基于改进蝴蝶优化算法的多阈值图像分割

摘要

针对传统多阈值图像分割算法效率低、精度差的问题,提出了一种基于改进蝴蝶优化算法(butterfly optimization algo-rithm,BOA)的多阈值图像分割算法,利用折射对立学习机制提升BOA的种群多样性和局部最优跳离能力,引入自适应非线性惯性权重机制均衡全局搜索与局部开发,以实现基于折射对立学习与自适应惯性权重的蝴蝶优化算法(updated refracted-oppo-sition-learning and adaptive weight butterfly optimization algorithm,UAWBOA);以类间方差最大化作为适应度函数,利用UAWBOA对图像分割的多阈值组合进行寻优,确定最优分割阈值;利用经典的Lena、Baboon和Cameraman这3幅图像进行多阈值图像分割实验,对计算效率、峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似度(structural similarity index measure-ment,SSIM)和特征相似度(feature similarity index meeasurement,FSIM)等指标进行比较,结果表明:所提算法可以得到更高的分割精度和分割效率.