在圖像分割中,為了準(zhǔn)確地把目標(biāo)和背景分離出來,提出了一種基于多目標(biāo)粒子群和人工蜂群混合優(yōu)化的閾值圖像分割算法。在多目標(biāo)優(yōu)化的框架下,將改進(jìn)的類間方差準(zhǔn)則和最大熵準(zhǔn)則作為適應(yīng)度函數(shù),通過粒子群和蜂群混合優(yōu)化這2個(gè)適應(yīng)度函數(shù)來獲得1組非支配解。同時(shí),為了提高全局和局部搜索能力,在蜂群進(jìn)化時(shí),將粒子群的全局最優(yōu)解引入到人工蜂群算法的雇傭蜂階段蜜源的更新中,并對(duì)搜索方程進(jìn)行改進(jìn)。最后通過類間差異和改進(jìn)的類內(nèi)差異的加權(quán)比值,從一組非支配解中選取最優(yōu)閾值。實(shí)驗(yàn)結(jié)果表明,該算法能夠取得理想的分割結(jié)果。

【文章頁數(shù)】：10 頁

【部分圖文】：

圖2#24063分割結(jié)果

圖1#3096分割結(jié)果3.5混合優(yōu)化算法的流程

圖4#55067分割結(jié)果

圖3#241004分割結(jié)果4.1Berkeley圖像對(duì)比實(shí)驗(yàn)

圖1#3096分割結(jié)果

其中,xij表示第j類中的第i個(gè)像素的灰度值。圖2#24063分割結(jié)果

圖3#241004分割結(jié)果

為了驗(yàn)證本文算法的性能,采用Otsu算法、Kapur算法、MEABCT算法、PSO-Otsu算法、MOABC算法和MOPSO算法作為比較算法。實(shí)驗(yàn)分為2個(gè)部分:第1部分采用多幅Berkeley圖像進(jìn)行驗(yàn)證,第2部分用核磁共振(MR)圖像進(jìn)行分割實(shí)驗(yàn)。本文所提出的MPS-ABC算法....

本文編號(hào)：3973003