基于惯性因子自适应粒子群和模糊熵的图像分割  

Image segmentation based on inertia adaptive particle swarm optimization and fuzzy entropy

作　　者：张伟[1,2] 隋青美[1] 

机构地区：[1]山东大学控制科学与工程学院,济南250061 [2]青岛科技大学自动化与电子工程学院,山东青岛266042

出　　处：《计算机应用研究》2010年第4期1569-1571,1587,共4页Application Research of Computers

基　　金：山东省自然科学基金资助项目(Z2006G06)

摘　　要：由于基本粒子群算法存在易陷入局部最优以及过早收敛的缺点,使得基于粒子群和模糊熵的图像分割算法难以得到理想的分割效果。针对此问题,提出了一种基于惯性因子自适应粒子群和模糊熵的图像分割算法,利用惯性因子自适应粒子群和高斯变异来搜索使模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其他两种粒子群算法的分割结果进行比较,表明该算法取得了令人满意的分割结果,算法运算时间较小,具有很好的鲁棒性和自适应性。Image segmentation algorithm based on particle swarm optimization （PSO） and fuzzy entropy can not have good performance because classic PSO easy to premature convergence.Focus on this shortcoming,this paper proposed a new segmentation algorithm based on inertia adaptive PSO and fuzzy entropy.Used the new algorithm inertia adaptive PSO and some particles Gaussian mutation to explore fuzzy parameters of maximum fuzzy entropy,and got the optimum fuzzy parameter combination,then obtained the segmentation threshold.According to experiment results of the new algorithm compare with other two algorithms,the new algorithm has the capability of good segmentation performance,low time cost,robust and self adaptive.

关 键 词：粒子群优化 高斯变异 模糊熵 图像分割 阈值分割 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]