摘要: 摘 要: 针对最大类间方差准则下的图像分割结果携带原图信息量不足、实时性差和脉冲耦合神经网络模型中循环迭代次数难以确定的问题,提出了群智能优化OTSU-H与脉冲耦合神经网络融合的自动图像分割算法。该算法分为三个阶段:首先,充分利用图像的灰度分布信息和相关信息,将图像信息中冗余度、竞争性以及互补性有效地融合,构造二维和三维观测空间,提出了OTSU-H准则的快速递归算法;其次,将快速递推算法的目标函数分别作为布谷鸟、萤火虫、粒子群和遗传四种群智能算法的适应度函数;最后,将优化之后的OTSU-H引入脉冲耦合神经网络模型中自动获取循环迭代次数。实验结果表明:与原始的最大类间方差、最大熵准则以及近三年研究者们提出的五种最新图像分割算法相比,所提出算法具有较好的图像分割效果,同时减少了计算复杂度,节约了计算机的存储空间 ,具有较强的抗噪能力。除此之外,所提出算法时间损耗少、不需要训练的特性使得算法的运用范围广。
中图分类号: