首页|应用改进布谷鸟算法优化多阈值图像分割

应用改进布谷鸟算法优化多阈值图像分割

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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闽值图像分割方法.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.
Image segmentation of multilevel threshold based on improved cuckoo search algorithm

吴禄慎、程伟、胡赞

展开 >

南昌大学机电工程学院,南昌330031

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

国家自然科学基金国家自然科学基金国家自然科学基金

510650215136503751705229

2021

10.13229/j.cnki.jdxbgxb20190858

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(1)
  • 11
  • 8