软件学报

作者：霍星，张飞，邵堃，檀结庆

单位：霍星，合肥工业大学 数学学院, 安徽 合肥 23000911,张飞，合肥工业大学 数学学院, 安徽 合肥 23000902,邵堃，合肥工业大学 软件学院, 安徽 合肥 23000903,檀结庆，合肥工业大学 数学学院, 安徽 合肥 23000904

关键词：图像分割;阈值;Kaniadakis熵;天牛须搜索算法;粒子群优化算法;遗传算法;蚱蜢优化算法

基金：国家自然科学基金（61872407，61572167，61502136）

元启发式算法自20世纪60年代提出以后，由于其具有可以有效地减少计算量、提高优化效率等优点而得到了广泛应用.该类算法以模仿自然界中各类运行机制为特点，具有自我调节的特征，解决了诸如梯度法、牛顿法和共轭下降法等这些传统优化算法计算效率低、收敛性差等缺点，在组合优化、生产调度、图像处理等方面均有很好的效果.提出了一种改进的元启发式优化算法——NBAS算法.该算法通过将传统天牛须算法（BAS）离散化得到二进制离散天牛须算法（BBAS），并与原始天牛须算法进行混合得出.算法平衡了局部与全局搜索，有效地弥补了算法容易陷入局部最优的不足.为了验证NBAS算法的有效性，将NBAS算法与二维K熵算法结合，提出了一种快速、准确的NBAS-K熵图像分割算法.该方法解决了优化图像阈值分割函数的优化算法易陷入局部最优、算法寻优个体数多、设计复杂度高所导致的计算量大、耗时长等问题.NBAS-K熵算法与BAS-K熵算法、BBAS-K熵算法、遗传K熵算法（GA-K熵）、粒子群K熵算法（PSO-K熵）和蚱蜢K熵算法（GOA-K熵）在Berkeley数据集、人工加噪图像以及遥感图像上的实验结果表明，该分割方法不仅具有较好的抗噪性能，而且具有较高的精度和鲁棒性，能够较为有效地实现复杂图像分割.

来源：2021年第11期

《软件学报》期刊编辑部

查看软件学报杂志2021年第11期