鲁 俊，邬春学，高 华

(1.上海理工大学 光电信息与计算机工程学院；2.上海理工大学 教务处,上海 200093)

自适应分级粒子群算法的阈值图像分割研究

鲁 俊1，邬春学1，高 华2

(1.上海理工大学 光电信息与计算机工程学院；2.上海理工大学 教务处,上海 200093)

提出了一种改进型的粒子群算法,并与阈值法相结合应用于图像分割。该改进粒子群算法通过调节惯性权重而获得合理有效的收敛速度；采用分级思想对粒子进行分类并对普通粒子速度更新公式进行修改，从而有效避免了优化过程中粒子的早熟现象；结合遗传算法中的交叉思想增加种群的多样性，增强全局搜索能力从而避免算法陷入局部最优解。将其应用于的阈值图像分割，试验结果表明：相对于标准PSO算法，该自适应分级粒子群算法具有较强的全局寻优能力，且收敛速度快、鲁棒性好，能很好地应用于阈值图像分割。

图像分割；聚类分析；自适应分级；粒子群算法；阈值

0 引言

图像分割是自动图像模式识别和场景分析的重要预处理环节。随着模式识别、计算机视觉、虚拟现实与仿真、卫星遥感图像技术的发展，越来越多的学者开始研究图像分割技术，提出了很多具有代表性的图像分割方法。图像分割问题复杂，每种方法都有一定的局限性，还没有能适用于所有图像的通用算法[1-3]。阈值法是一种简单高效的图像分割方法，它通过若干个阈值将图像的灰度级划分为几部分，认为属于某一区间的像素就是同一物体。……