分割是图像处理中最重要的任务之一。 它包括根据像素的强度级别和阈值将像素分为两组或更多组。 分割的质量取决于用于选择阈值的方法。 使用多级阈值的经典实现在计算上是昂贵的,因为它们详尽地搜索最佳值以优化目标函数。 在这种情况下,优化进化方法的使用得到了扩展。 类电磁算法 (EMO) 是一种进化方法,它模仿电荷之间的吸引力排斥机制来进化种群成员。 与其他算法不同,EMO 表现出有趣的搜索能力,同时保持低计算开销。 本文介绍了一种基于 EMO 的多级阈值 (MT) 算法。 该方法结合了 EMO 算法良好的搜索能力和 Otsu 和 Kapur 流行的 MT 方法提出的目标函数。 该算法从图像直方图中的可行搜索空间中随机抽取样本。 此类样本在 EMO 上下文中构建每个粒子,而考虑到 Otsu 或 Kapur 方法采用的函数的目标来评估其质量。 在这些目标值的指导下,候选解集通过 EMO 算子演化,
2023-01-04 11:33:25
442KB
matlab
1