基于改进粒子群算法二维阈值图像分割.docVIP

基于改进粒子群算法二维阈值图像分割 　　摘 要：二维Otsu方法同时考虑了图像的灰度信息和像素间的空间邻域信息，是一种有效的图像分割方法。针对二维Otsu方法计算量大的特点,采用量子粒子群算法来搜索最优二维阈值向量， 每个粒子代表一个可行的二维阈值向量，通过各个粒子的飞行来获得最优阈值。结果表明，所提出的方法不仅能得到理想的分割结果，而且计算量大大减少，达到了快速分割的目的，便于二维Otsu方法的实时应用。 　　关键词：图像分割； 二维Otsu方法； 粒子群算法；量子粒子群算法 　　中图分类号：TP391.41 文献标志码：A 文章编号：1001-3695(2008)08-2402-03 　　 　　Two dimension threshold image segmentation 　　based on improved particle swarm algorithm 　　FENG Bin， WANG Zhang, SUN Jun 　　(School of Information Technology, Southern Yangtze University, Wuxi Jiangsu 214122, China ) 　　Abstract:2D Otsu method , which considers the gray information and spatial neighbor information between pixels in the image simultaneously , is an efficient image segmentation method. However , the computational burden of finding optimal threshold vector is very large for 2D Otsu method. Used a optimization method, such as quantum-behaved particle swarm optimization(QPSO) , to find the best 2D threshold vector , in which each particle represented a possible 2D threshold vector and the best 2D threshold was obtained through the flying among particles. Experimental results show that the proposed method can not only obtain ideal segmentation results but also decrease the computation cost reasonably , and it is suitable for real-time application. 　　Key words：image segmentation;2D Otsu;particle swarm algorithm;quantum-behaved particle swarm algorithm 　　 　　图像分割是图像处理和计算机视觉中基本且关键的技术之一，其目的是将目标与背景分离，为后续的分类、识别和检索提供依据。图像分割方法包括阈值法、边缘检测法和区域跟踪法等。其中，阈值分割是一种实现最为简单、使用最为普遍的分割方法。阈值选取方法有多种如直方图双蜂法、最大熵法、Otsu法、矩量保持法、梯度统计法以及这些方法在二维上的推广等。在这些方法中，Otsu法以其分割效果好、适用范围广而得到了广泛应用，但是与其他分割方法一样，它同样存在着计算量大、计算时间长的问题。 　　粒子群优化(particle swarm optimization，PSO)算法是基于群体智能(swarm intelligence)理论的优化算法，它通过群体中粒子间的合作与竞争产生的群体智能指导优化搜索。2004年Sun等人[1]在研究了Clerc等人关于粒子收敛行为的研究成果后，从量子力学的角度提出了一种新的PSO算法模型。认为粒子具有量子行为，并根据这种模型提出了量子粒子群算法quantum-behaved particle swarm optimization，QPSO），并且得到了很好的实验效果。 　　 　　1 粒子群算法和量子粒子群算法 　　 　　1.1 粒子群算法(PSO) 　　由Kennedy和Eberhart提出的PSO算法，起源于对简单社会的模拟，最初设想是模拟鸟群觅食的过程，后来发现PSO是一种