具有自学习和邻域搜索能力的改进蚱蜢优化算法及红外图像分割应用.pdfVIP

第４２卷第２期计算机应用与软件Ｖｏｌ４２Ｎｏ．２

２０２５年２月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＦｅｂ．２０２５

具有自学习和邻域搜索能力的改进蚱蜢优化算法

及红外图像分割应用

１２

张云吴强

１（无锡商业职业技术学院物联网技术学院江苏无锡２１４１５３）

２（安徽建筑大学电子与信息工程学院安徽合肥２３００８８）

摘要传统图像分割方法处理电力设备红外图像分割问题时存在精度低、诊断效率差的不足。提出一种具

有自学习和邻域搜索能力的改进蚱蜢优化算法ＩＧＯＡ，并结合Ｃｒｏｓｓ熵应用于电力设备红外图像分割。为了提升

标准蚱蜢优化算法ＧＯＡ的寻优精度和寻优速率，利用佳点集、伪对立学习、配对自学习及邻域搜索策略对ＧＯＡ

的全局寻优能力进行改进。然后以Ｃｒｏｓｓ熵作为评估标准，构建红外图像分割模型ＩＧＯＡＣｒｏｓｓ。利用四种常规电

力设备红外图像进行实验分析，结果表明：与对比模型相比，该分割模型误分率更低，峰值信噪比和结构相似度更

高，能够处理背景非均匀、噪声较大的红外图像分割，分割效率和精度都有提升。

关键词红外图像分割邻域搜索伪对立学习蚱蜢优化算法电力设备

中图分类号ＴＰ３９３文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２５．０２．０３７

ＩＭＰＲＯＶＥＤＧＲＡＳＳＨＯＰＰＥＲＯＰＴＩＭＩＺＡＴＩＯＮＡＬＧＯＲＩＴＨＭＷＩＴＨ

ＳＥＬＦＬＥＡＲＮＩＮＧＡＮＤＮＥＩＧＨＢＯＲＨＯＯＤＳＥＡＲＣＨＩＮＧＡＢＩＬＩＴＹ

ＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮＯＮＩＮＦＲＡＲＥＤＩＭＡＧＥＳＥＧＭＥＮＴＡＴＩＯＮ

１２

ＺｈａｎｇＹｕｎＷｕＱｉａｎｇ

１（ＳｃｈｏｏｌｏｆＩｏＴ，ＷｕｘｉＶｏｃａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｏｆＣｏｍｍｅｒｃｅ，Ｗｕｘｉ２１４１５３，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）

２（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｈｕｉＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ２３００８８，Ａｎｈｕｉ，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＷｈｅｎｄｅａｌｗｉｔｈｉｎｆｒａｒｅｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｅｌｅｃｔｒｉｃａｌｅｑｕｉｐｍｅｎｔ，ｔｒａｄｉｔｉｏｎａｌｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ

ｍｅｔｈｏｄｈａｓｔｈｅｓｈｏｒｔａｇｅｏｆｔｈｅｌｏｗａｃｃｕｒａｃｙａｎｄｐｏｏｒｅｆｆｉｃｉｅｎｃｙｏｆｄｉａｇｎｏｓｉｓ．Ｔｈｅｒｅｆｏｒｅ，ａｉｍｐｒｏｖｅｄｇｒａｓｓｈｏｐｐｅｒ

ｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ（ＩＧＯＡ）ｗｉｔｈｓｅｌｆｌｅａｒｎｉｎｇａｎｄｎｅｉｇｈｂｏｒｈｏｏｄｓｅａｒｃｈｉｎｇａｂｉｌｉｔｙｉｓｐｒｏｐｏｓｅｄ．Ｃｏｍｂｉｎｅｄｗｉｔｈｃｒｏｓｓ

ｅｎｔｒｏｐｙ，ｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｗａｓａｐｐｌｉｅｄｏｎｉｎｆｒａｒｅｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｏｆｅｌｅｃｔｒｉｃａｌｅｑｕｉｐｍｅｎｔ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅ

ｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｐｒｅｃｉｓｉｏｎａｎｄｔｈｅｏｐｔｉｍｉｚｉｎｇｅｆｆｉｃｉｅｎｃｙｏｆｓｔａｎｄａｒｄｇｒａｓｓｈｏｐｐｅｒｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ（ＧＯＡ），ｔｈｅｇｏｏｄ

ｐｏｉｎｔｓｅｔ，ｐｓｅｕｄｏｏｐｐｏｓｉｔｅｌｅａｒｎｉｎｇ，ｐａｉｒｅｄｓｅｌｆｌｅａｒｎｉｎｇａｎｄｎｅｉｇｈｂｏｒｈｏｏｄｓｅａｒｃｈｉｎｇｓｔｒａｔｅｇｙｗｅｒｅｕｓｅｄｔｏｉｍｐｒｏｖｅｔｈｅ

ｇｌｏｂａｌｏｐｔｉｍｉｚｉｎｇ