基于改进的自适应差分演化算法的二维Otsu多阈值图像分割
针对常规最大类间方差法在多阈值图像分割中存在的运算量大、计算时间长、分割精度较低等问题,该文提出一种基于改进的自适应差分演化(JADE)算法的2维Otsu多阈值分割法.首先,为增强初始化种群的质量、提升控制参数的适应性,将混沌映射机制融入到JADE算法中;进而,通过该改进算法求解2维Otsu多阈值图像的最佳分割阈值;最终,将该算法与差分进化(DE),JADE,改进正弦参数自适应的差分进化(LSHADE-cnEpSin)以及增强的适应性微分变换差分进化(EFADE)4种算法的2维Otsu多阈值图像分割进行比较.实验结果表明,与其它4种算法相比,基于改进JADE算法的2维Otsu多阈值图像分割在分割速度以及精度上均有较明显的改善.
图像分割、最大类间方差法、混沌映射、改进的自适应差分演化算法
41
TP391.41(计算技术、计算机技术)
2019-08-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
2017-2024