陈 超，袁春红

(1.内江师范学院 数学与信息科学学院，四川 内江 641112； 2.中国邮政储蓄银行 内江分行，四川 内江 641114)

基于多混沌PSO和Snake模型的图像分割算法

陈 超1，袁春红2

(1.内江师范学院 数学与信息科学学院，四川 内江 641112； 2.中国邮政储蓄银行 内江分行，四川 内江 641114)

针对分割图像目标是无法提取目标的真实边缘且实时性不佳，引入混沌系统改进的PSO(简化粒子群算法) 提取出的目标边缘作为Snake模型分割的起始位置，优化能量函数后分割出精准目标.实验表明：对图像目标进行分割的时间减少且精准度也提高了。

多混沌粒子群；Sake模型；能量函数；图像分割

引言

图像分割是图像处理中的一个关键步骤，因为分割的优劣直接影响后期的识别和处理。在众多现代智能算法中粒子群算法是一个简单实用且应用广泛的算法，比如黄太安等改进PSO算法，[1]刘桂红等改进粒子群优化算法后结合Otsu进行图像阈值分割，[2]赵立川等改进自仿射映射系统与参数活动轮廓进行医学图像分割，[3]林克正等提出基于Snake和外观模板的组合式图像对象分割，[4]有学者提出混沌系统或者改进目标约束等来改进粒子群算法实现多阈值图像分割，[5][6]还有学者从多方面对粒子群算法进行改进用于快速路网匝道控制等。[7]-[13]程毕芸等提出求解旅行商问题的改进局部搜索混沌离散粒子群优化算法，[14]针对分割出目标图像的真实轮廓不够精准和速度不快等瑕疵,结合Snake模型中的能量函数，使用改进的蛙跳简化粒子群算法更新轮廓线的位置点，避免早熟引起的过早停滞在伪边缘上；……