基于改进布谷鸟搜索算法的图像分割

李瑞芳

(西安电子科技大学 数学与统计学院,陕西 西安　710126)



基于改进布谷鸟搜索算法的图像分割

李瑞芳

(西安电子科技大学 数学与统计学院,陕西 西安710126)

摘要针对布谷鸟搜索算法在应用其进行图像分割时计算量大、易陷入局部极小值解、收敛速度慢的问题。文中采用一种基于改进布谷鸟搜索算法的多阈值图像分割算法。该算法以Ostu算法设计自适应度函数,将布谷鸟搜索算法和K均值算法融合,增加种群的多样性,且能自适应地确定阈值个数及其范围,并找到待分割图像的最优阈值。实验结果表明,与K均值算法和布谷鸟搜索算法相比,该算法找到的阈值质量更佳,图像分割结果更好。

关键词图像分割;阈值分割;K均值

图像分割的核心思想是通过采取一定的技术手段提取目标区域,是图像分析之前的必要准备。分割图像的方法有多种,其中最经典的当属大津算法,即Ostu法[1]及其各种改进方法[3-4]。基于聚类分析的图像分割方法也是较为常见的图像分割方法,K均值算法便是其中一种。利用K均值算法做图像分割实质上就是以反复迭代的方法对图像像素点进行划分分类,求得一个较好的像素分组。K均值算法因其算法简单、收敛速度较快等优势,在图像处理领域得到了广泛应用[5-6]。

近年来,随着生物启发式算法的迅速发展,研究者们也顺势将这些启发式算法成功应用于图像处理领域,如布谷鸟搜索算法(CS)[2]便可应用于图像分割。文献[2]表明在多峰值优化问题中,CS算法要比PS0算法、GA算法的稳定性和遗传性要好,且CS算法结构简单、参数少。……