应用改进布谷鸟算法优化多阈值图像分割

本文刊于: 《吉林大学学报(工学版)》 2021年第0期

关键词:
图像分割 多阈值分割 布谷鸟算法 教与学搜索策略 精英解 模拟退火机制

Keywords:
image segmentation,multilevel threshold segmentation,cuckoo search algorithm(CS),teaching-learning search strategy,elite solution,simulated annealing mechanism
摘要
     针对传统多阈值图像分割方法在寻找最优阈值过程中存在计算量大、计算时间长的问题,提出了一种基于改进布谷鸟算法的多阈值图像分割方法。首先,将教与学搜索策略引入布谷鸟算法,提高了算法的局部搜索能力;其次,选择当前种群中适应度值较优的精英解构建精英库并随机选择精英解指导搜索方向,强化优势经验的学习;最后,引入模拟退火机制选择鸟巢位置,有效避免了个体在寻优过程中陷入局部最优。选择了多幅不同类型的复杂多目标图像进行分割实验,并与布谷鸟算法、蛙跳算法、教与学优化算法及广义反向粒子群与引力搜索混合算法的分割结果进行对比分析。实验结果表明,该方法在分割准确性、计算时间和收敛性上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题。

基金项目:
国家自然科学基金项目(51065021,51365037,51705229)

上一篇:5G中基于系统中断概率的D2D资源分配算法
下一篇:基于图神经网络的兴趣活动推荐算法

分享到: 分享应用改进布谷鸟算法优化多阈值图像分割到腾讯微博           收藏
评论排行
公告 
相关期刊文献推荐
相关会议文献推荐
相关硕士文献推荐
相关博士文献推荐