基于改进飞蛾扑火算法的多阈值彩色图像分割

发布时间：2024-02-24 12:14

　　针对彩色图像多阈值分割存在计算量大、运行时间长等问题,在飞蛾扑火算法(Moth-Flame Optimization, MFO)的基础上,引入莱维飞行策略和自适应权重变化策略,提出LSMFO算法(Levy Self-adaptive Moth Flame Optimization)对最佳分割阈值进行优化搜索。为了验证该算法的有效性,选取4幅伯克利大学经典图像,将LSMFO算法与另外5种元启发式算法进行对比。应用Otsu方法进行多阈值图像分割实验,并用SSIM、PSNR、EPI三个指标评估分割后的图像效果。实验结果显示,LSMFO算法在指标衡量比较上整体水平优于其他算法,表明该算法运行时间短、分割精度高,能够有效解决彩色图像多阈值分割问题。

【文章页数】：8 页

【部分图文】：

图3参数θ的分布意义

利用上述方程模拟飞蛾螺旋飞行的路径。方程中的参数θ为收敛常数,定义飞蛾的下一个位置接近火焰的程度,θ=-1是距离火焰最近的位置;θ=1是距离最远的,如图3所示。式(1)仅定义了飞蛾朝向火焰飞行的过程,因此容易造成算法收敛过快,陷入局部最优。为了避免上述情况,飞蛾在初始化位置、计算....

图4惯性权重递减函数曲线

Mi=Di·ebn·cos(2πn)+ω·Fj(5)2.2引入Lévy飞行

图5100次Lévy飞行轨迹

Lévy飞行是一种特殊的行为方式,表现为大量的短距离游走和少量的长距离跳跃行为,可用于随机或伪随机自然现象的测量和模拟。有研究表明,许多动物甚至人类的某些行为均符合Lévy飞行的特征,因此具有良好的搜索性能。图5模拟了个体进行100次Lévy飞行的位置更新情况。将Lévy飞行应用....

图6基于LSMFO的图像分割流程图

阈值分割的实质就是找出图像的最佳阈值向量,将Otsu法中的最大类间方差公式(式(11))作为算法的适应度函数进行求解,最大类间方差值表示适应度值,多阈值的阈值个数即表示飞蛾在空间中的位置维数。寻找出适应度值最大时火焰列表中火焰的位置向量F即为图像所得的最佳阈值向量。整个算法的实现....

本文编号：3908977