【图像分割】粒子群算法和OSTU和分水岭和K-means脂肪肝水平识别【含Matlab源码 2397期】

⛄一、粒子群算法自适应多阈值图像分割简介

FCM聚类算法是一种局部搜索算法,对初始值较为敏感,容易陷入局部极小值而不能得到全局最优解。PSO算法是一种基于群体的具有全局寻优能力的优化方法。本文将FCM聚类算法和PSO算法结合起来,将FCM聚类算法的聚类准则函数作为PSO算法中的粒子适应度函数,具体步骤如下:

(1)读入待分割图像I;给定阈值数m作为粒子具有的特征数;确定粒子群的群体规模N,学习因子c1、c2,惯性权重wmax、wmin,迭代的最大次数T。

(2)初始化粒子群S0={Xi0|i=1,2,…,N},其中每个粒子初始位置为Xi0=(x0i1,x0i2,…,x0im),每个粒子初始速度为Vi0=(v0i1,v0i2,…,v0im),m为粒子具有的特征数;取t=0。

(3)根据式(3)计算待分割图像I各像素对每个聚类中心的隶属度。

(4)根据式(1)评价群体中的粒子。计算粒子的适应度值,如果优于该粒子当前个体极值,则将pbestt设置为该粒子的位置,且更新个体极值;如果群体中所有粒子的个体极值中最优的优于群体当前的极值,则将设gbestt置为群体中个体极值中最优的位置,且更新群体极值。

(5)粒子更新,用式(5)和式(6)对所有粒子的速度和位置更新。

(6)终止条件判断:如果t<T,令t=t+1,转到步骤(3);否则,转到步骤(7)。

(7)根据群体最优的gbest结果对图像I进行分割,输出结果。

⛄二、部分源代码

%% -------------------------------------------------------------------------------

clear;
clc;<