混沌粒子群算法在二維Fisher中的应用.docVIP

混沌粒子群算法在二维Fisher图像分割中的应用 叶志伟 周欣 （湖北工业大学 计算机学院 430068） 摘要：针对二维Fisher算法在图像分割求解阈值时计算量大的特点，将混沌粒子群算法引入其中，利用混沌变量具有遍历性、随机性和规律性的特点有效的解决了计算效率以及传统粒子群算法的初始解质量、易陷入局部最优解的问题。通过实验证明将混沌粒子群算法引入二维Fisher图像分割算法提高了算法的速度和精度。 关键词：混沌粒子群，二维Fisher，阈值，图像分割 中图分类号：TP391 文献标识码：A 1引言 图像分割是将图像中具有特殊意义的不同区域分开来，并使这些区域相互不相交且每个区域应满足特定区域的一致性条件。图像分割一直是计算机图像理解中一个十分活跃的研究领域。在图像分割中存在很多分割算法，本实验采用的二维Fisher图像分割算法，考虑了图像中目标和背景之间类间方差和类内方差在类别分离中的作用，有效地克服了经典Otsu阈值法当图像中目标的面积很小时产生的阈值“漂移”现象。由于二维Fisher算法计算量大，有学者提出了将粒子群算法结合二维Fisher图像分割算法，减少计算量，提高效率。但粒子群算法存在一些不足，主要体现在粒子群算法本身存在容易陷入局部最优的缺陷，初始解质量得不到保证。为了解决经典粒子群算法的这些不足，