摘要: Otsu算法分割图像时不依赖于图像的内容,具有较好的适应性,但计算量大和实时性差的缺点限制了其应用。针对这一问题,提出一种基于改进粒子群优化算法的Otsu分割方法。该方法以Otsu算法中的类间方差作为粒子群优化算法的适应度函数,以当前分割阈值作为粒子的当前位置,以阈值更新速度作为粒子的当前速度,以粒子最优适应值的改进量作为惯性权重,在灰度空间动态搜索使类间方差最大的阈值。实验结果表明:该方法能获得与经典Otsu相当的分割效果,而且显著地缩短了分割时间,算法效率更高。
[1] 付辉敬,田铮.遥感图像分割中的信息割算法[J].中国图象图形学报,2011,16(1):135-140 [2] 吕燕,龚劬.加权三维Otsu方法在图像分割中的应用[J].计算机应用研究,2011,28(4):1576-1579 [3] 黄港,李俊,潘金贵.基于粒子群优化方法的2维Otsu快速图像分割算法[J].中国图象图形学报,2011,16(3):377-381 [4] Bajpai P,Singh S N.Fuzzy adaptive particle swarm optimization for bidding strategy in uniform price spot market [J].IEEE Transactions on Power systems,2007,2(4):2152-2160 [5] Zhan Zhi-hui,Zhang Jun,Li Yun,et al.Adaptive particle swarm optimization [J].IEEE Transactions on Systems,Man,and Cybernetics,2009,39(6):1362-1381 [6] Park J-B,Jeong Y-W,Lee K Y.An improved particle swarm optimization for nonconvex economic dispatch problems [J].IEEE Transactions on Power systems,2010,25(1):156-166 [7] Li Li,Xue Bing,Niu Ben,et al.The novel non-linear strategy of inertia weight in particle swarm optimization [C]∥Proceedings of the Congress on Bio-Inspired Computing.2009:1-5 [8] 李万高,赵雪梅.基于蜂群算法的多小波图像去噪研究[J].重庆邮电大学学报:自然科学版,2013,25(4):532-537 |
No related articles found! |
|