一种改进微粒群算法的图像阈值分割方法

doi:10.3778/j.issn.1002-8331.2010.15.044

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (15): 150-152.DOI: 10.3778/j.issn.1002-8331.2010.15.044

• 图形、图像、模式识别 • 上一篇下一篇

一种改进微粒群算法的图像阈值分割方法

刘丁峰，童小念

中南民族大学计算机科学学院武汉 430074

收稿日期:2009-01-04 修回日期:2009-03-10 出版日期:2010-05-21 发布日期:2010-05-21
通讯作者: 刘丁峰

Threshold selection method of image segmentation based on improved partical swarm optimization algorithm

LIU Ding-feng，TONG Xiao-nian

South-Central University for Nationalities，Wuhan 430074

Received:2009-01-04 Revised:2009-03-10 Online:2010-05-21 Published:2010-05-21
Contact: LIU Ding-feng

摘要/Abstract

摘要： 以Kittler和Illingworth准则函数作为评价函数，提出了一种利用最小误差法和改进微粒群算法对图像进行阈值分割的方法IPSO（Improved Partical Swarm Optimization）。为了改善PSO算法，特别是在收敛速度方面的局限，IPSO算法引入遗传算法的择优思想对基本微粒群算法进行改进，使得改进后的IPSO算法具有快速的全局搜索能力。实验结果表明，对于灰度分布较复杂的图像，改进的IPSO算法不仅降低了运算开销，而且获得了满意的图像分割效果。

关键词: 最小误差法, 图像分割, 微粒群算法, 遗传算法

Abstract: Using Kittler and Illingworth criteration function as evaluation function，an image segmentation algorithm based on improved partical swarm optimization（IPSO） and minimum error method is provided in this paper.To overcome some limitations of PSO，especially the convergence rate，IPSO amends the selection strategy from genetic algorithms（GA），after that，the IPSO oriented to the high-speed overall search capability.The experiment result shows that the IPSO algorithm can not only obviously save the running time，but also improve the quality of image segmentation.

Key words: minimum error method, image segmentation, partical swarm optimization, genetic algorithm

中图分类号:

TP391.41

刘丁峰，童小念. 一种改进微粒群算法的图像阈值分割方法[J]. 计算机工程与应用, 2010, 46(15): 150-152.

LIU Ding-feng，TONG Xiao-nian. Threshold selection method of image segmentation based on improved partical swarm optimization algorithm[J]. Computer Engineering and Applications, 2010, 46(15): 150-152.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[6]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[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]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[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]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[13]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[14]	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.
[15]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.

一种改进微粒群算法的图像阈值分割方法

Threshold selection method of image segmentation based on improved partical 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