顾英杰， 贾振红， 覃锡忠， 杨 杰， 庞韶宁

（①新疆大学 信息科学与工程学院，新疆 乌鲁木齐 830046；②上海交通大学 图像处理与模式识别研究所, 上海 200240；③新西兰奥克兰理工大学 知识工程与开发研究所，新西兰 奥克兰1020）

0 引言

现代人类接收的信息中，有80%来自视觉，或者说为图像信息，但是大多数人并不是对整幅图像感兴趣，而是对图像中的一部分感兴趣，所以图像分割技术已经成为了研究热点。现在，人们常用的图像分割方法有K均值聚类、模糊C均值聚类(FCM)、ISODATA等[1-3]。其中 FCM是比较常用的方法，但是FCM算法是一种局部搜索优化算法，如果初始值选择不当，它就会收敛到局部极小点上，这对聚类效果会产生较大的影响[4-5]。为了克服这种缺陷，近期有文献提出用FPSO与FCM结合的方法对图像进行分割[6-7]，其分割效果优于遗传算法和OTSU算法。为了进一步提高图像分割的效果和效率，文中首次将混合蛙跳算法与模糊C-均值算法相结合。实验表明，该方法具有搜索全局最优解的能力，可以有效地克服FCM对于初始值选择的敏感性，分割效果好。

1 混合蛙跳算法的模型概述

1.1 基本概念

随机生成F只青蛙组成初始群体，第i只青蛙表示问题的解为Xi=(xi1,xi2,…,xis)，其中s表示变量的个数即解空间的维数。在生成初始群体之后，根据式（1）计算青蛙个体的适应度f(xi)：

将种群内青蛙个体按适应度降序排列，然后将整个青蛙群体分成m个子群,每个子群包含n只青蛙,满足关系F=m×n。其中第1只青蛙分入第1子群，第2只青蛙分入第2子群，第m只青蛙分入第m子群，第m+1只青蛙分入第1子群，第m+2只青蛙分入第2子群，以此类推，直到全部青蛙分完毕。……