基于通用学习均衡优化器的多阈值图像分割

作     者：吴佳芸 武灵芝 胡晓飞 WU Jiayun;WU Lingzhi;HU Xiaofei

作者机构：南京邮电大学地理与生物信息学院江苏南京210023 

出 版 物：《传感技术学报》 (Chinese Journal of Sensors and Actuators)

年 卷 期：2024年第37卷第3期

页      面：463-468页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61771251) 江苏省自然科学基金项目(BK20171443)。 

主　　题：数字图像处理 多阈值图像分割 通用均衡优化器 最大类间方差法 粒子群优化算法 

摘      要：传统的元启发式多阈值图像分割算法计算复杂度高且容易陷入局部最优,通用学习均衡优化器在搜索过程中使粒子从不同维度的候选粒子中学习,在求解复杂问题最优解时有很强的能力,克服了容易陷入局部最优的问题。提出将通用学习均衡优化算法优化最大类间方差法来实现多阈值图像分割,实验选择标准灰度图像,以峰值信噪比、结构相似度、运行时间和适应度值为评价标准,将该算法与均衡优化算法、粒子群优化算法进行了比较。结果表明,基于通用学习均衡优化器的多阈值图像分割算法结果的峰值信噪比、结构相似度在绝大多数情况下优于另外两个算法,并且收敛速度快,执行效率高。