一种基于混合合作学习的粒子群算法的多阈值图像分割解决方案.pptVIP

4.4 结果讨论二 结论： 从表2我们可以看到基于最大熵的图像分割结果，分别采用了PSO(粒子群)算法和GA（遗传）算法、高斯平滑，对称方法，两幅图像从分割的阈值点数目为2-5时，PSO算法的分割结果的评价函数的值总是优于其它的算法，PSO算法的u值可以取到0.965-0.98，而其它算法则达到0.93都难。这就更能说明说明PSO算法的分割效果优于其它算法的分割效果，并且随着分割阈值的数目越多，分割效果越好。 22/28 21个不同灰度长方形组成的图像 21个不同灰度长方形组成的图像直方图 4.5输出结果之三 23/28 阈值点C=3,分割成4个部分 阈值点C=5,分割成6个部分 4.5输出结果之三 24/28 阈值点数目越多，目标函数和评价函数也越大，说明分割效果越来越好。 25/28 粒子群算法的初始值设定 评价函数 目标函数 阈值点 混合粒子群参数设定 每个一维群的粒子数目 选择概率 加速因子 惯性斜率 初始惯性权重 每个粒子的位置变化范围 五 个人观点 1.用于图像分割的图像数目太少，才3幅，不能充分说明对所有图像的分割效果都好。 2.用于图像分割的图像比较清楚，如果有些模糊的图像的分割效果又会怎么样呢？文章没有交待。 3.应该将这个算法和基于区域、基于轮廓等的其它分割方法进行对比，才能充分说明这种分割方法的好 1.引入图像分割结果的评价函数模型，其