針對(duì)智能優(yōu)化SAR圖像分割算法存在計(jì)算量大、易陷入局部最優(yōu)、分割精度不夠等問題,融合蝙蝠算法和二維Tsallis熵多閾值,提出了一種蝙蝠優(yōu)化的二維Tsallis熵多閾值SAR圖像分割算法。算法利用立方映射均勻化初始蝙蝠種群,引入Levy飛行特征加強(qiáng)算法跳出局部最優(yōu)能力,使用Powell局部搜索加快算法收斂等3方面改進(jìn)蝙蝠算法;同時(shí)將二維Tsallis熵單閾值分割方法擴(kuò)展到多閾值分割,建立基于多閾值的選取方法,并結(jié)合改進(jìn)的蝙蝠算法,將二維Tsallis熵多閾值應(yīng)用于SAR圖像分割中。仿真結(jié)果表明,與其他智能優(yōu)化分割算法相比,本分割算法在邊緣處理和分割精度上都有明顯優(yōu)勢(shì)。

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引言
1 基于Tsallis熵圖像分割
    1.1 二維單閾值Tsallis熵分割
    1.2 二維多閾值Tsallis熵分割
2 蝙蝠算法及其改進(jìn)
    2.1 蝙蝠算法
    2.2 立方映射初始化蝙蝠種群
    2.3 Levy飛行特征局部尋優(yōu)
    2.4 Powell局部搜索
3 仿真實(shí)驗(yàn)與對(duì)比分析
    3.1 改進(jìn)蝙蝠算法的二維Tsallis熵多閾值分割
    3.2 對(duì)比分析尋優(yōu)效果
    3.3 對(duì)比分析圖像分割效果
4 結(jié)束語(yǔ)



本文編號(hào)：3848069