基于猫群优化算法的图像多阈值分割方法

作者：高烨; 陶丽丽; 马苗多阈值分割猫群优化算法粒子群优化算法头脑风暴算法人工蜂群算法

摘要：针对现有的图像分割方法存在的精度低、稳定性较差的问题,提出了一种基于猫群优化算法的图像多阈值分割方法。本文将猫群优化算法（Cat Swarm Optimization,CSO）引入到图像分割中,以最大类间方差作为猫群优化算法求解的适应度函数,利用猫群优化算法中猫的两种行为模式——搜寻模式和追踪模式来快速搜寻图像多阈值分割的最佳阈值。实验表明,与粒子群优化算法（Particle Swarm Optimization,PSO）、头脑风暴算法（Brain Storm Optimization,BSO）和人工蜂群算法（Artificial Bee Colony,ABC）相比,CSO在图像分割时的精确性、收敛速度及稳定性上有显著优势。在3阈值图像分割时,所提方法找到最优个体需要的平均迭代次数最少,且稳定性比ABC、BSO和PSO分别提高了5%、10%和80%。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社