為了解決多閾值OTSU圖像分割方法存在的閾值個數(shù)增加計算復雜度也隨之增加的問題,筆者提出了基于共生生物搜索算法的多閾值圖像分割方法,利用共生生物搜索算法尋找最優(yōu)閾值,提高分割精度。通過對經(jīng)典圖像進行實驗,分析實驗結果的峰值信噪比和特征相似度,可知共生生物搜索算法能夠有效地提高圖像分割精度,減少運算時間。 

【文章來源】：科技創(chuàng)新與生產(chǎn)力. 2019,(05)

【文章頁數(shù)】：3 頁

【文章目錄】：
1 多閾值OTSU圖像分割方法
2 共生生物搜索算法的理論基礎與數(shù)學模型
3 圖像分割實驗仿真與分析
4 結束語


【參考文獻】：
期刊論文
[1]基于貓群優(yōu)化算法的圖像多閾值分割方法[J]. 高燁,陶麗麗,馬苗.  中國體視學與圖像分析. 2018(02)
[2]基于多目標蜂群優(yōu)化的閾值圖像分割算法[J]. 解敏.  電視技術. 2018(03)
[3]基于相關學習神經(jīng)網(wǎng)絡的圖像識別方法[J]. 喬濱.  電子技術與軟件工程. 2017(23)
[4]區(qū)域分割的自適應變異粒子群算法[J]. 陳侃松,阮玉龍,戴磊,蘭智高,邵建設.  電子學報. 2017(08)
[5]自適應精英反向學習共生生物搜索算法[J]. 周虎,趙輝,周歡,王驍飛.  計算機工程與應用. 2016(19)
[6]基于二維直方圖雙斜率劃分的快速Otsu圖像分割算法[J]. 袁健,程國濤.  計算機應用研究. 2017(06)
[7]回溯搜索優(yōu)化算法輔助的多閾值圖像分割[J]. 尹雨山,王李進,尹義龍,王冰清,趙文婷,徐云龍.  智能系統(tǒng)學報. 2015(01)
[8]三維Otsu閾值分割方法的遞推算法[J]. 范九倫,趙鳳,張雪峰.  電子學報. 2007(07)



本文編號：3005025