基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为快速准确地将图像背景与目标进行有效分割,提出了一种基于图像阈值分割的量子改进蜂群算法(IABCQ:Improved Artificial Bee Colony Algorithm Based on Quantum).该算法将量子比特概率幅的正弦分量引入到蜂群算法的编码中,通过调整相位角更新量子比特概率幅,使蜂群算法中引领蜂向当前最优蜜源的方向移动,避免算法搜索的盲目性;借鉴量子运算中非门操作将个体的正弦和余弦分量互换,使跟随蜂的蜜源进行互补更新;应用蜂群算法更新个数的限制,避免了局部优解和不动点引起的个体不更新问题.通过不同类型图像和算法之间的比较表明,该改进蜂群算法应用到图像阈值分割中的收敛时间减少了20%左右,同时也表现出良好的稳定性和抗噪声能力.
推荐文章
基于改进蜂群繁殖算法的Tsallis熵阈值图像分割
图像分割
Tsallis熵
多阈值
蜂群繁殖算法
分割速度
改进蜂群算法的图像阈值分割方法
图像分割
人工蜂群算法
最大类间方差法
局部搜索
二维直方图
基于改进PSO算法的Otsu快速多阈值图像分割
图像分割
粒子群算法
非均匀变异
线性递减惯性权重
独立峰值
多阈值
最大类间方差
基于改进正余弦优化算法的多阈值图像分割
正余弦算法
多阈值图像分割
混沌初始化
自适应
反向学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于图像阈值分割的改进蜂群算法
来源期刊 吉林大学学报(信息科学版) 学科 工学
关键词 阈值分割 量子 概率幅 蜂群算法
年,卷(期) 2015,(1) 所属期刊栏目 计算机科学与技术
研究方向 页码范围 84-93
页数 10页 分类号 TP391.4
字数 6479字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 任伟建 东北石油大学电气信息工程学院 112 448 11.0 17.0
2 霍凤财 东北石油大学电气信息工程学院 51 201 7.0 13.0
3 孙宝翔 东北石油大学电气信息工程学院 5 13 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (75)
共引文献  (134)
参考文献  (10)
节点文献
引证文献  (10)
同被引文献  (70)
二级引证文献  (36)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(11)
  • 参考文献(0)
  • 二级参考文献(11)
2007(18)
  • 参考文献(0)
  • 二级参考文献(18)
2008(13)
  • 参考文献(1)
  • 二级参考文献(12)
2009(10)
  • 参考文献(2)
  • 二级参考文献(8)
2010(11)
  • 参考文献(3)
  • 二级参考文献(8)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2017(12)
  • 引证文献(4)
  • 二级引证文献(8)
2018(11)
  • 引证文献(0)
  • 二级引证文献(11)
2019(11)
  • 引证文献(3)
  • 二级引证文献(8)
2020(9)
  • 引证文献(1)
  • 二级引证文献(8)
研究主题发展历程
节点文献
阈值分割
量子
概率幅
蜂群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
吉林大学学报(信息科学版)
双月刊
1671-5896
22-1344/TN
大16开
长春市南湖大路5372号
1983
chi
出版文献量(篇)
2333
总下载数(次)
2
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导