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:
为了提高最大2维熵分割的性能,提出了基于改进麻雀算法的最大2维熵分割方法,可减小运算量并且缩短计算时间.首先,融合反向学习策略和自适应t分布变异,引入精英粒子,以扩大算法搜索范围,增加算法后期局部搜索能力;其次,使用萤火虫机制,对最优解进行扰动变异,进一步增加种群多样性;最后,采用提出的改进麻雀算法寻找图像最大2维熵,得到最优阈值分割图像.结果表明,4幅图像的平均运行时间为0.3695s,远低于基础2维熵算法的1.7547s和基础2维Otsu算法的5.7936s.所提出的改进麻雀算法的全局搜索和局部寻优能力相比原麻雀算法有较大改善,缩短了传统最大2维熵图像分割方法的运行时间,在峰值信噪比和结构相似度指标上均得到提升,具有一定的应用价值.
推荐文章
基于VSAR的二维最大熵阈值分割算法
阈值分割
最大熵
二维直方图
基于改进遗传算法的最大2维熵图像分割
图像处理
最大2维熵
遗传算法
变异操作
基于最优家族遗传算法的改进二维熵图像分割
二维熵
图像分割
遗传算法
边缘检测
灰度
基于均值-中值-梯度共生矩阵模型的最大熵分割算法
灰度-梯度共生矩阵
均值-中值-梯度共生矩阵
最大熵
阈值
图像分割
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 基于改进麻雀算法的最大2维熵分割方法
来源期刊 激光技术 学科 工学
关键词 图像处理 智能优化算法 麻雀搜索算法 最大2维熵 t分布
年,卷(期) 2022,(2) 所属期刊栏目 光通信与光信息技术
研究方向 页码范围 274-282
页数 9页 分类号 TP391.41|TP18
字数 语种 中文
DOI 10.7510/jgjs.issn.1001-3806.2022.02.020
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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)
研究主题发展历程
节点文献
图像处理
智能优化算法
麻雀搜索算法
最大2维熵
t分布
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
激光技术
双月刊
1001-3806
51-1125/TN
大16开
四川省成都市238信箱
62-74
1971
chi
出版文献量(篇)
4090
总下载数(次)
10
论文1v1指导