双搜索人工蜂群算法的彩色图像多阈值分割

doi:10.3778/j.issn.1002-8331.1601-0284

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (12): 203-207.DOI: 10.3778/j.issn.1002-8331.1601-0284

双搜索人工蜂群算法的彩色图像多阈值分割

刘笃晋1，2，贺建英1，周思吉1，胡月1

1.四川文理学院计算机学院，四川　达州 635000
2.成都理工大学地球物理学院，成都　610059

出版日期:2017-06-15 发布日期:2017-07-04

Double search equation artificial bee colony algorithm for multi-threshold color image segmentation

LIU Dujin1，2, HE Jianying1, ZHOU Siji1, HU Yue1

1.School of Computer Science, Sichuan University of Arts and Science, Dazhou, Sichuan 635000, China
2.College of Geophysics, Chengdu University of Technology, Chengdu 610059, China

Online:2017-06-15 Published:2017-07-04

摘要/Abstract

摘要： 针对彩色图像多阈值分割中普遍存在精度低、速度慢的问题，提出了一种新的基于双搜索人工蜂群（DABC）的彩色图像多阈值分割算法。首先由于人工蜂群算法单一的解搜索公式存在不足，对雇佣蜂和跟随蜂各提出了一种搜索公式，进而对人工蜂群算法的相关参数进行了改进，然后做了DABC算法、全局最优引导人工蜂群算法（GABC）、人工蜂群算法（ABC）、粒子群优化算法（PSO）这四种算法的彩色图像多阈值分割对比实验。实验结果表明，与其他三种算法相比，基于DABC的彩色图像多阈值分割方法在分割的精度和速度上都有明显提高，完全能满足实际的需要。

关键词: 双搜索方程, 人工蜂群算法, 彩色图像, 多阈值分割

Abstract: A novel Double search Artificial Bee Colony algorithm （DABC） for multi thresholding color image segmentation is proposed to solve the low precision and slow segmentation speed. In this method, because of insufficiency in ABC regarding its solution search equation, two new search equations are presented to generate candidate solutions in the employed bee phase and the onlookers phase, respectively. Additionally, some more reasonable artificial bee colony parameters are proposed to improve the performance of the artificial bee colony. Then the proposed algorithm is tested on the images. The results are compared with that of Gbest-guided Artificial Bee Colony algorithm （GABC）, the Artificial Bee Colony algorithm （ABC）, the Particle Swarm Optimization algorithm （PSO）. Compared to the other three multi thresholding color image segmentation methods, the DABC has significantly improved the accuracy and speed, which is fully able to meet the actual needs.

Key words: double search equation, artificial bee colony algorithm（ABC）, color image, multi-threshold segmentation

刘笃晋1，2，贺建英1，周思吉1，胡月1. 双搜索人工蜂群算法的彩色图像多阈值分割[J]. 计算机工程与应用, 2017, 53(12): 203-207.

LIU Dujin1，2, HE Jianying1, ZHOU Siji1, HU Yue1. Double search equation artificial bee colony algorithm for multi-threshold color image segmentation[J]. Computer Engineering and Applications, 2017, 53(12): 203-207.

[1]	李雨鑫，李悦悦. 面向JIT采购的多目标车辆调度[J]. 计算机工程与应用, 2021, 57(12): 263-272.
[2]	李顺东，游晓明，刘升. 结合ABC算法动态分级的双蚁态蚁群算法[J]. 计算机工程与应用, 2020, 56(12): 37-46.
[3]	李伟斌1，2，马洪林1，易贤1，赵凡1，李维浩1. 基于色彩空间变换的彩色图像分割方法[J]. 计算机工程与应用, 2019, 55(9): 162-167.
[4]	宋晓宇，高明海，赵明. 具有自适应搜索策略的混合人工蜂群算法[J]. 计算机工程与应用, 2019, 55(22): 53-59.
[5]	浦玉学，舒鹏飞，蒋祺，陈卫中. 工业机器人时间-能量最优轨迹规划[J]. 计算机工程与应用, 2019, 55(22): 86-90.
[6]	王贞，李旭飞. 求解约束优化问题的自适应人工蜂群算法[J]. 计算机工程与应用, 2019, 55(15): 47-58.
[7]	张维存，张曼. 面向连续生产的供应链联合调度及算法[J]. 计算机工程与应用, 2019, 55(13): 246-253.
[8]	张戈，王建林. 基于混合ABC和CRO的高维特征选择方法[J]. 计算机工程与应用, 2019, 55(11): 93-101.
[9]	魏锋涛，岳明娟，郑建明. 基于多策略融合的改进人工蜂群算法[J]. 计算机工程与应用, 2018, 54(5): 111-116.
[10]	沈静，陆静，李宏，钟志光. 基于RGB相关性的彩色图像可逆信息隐藏方法[J]. 计算机工程与应用, 2018, 54(20): 69-73.
[11]	刘明辉1，李炜2. 基于knee points的改进多目标人工蜂群算法[J]. 计算机工程与应用, 2018, 54(2): 40-47.
[12]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.
[13]	张伟灿，何选森. 基于改进蜂群聚类的欠定盲源分离[J]. 计算机工程与应用, 2018, 54(17): 243-248.
[14]	赵胜楠，魏伟波，潘振宽，李帅. 暗原色先验与NL-CTV模型相结合的图像去雾方法[J]. 计算机工程与应用, 2018, 54(16): 182-186.
[15]	林诗洁1，2，董晨1，2，陈明志1，2，张凡1，2，陈景辉1，2. 新型群智能优化算法综述[J]. 计算机工程与应用, 2018, 54(12): 1-9.

双搜索人工蜂群算法的彩色图像多阈值分割

Double search equation artificial bee colony algorithm for multi-threshold color image segmentation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics