10.16208/j.issn1000-7024.2022.12.025
融合改进鬣狗优化和Tsallis熵的图像分割
针对传统图像多阈值分割法计算代价随阈值数呈指数增长、分割效率低等问题,提出基于改进鬣狗优化算法结合Tsallis熵的多阈值分割算法.为提高鬣狗觅食的精度和效率,利用混沌映射优化初始种群,提升种群丰富性;设计非线性收敛因子调节机制,均衡全局搜索和局部开采;引入邻域重心对立学习提高全局寻优能力,改善局部最优缺陷.将改进鬣狗优化算法应用于图像分割最优阈值求解问题上,以Tsallis熵评估搜索个体质量优劣.实验结果表明,该算法在图像分割效率和分割精度上都具有明显优势.
图像分割、鬣狗优化算法、Tsallis熵、邻域重心、对立学习、混沌优化、分割效率
43
TP393(计算技术、计算机技术)
江苏省重点研发计划基金项目;南京工程学院产学研前瞻性基金项目
2023-01-05(万方平台首次上网日期,不代表论文的发表时间)
共10页
3493-3502