基于改进人工鱼群算法的含噪图像分割方法

被引:8
作者
刘艳林
马苗
刘艳丽
许红飞
机构
[1] 陕西师范大学 计算机科学学院
[2] 陕西省语音与图像信息处理重点实验室
关键词
图像分割; 人工鱼群算法; 小波变换; 噪声抑制;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
摘要
针对传统的图像分割方法计算量大、抗噪性弱等问题,将新型的智能仿生优化算法——人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)和小波变换有效地应用到图像分割中,并提出一种并行的阈值分割方法。采用合适的固定步长与自适应步长相结合的方法提高AFSA收敛速度,利用小波变换对小波系数进行阈值处理来提升图像信噪比。利用二维Otsu作为人工鱼群算法的适应度函数,以获得最优阈值。实验结果显示,该方法在分割质量和降噪方面较潘喆等人提出的方法有明显提高。
引用
收藏
页码:157 / 160
页数:4
相关论文
共 8 条
[1]
新型智能优化算法及其在图像分割中的应用研究 [D]. 
梁建慧 .
陕西师范大学,
2011
[2]
图像分割技术的研究 [J].
张剑 .
信息技术, 2011, 35 (10) :165-168+240
[3]
基于改进遗传算法的自动阈值图像分割方法 [J].
何春华 ;
胡迎春 .
计算机仿真, 2011, 28 (02) :312-315
[4]
小波变换在图像去噪中的应用 [J].
艾泽潭 ;
石庚辰 .
科技导报, 2010, 28 (01) :102-106
[5]
全局版人工鱼群算法 [J].
王联国 ;
洪毅 ;
施秋红 .
系统仿真学报, 2009, (23) :7483-7486+7502
[6]
二维Otsu图像分割的人工鱼群算法 [J].
潘喆 ;
吴一全 .
光学学报, 2009, 29 (08) :2115-2121
[7]
改进的人工鱼群算法 [J].
范玉军 ;
王冬冬 ;
孙明明 .
重庆师范大学学报(自然科学版), 2007, (03) :23-26
[8]
图像分割的阈值法综述 [J].
韩思奇 ;
王蕾 .
系统工程与电子技术, 2002, (06) :91-94+102