梁远哲，马 瑜，江 妍，王 原，马 鼎，李 霞

(宁夏大学 物理与电子电气工程学院，宁夏 银川 750021)

0 引 言

图像分割是计算机视觉的重要组成部分，其主要目的是从图像中分离出需要的目标区域，其中基于阈值的图像分割应用广泛。最大类间方差法(Otsu)是一种阈值分割方法，根据灰度特性将图像分为两部分，类间方差最大值为阈值[1]。二维Otsu算法相较Otsu算法有着更好的分割效果[2]与抗噪性能[3]。申铉京等[4]提出了一种基于时间复杂度的多阈值Otsu快速分割算法，提升了算法的计算效率，能够较好地应用于实时环境。

蝙蝠算法(bat algorithm，BA)是受蝙蝠觅食行为的启发而提出的一种新型群体智能算法[5]，近年来受到广泛应用。裴宇航等[6]提出一种动态调整惯性权重的自适应蝙蝠算法，提升了寻优性能。Vallikutti Sathananthavathi等[7]将蝙蝠算法应用于视网膜血管图像分割，对于血管的识别具有很高的灵敏度。

分数阶微积分作为一种数学模型近年来得到了广泛的应用。魏晶茹等[8]将分数阶微积分与粒子群算法结合来进行图像分割，提升了分割效果。Yashar Mousavi等[9]在萤火虫算法中引入分数阶来处理混沌系统的参数估计问题，取得了可观的实验结果。

针对蝙蝠算法在图像分割中寻优精度与收敛速度的问题，本文将分数阶微积分引入蝙蝠算法中的速度更新阶段，提高其搜索能力。在蝙蝠算法的全局寻优阶段引入天牛须搜索算法(beetle antennae search，BAS)[10]以加快蝙蝠算法的收敛速度并结合二维Otsu算法获取最佳分割阈值，提升了图像分割精度与收敛速度。……