基于混沌粒子群算法的多阈值图像分割

doi:10.3778/j.issn.1002-8331.2010.10.055

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (10): 175-176.DOI: 10.3778/j.issn.1002-8331.2010.10.055

• 图形、图像、模式识别 • 上一篇下一篇

基于混沌粒子群算法的多阈值图像分割

蒋艳会，李峰

长沙理工大学计算机与通信工程学院，长沙 410076

收稿日期:2008-09-25 修回日期:2008-12-26 出版日期:2010-04-01 发布日期:2010-04-01
通讯作者: 蒋艳会

Multi-threshold method of image segmentation based on chaotic particle swarm optimization algorithm

JIANG Yan-hui，LI Feng

Computer and Communication Engineering Institute，Changsha University of Science & Technology，Changsha 410076，China

Received:2008-09-25 Revised:2008-12-26 Online:2010-04-01 Published:2010-04-01
Contact: JIANG Yan-hui

摘要/Abstract

摘要： 针对单阈值图像分割方法在求取比较复杂的图像时效果不理想及粒子群算法容易陷入局部最优且速度较慢等等问题，提出了基于混沌粒子群优化算法的多阈值图像分割方法。该方法利用混沌运动随机性、遍历性和初值敏感性，将混沌粒子群优化算法与多阈值法相结合作全局搜索，实验结果表明了基于混沌粒子群优化算法的多阈值图像分割法用于阈值寻优减少了搜索时间，并且运行时间不随阈值数目的增加而显著增加。

关键词: 图像分割, 粒子群优化算法, 多阈值, 混沌

Abstract: Due to the problems of the single threshold image segmentation method isn’t ideal，the particle swarm optimization algorithm is easy to fall into local optimum，and the speed is slow，a multi-threshold method of image segmentation based on chaotic particle swarm optimization algorithm is proposed to solve the optimization problems.By using randomicity，ergodic and initial value sensitivity of chaos，chaotic particle swarm optimization algorithm is combined with multi-threshold method.The experimental result indicates multi-threshold method of image segmentation based on chaotic particle swarm optimization algorithm reduces the searching time，and the operating time doesn’t significantly enhance with the increase number of threshold.

Key words: image segmentation, particle swarm optimization algorithm, multi-threshold, chaos

中图分类号:

TP391.4

蒋艳会，李峰. 基于混沌粒子群算法的多阈值图像分割[J]. 计算机工程与应用, 2010, 46(10): 175-176.

JIANG Yan-hui，LI Feng. Multi-threshold method of image segmentation based on chaotic particle swarm optimization algorithm[J]. Computer Engineering and Applications, 2010, 46(10): 175-176.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[6]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[7]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[8]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[9]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[10]	王海瑞，鲜于建川. 改进麻雀搜索算法在分布式电源配置中的应用[J]. 计算机工程与应用, 2021, 57(20): 245-252.
[11]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[12]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[13]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[14]	廖列法，杨红. 天牛须搜索算法研究综述[J]. 计算机工程与应用, 2021, 57(12): 54-64.
[15]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.

基于混沌粒子群算法的多阈值图像分割

Multi-threshold method of image segmentation based on chaotic particle swarm optimization algorithm

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