基于变精度粗糙集和粒子群的图像分割方法

张雪峰，商丽丽
东北大学系统科学研究所，辽宁沈阳

摘　　　要：针对其他算法分割图像耗时较多的问题，结合粒子群优化算法和变精度粗糙集理论提出了一种新的分割算法。利用粗糙集理论将图像按照一定的规则进行划分，找出图像的边界。利用变精度粗糙集理论对图像子块的边界进行计算，利用粒子群优化算法寻找较佳的β及其对应的灰度值，并对图像进行分割。通过对测试图像进行Ｍａｔｌａｂ仿真，验证了算法的效果，并与其他相关文献的仿真结果做了类比，试验表明该算法相对于其他算法可以有效地减少消耗时间，并且分割效果也令人满意。

关　键　词：变精度粗糙集；粒子群算法；边界；图像分割；阈值

１　引　言
粒子群优化算法［１］（ＰＳＯ）是美国社会心理学家Ｋｅｎｎｅｄｙ博士和电气工程师Ｅｂｅｒｈａｒｔ博士在１９９５年提出来的。由于简单，易于实现，参数少，粒子群优化算法已成为越来越多研究者的关注焦点，并被广泛应用于函数优化、神经网络训练、数据分类、数据聚类、模式分类以及仿真和系统辩识等方面［２］。针对经典粗糙集理论存在一些局限，Ｚｉａｒｋｏ教授［３］于１９９３年提出了变精度粗糙集模型。尽管粗糙集理论在图像分割方面已经取得了一定的成果，但变精度粗糙集模型在图像分割方面的应用还很少。本文结合粒子群优化算法提出了变精度粗糙集在图像分割方面的应用。用这种方法寻找较佳分割阈值，可以使边界较大限度的被分类。

登录网站后可下载文件

相关阅读:

• ...2012/04/09 16:14·基于变精度粗糙集的煤与瓦斯突出预测