi)ena圖四種算法的二閾值、三閾值、四閾值分割結(jié)果圖如圖1、圖2、圖3所示；而fruits圖四種算法的二、三、四閾值分割結(jié)果圖如圖4、圖5、圖6所示。從圖1、圖2、圖3來看，在相同閾值數(shù)的情況下，本文提出的DABC算法的分割效果最好，ABC算法分割（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖1lena原圖和四種算法二閾值分割結(jié)果圖（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖2lena原圖和四種算法三閾值分割結(jié)果圖（a）原圖（b）PSO算法（c）ABC算法（d）GABC算法（e）DABC算法圖3lena原圖和四種算法四閾值分割結(jié)果圖劉篤晉，賀建英，周思吉，等：雙搜索人工蜂群算法的彩色圖像多閾值分割205

【相似文獻】

相關(guān)期刊論文 前10條

1 郭戈,平西建,胡敏,周利莉;基于迭代的癌細胞圖象自動多閾值分割[J];信息工程大學學報;2004年03期

2 段銳;管一弘;;醫(yī)學圖像自動多閾值分割[J];計算機應用;2008年S2期

3 錢翔;葉大田;;分割神經(jīng)干細胞圖像的兩種聚類多閾值分割方法[J];清華大學學報(自然科學版);2010年03期

4 王枚;王國宏;尤晶晶;;彩色車牌圖像的多閾值分割方法[J];海軍航空工程學院學報;2006年05期

5 劉思偉;李彬;田聯(lián)房;陳萍;;頭部CT圖像多閾值分割的優(yōu)化實現(xiàn)[J];計算機工程與應用;2009年22期

6 羅艷輝;鄧飛其;李彬;;基于人工免疫的煙草異物圖像多閾值分割[J];計算機仿真;2009年09期

7 房曉東;;基于遺傳算法的圖像多閾值分割[J];電腦知識與技術(shù);2012年29期

8 鄧本再;秦佳賢;;一種魯棒的彩色圖像多閾值分割方法及應用[J];工業(yè)控制計算機;2012年09期

9 朱峰,宋余慶,金華,周成兵;改良遺傳算法在圖像多閾值分割中的應用[J];江蘇大學學報(自然科學版);2003年06期

10 張超;曹焱;陳運聰;;OTSU和互信息熵在多閾值分割中的應用[J];長春工業(yè)大學學報(自然科學版);2011年01期

相關(guān)會議論文 前3條

1 安豐玲;梁德群;王勝軍;吳爽;;基于多閾值分割的圖像區(qū)間均衡增強[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

2 洪志令;姜青山;董槐林;王聲瑞;;基于多閾值分割的快速艦船目標檢測方法[A];第二十三屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2006年

3 唐旭東;周林陽;馬俊;楊中巍;;基于三維Tsallis熵的圖像多閾值分割方法[A];第24屆中國控制與決策會議論文集[C];2012年

相關(guān)博士學位論文 前1條

1 姜允志;若干仿生算法的理論及其在函數(shù)優(yōu)化和圖像多閾值分割中的應用[D];華南理工大學;2012年

相關(guān)碩士學位論文 前4條

1 尹欣欣;用于圖像多閾值分割的BBO算法改進研究[D];河南師范大學;2015年

2 廖興勇;基于多閾值分割的精子運動視頻的改進多目標跟蹤[D];華南理工大學;2012年

3 康杰紅;混合蛙跳算法在圖像多閾值分割中的應用研究[D];陜西師范大學;2013年

4 王任揮;基于最大信息熵原理的顯微細胞圖像多閾值分割[D];內(nèi)蒙古師范大學;2008年

本文編號：2745735