基于改进人工蜂群算法的多阈值图像分割

图像分割在模式识别以及机器视觉方面起着至关重要的作用,是图像分析和识别的首要任务.但若分割后图像质量损失严重,就会导致图像后续分析的误差增加.为了能够弥补这一缺陷,在分析了DIRECT算法和人工蜂群算法的特性后,利用DIRECT算法全局收敛并可以快速定位到最优值所在区域的特点来改善人工蜂群算法的过早收敛以及局部搜索能力差的缺点,提出了一种基于改进的人工蜂群算法的多阈值图像分割技术.首先,DIRECT算法为人工蜂群算法提供一种良好的初始种群,种群在演化数代后得到的当前最优解加入到DIRECT算法分割区域中,再进行初始种群的筛选,重复这个过程进而获得最佳阈值并对图像进行分割.为了验证该算法的优劣性,使用峰值信噪比、结构相似性以及特征相似性作为图像质量评价指标并与前人得到的结果进行比较.实验数据表明,提出的阈值分割方法优于前人的阈值分割方法.