改进海鸥算法的多阈值图像分割算法
为进一步提高图像分割精度,改善传统多阈值图像分割方法计算量大、分割慢的问题,提出了改进海鸥算法(improved seagull optimization algorithm,ISOA)的多阈值图像分割方案.针对原始海鸥算法(seagull optimization algorithm,SOA)存在早熟、寻优精度不足的问题,首先,采用cubic混沌映射优化初始解,提高搜索效率;其次,引入鹰栖息优化算法(eagle perching optmizer,EPO)的缩放因子和疯狂算子进行扰动,并与麻雀搜索算法(sparow search algorithm,SSA)警戒者的位置更新相结合,优化寻优精度和收敛速度,避免陷入局部最优.利用6种基准测试函数对ISOA进行寻优性能测试.最后,将ISOA与图像分割的最优阈值选取相结合,进行基于Otsu的多阈值图像分割,并与现有分割算法进行对比.仿真结果表明,ISOA在基于Otsu的图像分割中,100%取得了最优值,且80.9%的结果优于其余算法,使图像的分割精度和质量均得到了优化.
改进海鸥算法(ISOA)、多阈值、图像分割、cubic混沌映射、鹰栖息优化算法(EPO)
33
TP391.41(计算技术、计算机技术)
国家自然科学基金62062048
2023-01-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
932-939