韩超杰，郝玉然，刘亚飞

（1.华北水利水电大学电力学院，郑州450000；2.郑州地铁集团有限公司，郑州450000）

0 引言

图像分割[1]是根据图像的某些特征将图像分割成几个有意义的区域，使这些特征在一个区域表现出相似性，在其他区域表现出差异性。阈值分割[2]是图像分割中一类最早被研究和使用的方法，其具有物理意义明确、效果明显、实时性良好等特点，是目前各类图像分析、图像识别以及机器视觉系统中最常用的图像分割方法之一。

2017年，Seyedali等人通过模拟樽海鞘在海洋航行和觅食时的群集行为，提出了樽海鞘群算法[3]（Salp Swarm Algorithm，SSA）。在多个数学优化函数上对算法进行了测试并验证了它们在寻找优化问题最优解时的有效行为，最后应用于5个典型工程设计问题和飞行器翼型设计问题。此外，樽海鞘群算法还用于PMSM多参数辨识[4]、无源时差定位[5]、求解图着色问题、四旋翼飞行器姿态优化控制[6]、灰度图像阈值[7]、光伏发电系统最大功率跟踪和特征选择[8-9]等方面。

鉴于该算法简单易行、计算量小等特点，本文提出将樽海鞘群算法传统Otsu分割算法相结合用于多阈值彩色图像分割，对多幅彩色图像进行分割，以PSNR和MSSIM[10]评价图像阈值将分割结果与粒子群优化算法（PSO）分割结果进行比较。

1 最大类间方差法（Otsu）

最大类间方差法，最早由日本学者OTSU在1979年提出的，是一种高效的图像分割算法。Otsu阈值分割法是一种非参数形式的分割方法，通过求取中间的方差最大值，将图像进行分类。

假设一幅……