基于量子粒子群算法的双阈值图像分割方法

被引：7

作者：

童小念

施博

王江晴

机构：

[1] 中南民族大学计算机科学学院

来源：

四川大学学报(工程科学版) | 2010年 / 42卷 / 03期

关键词：

量子粒子群算法; 遗传算法; 粒子群算法; 最大类间方差; 边界控制策略; 双阈值图像分割;

D O I：

10.15961/j.jsuese.2010.03.035

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了提高图像分割效率,将量子粒子群算法QPSO应用于图像阈值分割领域,并在QPSO算法基础上提出了一种基于边界控制的量子粒子群阈值分割算法BQPSO。改进算法BQPSO引入了边界控制策略,使得飞越搜索区域的粒子不再聚集到区域的边界,而是回到搜索区域内边界附近的某一位置,保持了群体的多样性,有效地避免了算法陷入局部最优解,增强了算法的全局搜索能力。实验结果表明,与遗传算法GA、粒子群算法PSO和标准量子粒子群算法QPSO的阈值寻优结果相比较,BQPSO算法在运算效率、阈值搜索精度和稳定性以及图像分割效果等方面均具有明显的优势。

引用

页码：132 / 138

页数：7

共 15 条

[1]

A study of particle swarm optimization:particle trajectories. Bergh F van den,Engelbrecht A P. Journal of Information Science . 2006

[2]

A Hybrid Simplex Searchand Particle Swarm Optimization for Unconstrained Opti-mization. Shu-Kai S.Fan,,Erwie Zahara. European Journal of Operational Research . 2007

[3]

A global search strategy of quantum-behaved particle swarm optimization. Sun Jun,Feng Bin,Xu Wenbo. IEEE Conference on Cybernetics and Intelligent Systems . 2004

[4]

A review on image segmentation techniques. Pal NR,Pal SK. Pattern Recognition . 1993

[5]

Adaptation in natural and artificial system. Holland John H. . 1975

[6]

Genetic algorithms for modelling and optimization. John McCall. Journal of Computational and Applied Mathematics . 2005

[7]

Particle swarm optimization. Kennedy J,Eberhart RC. Proceedings of IEEE International Conference on Neural Networks . 1995

[8] 基于量子粒子群算法的Ostu图像阈值分割 [J].

冯斌 ;

王璋 ;

孙俊 .

计算机工程与设计, 2008, (13) :3429-3431+3434

[9]

A new criterion for automatic multilevel Thresholding. Yen J C,C hang F J,C hang S. IEEE-IP . 1995

[10] 基于边界变异的量子粒子群优化算法 [J].

林星 ;

冯斌 ;

孙俊 .

计算机工程, 2008, (12) :187-188+191

← 1 2 →