基于通用學習均衡優(yōu)化器的多閾值圖像分割

摘要： 傳統(tǒng)的元啟發(fā)式多閾值圖像分割算法計算復雜度高且容易陷入局部最優(yōu)，通用學習均衡優(yōu)化器在搜索過程中使粒子從不同維度的候選粒子中學習，在求解復雜問題最優(yōu)解時有很強的能力，克服了容易陷入局部最優(yōu)的問題。提出將通用學習均衡優(yōu)化算法優(yōu)化最大類間方差法來實現(xiàn)多閾值圖像分割，實驗選擇標準灰度圖像，以峰值信噪比、結(jié)構(gòu)相似度、運行時間和適應度值為評價標準，將該算法與均衡優(yōu)化算法、粒子群優(yōu)化算法進行...