為了解決多閾值OTSU圖像分割方法存在的閾值個(gè)數(shù)增加計(jì)算復(fù)雜度也隨之增加的問(wèn)題,筆者提出了基于共生生物搜索算法的多閾值圖像分割方法,利用共生生物搜索算法尋找最優(yōu)閾值,提高分割精度。通過(guò)對(duì)經(jīng)典圖像進(jìn)行實(shí)驗(yàn),分析實(shí)驗(yàn)結(jié)果的峰值信噪比和特征相似度,可知共生生物搜索算法能夠有效地提高圖像分割精度,減少運(yùn)算時(shí)間。 

【文章來(lái)源】：科技創(chuàng)新與生產(chǎn)力. 2019,(05)

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
1 多閾值OTSU圖像分割方法
2 共生生物搜索算法的理論基礎(chǔ)與數(shù)學(xué)模型
3 圖像分割實(shí)驗(yàn)仿真與分析
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于貓群優(yōu)化算法的圖像多閾值分割方法[J]. 高燁,陶麗麗,馬苗.  中國(guó)體視學(xué)與圖像分析. 2018(02)
[2]基于多目標(biāo)蜂群優(yōu)化的閾值圖像分割算法[J]. 解敏.  電視技術(shù). 2018(03)
[3]基于相關(guān)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法[J]. 喬濱.  電子技術(shù)與軟件工程. 2017(23)
[4]區(qū)域分割的自適應(yīng)變異粒子群算法[J]. 陳侃松,阮玉龍,戴磊,蘭智高,邵建設(shè).  電子學(xué)報(bào). 2017(08)
[5]自適應(yīng)精英反向?qū)W習(xí)共生生物搜索算法[J]. 周虎,趙輝,周歡,王驍飛.  計(jì)算機(jī)工程與應(yīng)用. 2016(19)
[6]基于二維直方圖雙斜率劃分的快速Otsu圖像分割算法[J]. 袁健,程國(guó)濤.  計(jì)算機(jī)應(yīng)用研究. 2017(06)
[7]回溯搜索優(yōu)化算法輔助的多閾值圖像分割[J]. 尹雨山,王李進(jìn),尹義龍,王冰清,趙文婷,徐云龍.  智能系統(tǒng)學(xué)報(bào). 2015(01)
[8]三維Otsu閾值分割方法的遞推算法[J]. 范九倫,趙鳳,張雪峰.  電子學(xué)報(bào). 2007(07)



本文編號(hào)：3005025