基于全信息布谷鸟搜索算法的多级图像阈值分割
神经与进化计算
2020-06-18 v1 计算机视觉与模式识别
摘要
尽管传统的多级阈值方法在分割中有效，但由于使用穷举搜索来优化目标函数以获得最优阈值，其计算代价高昂。为克服该问题，基于种群的元启发式算法被广泛用于提升搜索能力。本文采用基于环形拓扑的全信息策略改进了一种流行的元启发式算法——布谷鸟搜索。在该策略中，种群中每个个体从其邻域学习，以提升种群的协作性与学习效率。可从初始随机阈值中获得最优解或最佳适应度值，其质量由相关函数评估。实验结果在多种阈值数量下进行了检验。结果表明，所提算法比其他四种流行方法更精确且更高效。
引用
@article{arxiv.2006.09987,
title = {Multilevel Image Thresholding Using a Fully Informed Cuckoo Search Algorithm},
author = {Xiaotao Huang and Liang Shen and Chongyi Fan and Jiahua zhu and Sixian Chen},
journal= {arXiv preprint arXiv:2006.09987},
year = {2020}
}