基于分散微粒群算法的二维模糊最大熵图像分割

doi:10.3778/j.issn.1002-8331.2008.29.053

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (29): 188-190.DOI: 10.3778/j.issn.1002-8331.2008.29.053

• 图形、图像、模式识别 • 上一篇下一篇

基于分散微粒群算法的二维模糊最大熵图像分割

田杰¹,曾建潮¹,侯明冬²

1.太原科技大学系统仿真与计算机应用研究所，太原 030024
2.山东劳动职业技术学院电气自动化系，济南 250000

收稿日期:2007-11-20 修回日期:2008-01-31 出版日期:2008-10-11 发布日期:2008-10-11
通讯作者: 田杰

2-D fuzzy maximum entropy method in image segmentation based on DPSO

TIAN Jie¹,ZENG Jian-chao¹,HOU Ming-dong²

Received:2007-11-20 Revised:2008-01-31 Online:2008-10-11 Published:2008-10-11
Contact: TIAN Jie

摘要/Abstract

摘要： 该文研究了基于二维模糊信息熵的图像分割方法，针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题，提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索，并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时，为了避免该算法收敛到局部最优解的问题，在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。

关键词: 图像分割, 二维模糊最大熵, 分散粒子群优化算法, 粒子群优化算法, 算子行为的微粒群优化算法

Abstract: The 2-D fuzzy maximum entropy image segmentation method is studied in this paper，for the problems that the method is complex，time-consuming and lack of practicability during evaluating threshold，a 2-D fuzzy maximum entropy image segmentation method based on DPSO is presented.The proposed method searches the 2-D space of threshold using DPSO，and takes the gray scale value of pixel and the gray scale mean value of region corresponding to the 2-D maximum entropy value in the search space as the threshold for image segmentation.Furthermore，a mutation strategy is designed to avoid premature convergence.Simulation results show the good efficiency of DPSO to image segmentation．

Key words: image segmentation, 2-D fuzzy maximum entropy, Discrete Particle Swarm Optimization（DPSO）, Particle Swarm Optimization（PSO）, Quantum-behaved Particle Swarm Optimization（QPSO）

田杰¹,曾建潮¹,侯明冬². 基于分散微粒群算法的二维模糊最大熵图像分割[J]. 计算机工程与应用, 2008, 44(29): 188-190.

TIAN Jie¹,ZENG Jian-chao¹,HOU Ming-dong². 2-D fuzzy maximum entropy method in image segmentation based on DPSO[J]. Computer Engineering and Applications, 2008, 44(29): 188-190.

[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]	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]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[15]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.

基于分散微粒群算法的二维模糊最大熵图像分割

2-D fuzzy maximum entropy method in image segmentation based on DPSO

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