群体智能算法在图像分割中的应用综述

摘要

图像分割的通用方法一直是图像处理领域中的热点和难点.随着人工智能的兴起和发展,群体智能算法成为当下热点研究的方向,将图像分割技术结合群体智能算法成为一种新型有效的改进方法.群智能算法通过模拟自然界的事物或生物的行动规律,将传统的人工智能和群体生物结合,在解空间中搜索最优解,为解决复杂问题提供了新的解决思路.阐述群体智能算法的研究现状和发展过程,将早期的蚁群算法(Ant Colony Optimization,ACO)、经典的粒子群算法(Particle Swarm Optimization Algorithm,PSO)以及较新的麻雀搜索算法(Sparrow Search Algorithm,SSA)为例详细介绍其算法原理方法,并简要表述蝙蝠算法(Bat Algorithm,BA)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)、人工蜂群算法(Artificial Bee Colony Algorithm,ABC)、萤火虫算法(Firefly Algorithm,FA)、布谷鸟搜索法(Cuckoo Search,CS)、细菌觅食算法(Bacterial Foraging Optimization,BFO)和最新的蜉蝣算法(Mayfly Algorithm,MA)的原理,在此基础上,结合国内外文献对上述算法的改进方法和结合图像分割技术的综合改进及应用进行分析总结.将群体智能算法结合图像分割技术的代表性算法提取出来进行列表分析总结,随后概述总结群体智能算法的统一框架、共同特性、不同的差异并提出存在的问题,最后对未来趋势做出展望.