基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

摘要：

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题.提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛.在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法.最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较.实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90％以上,是一种精度高、稳定性强的多阈值图像分割方法.

关键词：图像分割、多阈值分割、粒子群优化、引力搜索算法、广义反向学习、正态变异

所属期刊栏目：23

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51275090;江苏省科技成果转化基金资助项目BA2010093;中央高校基本科研业务费专项资金资助项目KYLX_0099;江苏省普通高校研究生科研创新计划资助项目KYLX_0099

在线出版日期：2015-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：879-886