基于粒子群优化算法的自适应图像分割方法

您当前的位置：

首页 >

文章列表页 >

基于粒子群优化算法的自适应图像分割方法

更新时间：2025-09-01

- 基于粒子群优化算法的自适应图像分割方法
- Adaptive segmentation method based on particle swarm optimization algorithms
- 光学技术 2006年第6期页码：889-892
- 作者机构：
  
  1. 1:北京理工大学信息科学技术学院电子工程系
  2. 2:北京理工大学信息科学技术学院电子工程系
  3. 3:北京理工大学信息科学技术学院电子工程系,北京,100081
  4. 4:中国人民解放军92941部队
- 作者简介：
- 基金信息：
  
  国家部委预研课题(2002AA803032)
- DOI：
  中图分类号：
- 纸质出版：2006
- 稿件说明：
移动端阅览
闫晓珂, 史彩成, 何佩琨. 基于粒子群优化算法的自适应图像分割方法[J]. 光学技术, 2006,(6):889-892.

Adaptive segmentation method based on particle swarm optimization algorithms[J]. 2006, (6): 889-892.
闫晓珂, 史彩成, 何佩琨. 基于粒子群优化算法的自适应图像分割方法[J]. 光学技术, 2006,(6):889-892. DOI：

Adaptive segmentation method based on particle swarm optimization algorithms[J]. 2006, (6): 889-892. DOI：

提出了一种基于粒子群优化算法的图像分割新方法。粒子群优化(PSO)算法是一类随机全局优化技术

它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短了寻找阈值的时间。将PSO用于基于改进的最佳加权熵阈值法的图像分割中

试验结果表明

该方法不仅能够避免陷入局部极值

而且其速度得到了明显的改善

是一种有效的图像分割新方法。

浏览量

432

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于粒子群算法的多阈值图像分割方法

深浅交错式特征融合的人体图像分割方法

基于小波变换和残差网络的磁共振影像分割方法

基于多个密集连接型2D-CNNs的脑胶质瘤MRI三维分割

基于聚类算法的血管直径测量研究