基于改进鬣狗优化算法的多阈值彩色图像分割

• 作者: 姜子超 孙康健 康立飞 彭晓旭 李瑶 贾鹤鸣
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 鬣狗算法 彩色图像分割 多阈值 混沌初始化 精英反向学习 非线性收敛 莱维飞行
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 算法
• 页码范围: 261-267
• 页数: 7页
• 分类号: TP391
• 字数: 5404字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.05.045

摘要

针对传统鬣狗优化算法在处理图像分割问题时容易陷入局部最优、收敛效率低等问题,提出基于混沌初始化策略、非线性收敛因子调整策略、莱维飞行策略以及精英反向学习策略的改进鬣狗优化算法(Improved Spotted Hyena Optimizer,ISHO),并应用于多阈值彩色图像分割问题中.该算法不仅提升了在解决复杂性问题时的寻优效率,而且提高了求解精度与质量,避免了受随机因子影响而陷入局部最优的缺陷.为了验证该算法的有效性,利用伯克利图像分割验证,结果表明:该算法在分割速度及效率上具有明显优势,求解精度高,具有较好的工程实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾鹤鸣	东北林业大学机电工程学院	126	543	13.0	18.0
2	彭晓旭	东北林业大学机电工程学院	17	14	3.0	3.0
3	姜子超	东北林业大学机电工程学院	4	0	0.0	0.0
4	李瑶	东北林业大学机电工程学院	7	0	0.0	0.0
5	孙康健	东北林业大学机电工程学院	6	1	1.0	1.0
6	康立飞	东北林业大学机电工程学院	7	9	2.0	3.0