基于三维阈值和PPPSO的图像分割方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (5): 175-179.

基于三维阈值和PPPSO的图像分割方法

何伟，齐琦，张国云

湖南理工学院信息与通信工程学院，湖南岳阳 414006

出版日期:2014-03-01 发布日期:2015-05-12

Image segmentation method based on 3-D threshold and predator-prey particle swarm optimization

HE Wei, QI Qi, ZHANG Guoyun

College of Information and Communication Engineering, Hunan Institute of Science and Technology, Yueyang, Hunan 414006, China

Online:2014-03-01 Published:2015-05-12

摘要/Abstract

摘要： 提出一种基于三维阈值和捕食-被捕食粒子群（PPPSO）的图像分割方法。该方法在保留传统二维最大类间方差（Otsu）分割算法优点的基础上，充分利用图像自身模糊信息-模糊中值，该特征维与像素灰度值、邻域均值组成一个三维矢量集；另外，通过采用捕食-被捕食的粒子群优化方法搜索最佳分割阈值，大大缩短了搜索时间，且能快速收敛到全局最优。实验结果表明，该方法具有较好的抗噪性和实时性。

关键词: 图像分割, 三维阈值, 捕食-被捕食, 粒子群优化

Abstract: A method of image segmentation based on 3-D threshold and Predator Prey Particle Swarm Optimization（PPPSO） is proposed. The method not only retains the traditional 2-D Otsu method’s advantages, but also makes full use of the fuzzy information of the image-fuzzy median value, which with gray value and average gray value constitute a 3-D feature vector. In addition, PPPSO is used to search for the best threshold, which can reduce the search time greatly and converge to global optimum rapidly. Experimental results show that the improved method has a good anti-noise and real-time performance.

Key words: image segmentation, 3-D threshold, predator-prey, particle swarm optimization

何伟，齐琦，张国云. 基于三维阈值和PPPSO的图像分割方法[J]. 计算机工程与应用, 2014, 50(5): 175-179.

HE Wei, QI Qi, ZHANG Guoyun. Image segmentation method based on 3-D threshold and predator-prey particle swarm optimization[J]. Computer Engineering and Applications, 2014, 50(5): 175-179.

[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]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[7]	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.
[8]	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.
[9]	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.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	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.
[12]	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.
[13]	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.
[14]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[15]	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.