摘要: 针对传统图像多阈值分割方法存在效率低、分割质量差等问题,提出一种改进䲟鱼优化算法并结合熵测度(weight lens remora optimization algorithm, WLROA)的图像多阈值分割方法。针对䲟鱼优化算法易陷入局部极值等缺陷,引入透镜成像反向学习策略,生成透镜反向解来增加种群多样性,进而提高算法跳出局部极值能力;提出一种自适应权重因子,对个体位置进行自适应扰动,提高算法探索能力。以最小化交叉熵作为优化目标,利用WLROA确定最小交叉熵并获得相应分割阈值。选取部分伯克利大学分割数据集图像和遥感图像测试提出算法的分割性能,测试结果表明,WLROA与其他知名算法相比具有更好的分割效果,能够有效实现复杂图像的精确处理。
- 关键词:
- 图像处理 /
- 多阈值分割 /
- 䲟鱼优化算法 /
- 最小交叉熵 /
- 透镜成像反向学习 /
- 自适应权重因子 /
- 全局优化 /
- 遥感图像
图像阈值化分割具有简单高效、性能稳定等特点,被众多领域广泛使用,例如遥感、医学图像处理等。根据阈值数量的不同,阈值化分割可分为单阈值法和多阈值法。单阈值法选取一个最优阈值将图像分割成两部分,