图像分割基于matalb人工鱼群算法图像分割含Matlab源码 1488期

Posted 2021-12-07 紫极神光

一、人工鱼群算法图像分割简介

最大熵多阈值图像分割算法主要为求解最大熵对应的阈值,熵E实质是关于阈值(T1,T2,… ,TK) 的函数,即可视为E=f(T1,T2,…,TK),求取最大熵即为多元函数求最大值,因为0≤T1≤T2≤,…,≤TK≤ L-1,所以这是一个带约束的优化问题。 若用全局搜索策略求得最优阈值速度很慢,为加快基于全局搜索的最大熵多阈值图像分割算法的搜索速度,而且AFSA算法已在组合优化问题求解中有着良好性能,将AFSA算法应用于最大熵多阈值寻优,为方便将基于全局搜索的最大熵多阈值图像分割算法简记为GSMEMT算法。

1 彩色图像的灰度化
因为处理的对象是RGB模式的彩色图像,而OTSU、AFSAMEMT等算法适用于灰度图像的阈值分割,所以首先应将RGB模式的彩色图像转化为灰度图像, 考虑到彩色图像中主要对象色彩分量对比背景物体应具有更强的区分度,更有利于各算法的分割,所以仅提取彩色图像的R分量作为灰度图像进行各算法的图像分割,后续试验也验证了这一点,R分量作为灰度图像进行图像分割的效果要优于G分量和B分量图像。

2 多阈值人工鱼编码
用1×K维的整数编码ai表示第i条人工鱼,即ai=[Ti1,Ti2,… ,Ti K],其中Tij(j=1,2,… ,K)为整数 ,且满足0≤Ti1≤Ti2≤,…,≤Ti K≤L-1,即Tij代表“1.2” 中的阈值Tj。

3 不可行人工鱼编码及其修复
在AFSA的执行过程中, 有时会产生不可行人工鱼编码,不可行人工鱼编码即为人工鱼编码不满足的0≤Ti1≤Ti2≤,…,≤Ti K≤L-1的约束条件。 不可行人工鱼编码不仅对算法的存储产生冗余,而且无效搜索增加了算法的计算复杂度。 采用实时修复策略对每一个人工鱼编码进行检测,在人工鱼的生成过程中若为可行编码则输出, 反之则进行修复, 使其满足0≤Ti1≤Ti2≤,…,≤Ti K≤L-1的约束条件, 成为可行编码,修复过程主要用于后续的“3.4”中算法的步骤4)。

4 图像分割的AF