计算机工程

作者：付雪, 朱良宽, 黄建平, 王璟瑀, ARYSTANRyspayev

单位：东北林业大学 机电工程学院，哈尔滨 150040

关键词：北方苍鹰优化,多阈值分割,对称交叉熵,立方混沌,透镜成像反向学习策略

基金：中央高校基本科研业务费专项资金(DL12EB04-02); 国家自然科学基金(31370710); 国家林业局948项目(2014-4-26)

多阈值图像分割是一种简单、准确、高效且普遍的图像分割方法，相比单阈值图像分割更适用于包含大量信息的彩色图像。在多阈值图像分割中，随着阈值数量的增加，传统的枚举法计算量增大，分割一幅彩色图像不仅需要更多的时间，而且分割精度也随之降低。提出一种基于改进北方苍鹰优化（INGO）算法的多阈值图像分割方法。利用立方混沌优化与透镜成像反向学习策略增加种群多样性，在优化初始解的同时扩大种群搜索范围，使INGO算法尽可能搜索到潜在的最优解，增强算法的搜索能力。将最优最差反向与透镜成像反向学习策略相结合，避免INGO算法易陷入局部最优的情况，提高收敛精度。在对经典的伯克利测试图像进行多阈值彩色图像分割的实验结果表明，在GWO、PSO、ChOA等算法中，INGO算法取得峰值信噪比和特征相似度最优平均值的占比分别为100.000%和78.125%，在保证算法收敛效率的同时获得较优的图像分割结果，在多阈值图像分割领域具有较强的理论应用价值。

来源：2023年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第7期