改进狼群优化算法的Otsu图像分割法_曹爽

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

，ＣＡＯＳｈｕａｎＡＮＪｉａｎｃｈｅｎ－ｇｇ
（，，ＣｏｌｌｅｅｏｆＣｏｍｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏＴａｉｕａｎＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏｇｐｇｙｙｙｇｙ）Ｊｉｎｚｈｏｎ０３０６００，Ｃｈｉｎａｇ：ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｒｅｄｕｃｅｔｈｅｒｕｎｎｉｎｔｉｍｅｏｆｔｈｅａｌｏｒｉｔｈｍ，Ｗｏｌｆａｌｏｒｉｔｈｍａｎｄ２Ｏｔｓｕａｌｏｒｉｔｈｍｗｅｒｅａｃｋ－Ｄｇｇｇｇｐ，ｓｔｕｄｉｅｄａｎＯｔｓｕｉｍａｅｓｅｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｉｍｒｏｖｅｄＷｏｌｆａｃｋｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍｗａｓｒｏｏｓｅｄ．Ｉｎｇｇｐｐｐｇｐｐ，ｏｒｄｅｒｔｏｔｈｅｅｘｃｈａｎｅｏｆｉｎｆｏｒｍａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｗｏｌｖｅｓｉｍｒｏｖｅｔｈｅａｃｃｕｒａｃｏｆｓｅａｒｃｈｉｎｔｈｅｂｅｓｔｒｏｍｏｔｅｇｐｙｇｐ，，ｔｈｒｅｓｈｏｌｄｓｏｌｖｉｎｔｈｅｃｕｒｒｅｎｔｌｏｃａｌｏｔｉｍａｌｏｆＰＳＯａｌｏｒｉｔｈｍａｎｄｓｃｏｕｔｉｎｂｅｈａｖｉｏｒｓｕｍｍｏｎｉｎｂｅｈａｖｉｏｒｏｆＷｏｌｆｇｐｇｇｇ，Ａｌｏｒｉｔｈｍｗｅｒｅｃｏｍｂｉｎｅｄ．ＡｎａｄａｔｉｖｅｂｅｌｅａｕｅｒｉｎｓｔｒａｔｅｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏｂｅｌｅａｕｅｒｅｄｂｅｈａｖｉｏｒＰａｃｋｇｐｇｇｇｙｇ，ｉｍｒｏｖｅａｃｃｕｒａｃｔｈｅｓｕｂｏｔｉｍａｌｓｏｌｕｔｉｏｎｗａｓｏｔｉｍｉｚｅｄｂｃｈａｏｓｍｅｔｈｏｄｔｏａｖｏｉｄｌｏｃａｌｅｘｔｒｅｍｅ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗ－ｐｙｐｐｙ，ｔｈｅａｌｏｒｉｔｈｍｎｏｔｏｎｌｒｅｄｕｃｅｓｔｈｅｓｅｍｅｎｔａｔｉｏｎｔｉｍｅｂｕｔａｌｓｏｉｍｒｏｖｅｓｔｈｅｓｅｍｅｎｔａｔｉｏｎａｃｃｕｒａｃ．ｔｈａｔｇｙｇｐｇｙ：；；；；；Ｋｅｗｏｒｄｓ２Ｏｔｓｕｗｏｌｆｏｔｉｍｉｚａｔｉｏｎｉｎｔｅｒａｃｔｉｖｅｉｎｆｏｒｍａｔｉｏｎａｄａｔｉｖｅｃｈａｏｓｍｅｔｈｏｄｉｍａｅｓｅｍｅｎｔａｔｉｏｎａｃｋ－Ｄｐｐｇｇｐｙ
曹爽，安建成
（）太原理工大学计算机科学与技术学院，山西晋中０３０６００摘要：为减少算法的运行时间，对狼群算法和二维Ｏ提出改进狼群优化算法的Ｏｔｓｕ算法进行分析研究，ｔｓｕ图像分割法，将Ｐ召唤行为中，使狼群间实现信息交互，提ＳＯ算法中求解当前局部最优的思想引入到狼群算法的游走、高搜索最佳阈值的准确度；采用自适应化围攻行为，加快算法寻优速度；利用混沌法对得到的次优解进行优化，避仿真结果表明，该算法既降低了分割时间，又提高了分割精度．免陷入局部极值．；关键词：二维Ｏ狼群优化；信息交互；自适应化；混沌法；图像分割ｔｓｕ（）中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１０００－７１８０２０１７１０－００１６－０６
１引言
图像分割是根据一些特定的相似性标准，将图像分割成若干互不重叠、具有特殊性质的区域，在相满足一定的纹理、灰度、色彩等特征的相同区域内，在不同区域内，图像特征明显不同．由于似性标准，在图像分割领阈值法实现简单而且计算速度较快，域占据了重要地位要有双峰法差法
式中，Ｎ＝
∑ ∑Ｍ
ｉ＝０ｊ＝０
３４卷第１０期２０１７年１０月
微电子学与计算机ＭＩＣＲＯＥＬＥＣＴＲＯＮＩＣＳ＆ＣＯＭＰＵＴＥＲ
Ｖｏｌ．３４Ｎｏ．１０Ｏｃｔｏｂｅｒ０１７２
改进狼群优化算法的Ｏｔｓｕ图像分割法
易实现且计算效率较高，因此得到了大量的应
１５］狼群算法（是一用［．ＷｏｌｆＰａｃｋＡｌｏｒｉｔｈｍ，ＷＰＡ）ｇ１６］，种新的群智能启发式算法［是对自然界当中狼群
分工协作搜猎行为的模拟．本文提出一种改进的狼结果显示，此算法群算法来求解最优二维阈值向量．和二维Ｏ的改进Ｐｔｓｕ法以及文献［１０］ＳＯ算法相不仅可以求取全局最优二维阈值，而且显著的提比，满足实时性应用要求．高了运算效率，
０期第１
曹爽，等：改进狼群优化算法的Ｏｔｓｕ图像分割法
１７
［１２］，、蚁群算法（ＯｔｉｍｉｚａｔｉｏｎＰＳＯ）ＡｎｔＣｏｌｏｎＡｌ－ｐｙ［１３］萤火虫算法（ＡＣＡ）、ＦｉｒｅｌＡｌｏｒｉｔｈｍ，ｏｒｉｔｈｍ，ｙｇｇ［１４］由于群智能算法计算简单，容ＦＡ）等分割方法．
图１二维Ｏｔｓｕ的阈值分割图
Ｔｂ＝（ｂｉ，ｂｊ）＝ μ μ μ Ｌ１Ｌ１－－Ｌ１Ｌ１－－
（
，，ｉｐｊｐｉｉｊｊ， ∑ ∑ ∑ ∑ ｂｉｂｉｓ１ｔ１ ω ｓ１ｔ１ ω ＝＋＋＝＋＋ｊ＝ｊ＝
）
Ｔ
（）６二维直方图所有像素点的均值矢量为：
Ｔ
Ｍｉ，ｊ，ｐｉｊ＝Ｎ
Ｌ１Ｌ１－－
（）２
）９ ω ｂ［ｂｉ－μ ｉ）＋（ｂｊ－μ ｊ）］（（ μ μ
２２＊＊，，，当ＴｒＳｓｔａｘＴｒＳｓｔ）０＝ｍＢ（Ｂ（（））｛（）｝＊＊，，则（为最佳分割阈值．ｔ ≤ Ｌ－１时，ｓｔ ≤ｓ）二维Ｏｔｓｕ法的优点是提高了阈值选取的准确
目前采用阈值分割的方法主．
［３］
、最大熵法
、梯度统计法
［４］
、最小误
和Ｏ其中Ｏ是以图像的直ｔ源自文库ｓｕ等．ｔｓｕ算法，
收稿日期：２０１７－０２－２８；修回日期：２０１７－０３－２７）基金项目：山西省国际科技合作项目（２０１４０８１０１８－２
ｋｋ
Ｌ１Ｌ１－－
，ｉｊ
ｉｐ）ｐ，（ ∑∑ ∑ ∑ｊ
ｉ＝０ｊ＝０ｉ＝０ｊ＝０
Ｔ
（）７大多数情况下，远离二维直方图主对角线的像则ω 定素点可以忽略， ω ω ａ＋ｂ ≈１且μ ≈ω ａａ＋ｂｂ， μ μ 义类间离散度矩阵为：
Ｔ，）＝ ω Ｓｓｔ＋Ｂ（ａ（ａ－μ）（ａ－μ） μ μ
DOI:10.19304/j.cnki.issn1000-7180.2017.10.004
ＯｔｓｕＩｍａｅＳｅｍｅｎｔａｔｉｏｎＭｅｔｈｏｄＢａｓｅｄＯｎＩｍｒｏｖｅｄｇｇｐＷｏｌｆＰａｃｋＯｔｉｍｉｚａｔｉｏｎＡｌｏｒｉｔｈｍｐｇ
［５］［２］［６］［１］
方图为运算基础，计算目标区域与背景区域之间的取得了良好的效果，最大类间方差来获得分割阈值，该算法与目标和背景像素的分布模型无关，因此被
］７１１－广泛应用［．
由于一维Ｏ没有ｔｓｕ只应用了图像灰度信息，应用像素之间的空间位置信息，当图像的信噪比过该算法的分割低或图像的直方图没有明显双峰时，效果较差，易产生错误分割．近年来许多学者利用群智能优化算法搜索最佳分割阈值，包括基于粒子群算法（ＰａｒｔｉｃｌｅＳｗａｒｍ
Ｌ１Ｌ１－－Ｔｉ，ｊ）＝ μ＝（ μ μ
，ｉｊ
２二维Ｏｔｓｕ阈值分割算法
二维Ｏｔｓｕ算法的核心思想是应用像素灰度值设计包含像素灰度及其和像素邻域的平均灰度值，邻域均值的二维直方图，通过二维直方图求取最佳阈值来实现自动阈值选取．设ｆ（ｘ，ｘ，ｘ，ｙ）和ｇ（ｙ）分别为图像上像素点（的灰度值和该像素点ｋ× 则ｋ邻域的平均灰度值，ｙ）１，ｘ，ｘ＋ｌｇ（ｙ）＝２ ∑ ∑ ｆ（ｙ＋ｑ）ｋｌ＝－ｋｋｑ＝－
（）１
，，令ｆ（ｘ，ｘ，Ｍｉ，ｉｙ）＝ｉｇ（ｙ）＝ｊ，ｊ为二元组（则定义相应的联合概率密度为：ｊ）出现的频数，
（）８ ω ｂ（ｂ－μ）（ｂ－μ） μ μ 将离散度矩阵的迹作为两类区域的类间距度量）所示．函数，如式（９
２２，）ＴｒＳｓｔ＝ω ＋Ｂ（ａ［ａｉ－μ ｉ）＋（ａｊ－μ ｊ）］（）（ μ μ