【摘要】：提出了改進(jìn)的布谷鳥(niǎo)算法.在改進(jìn)算法中,首先利用混沌理論進(jìn)行種群的初始化,提高了種群的多樣性.然后自適應(yīng)選擇利用萊維隨機(jī)游走或者改進(jìn)的蛙跳算法局部搜索方式更新新的解,提高了算法的局部搜索能力和算法的收斂速度.與其他算法相比較,改進(jìn)算法顯示了其強(qiáng)大的優(yōu)化精度和高速度性,提高了圖像的分割效率.
[Abstract]:An improved cuckoo algorithm is proposed. In the improved algorithm, the chaos theory is first used to initialize the population, which improves the diversity of the population. Then the local search method of Levy random walk or the improved leapfrog algorithm is used to update the new solution, which improves the local search ability of the algorithm and the convergence speed of the algorithm. Compared with other algorithms, the improved algorithm shows its strong optimization accuracy and high speed, and improves the efficiency of image segmentation.
【作者單位】： 內(nèi)蒙古科技大學(xué)信息工程學(xué)院;
【分類號(hào)】：TP391

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前1條

1 仇紅娟;杜大軍;邱道尹;;模糊閾值分割算法在燒結(jié)機(jī)尾斷面圖像處理中的應(yīng)用[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——河南省第四屆青年學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2004年

相關(guān)博士學(xué)位論文 前3條

1 林正春;無(wú)準(zhǔn)則多維圖像閾值分割算法——最優(yōu)進(jìn)化算法[D];華南理工大學(xué);2010年

2 魏巍;噪聲和不均勻光照?qǐng)D像閾值分割技術(shù)研究[D];吉林大學(xué);2011年

3 龍建武;圖像閾值分割關(guān)鍵技術(shù)研究[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 黃蒞辰;非均勻光照下文本圖像分割算法研究[D];湖南科技大學(xué);2015年

2 安妮;基于局部自適應(yīng)閾值分割算法的高壓線圖像檢測(cè)方法[D];武漢工程大學(xué);2015年

3 張赫;基于波谷相對(duì)信息的閾值分割算法研究[D];吉林大學(xué);2015年

4 許鑫;無(wú)適度圖像閾值分割算法—最優(yōu)蜜源算法（ONSA）[D];長(zhǎng)安大學(xué);2012年

5 龍建武;基于Otsu的圖像閾值分割算法的研究[D];吉林大學(xué);2011年

6 李靜;降落巖石骨料圖像閾值分割算法的研究[D];湖南師范大學(xué);2004年

7 朱磊;自適應(yīng)閾值分割技術(shù)及在工業(yè)視覺(jué)檢測(cè)中的應(yīng)用[D];江南大學(xué);2014年

8 周海兵;基于GPU加速的Otsu圖像閾值分割算法實(shí)現(xiàn)[D];大連理工大學(xué);2009年

9 謝鵬鶴;圖像閾值分割算法研究[D];湘潭大學(xué);2012年

10 褚巧龍;基于Otsu的圖像閾值分割算法的研究[D];燕山大學(xué);2011年

，

本文編號(hào)：2119544