基于Logistic回归麻雀算法的图像分割

摘要：

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法.所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力.通过与其他算法在6个基准函数上进行仿真对比,结果表明:所提算法的收敛精度与速度均优于其他算法.在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比(PSNR)、结构相似性(SSIM)及特征相似性(FSIM)3种度量指标验证了其良好的分割性能.

关键词：麻雀搜索算法、图像分割、小孔成像反向学习、Logistic模型、K-means聚类算法

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：636-646