奥苏多值图像细分基于适应性双变异差异进化

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 优化算法 优化算法

背景情况:

• 奥苏值是一个常见的图像细分方法.
• 标准Otsu方法的细分精度很低,时间复杂度很高,门越来越高.

研究的目的:

• 为了解决标准Otsu值方法的局限性.
• 开发一种高效准确的多门图像分割技术.

主要方法:

• 开发了一种具有适应性控制参数的新增增强双突变差异演化算法.
• 该算法将Otsu值视为一个优化问题,使用最大类间方差作为目标函数.
• 采用了双重突变方法和自适应参数搜索机制.

主要成果:

• 改进的算法在图像细分方面表现出强大的性能.
• 与基准算法相比,实验结果显示出更高的准确性和更低的时间复杂性.
• 该方法有效地确定了多值图像分割的最佳值.

结论:

• 拟议的增强双突变差异演化为Otsu基于值的图像细分提供了一种优越的方法.
• 这种方法在细分精度和计算效率上都提供了显著的改进.
• 该算法是强大的,并且与现有方法相比表现良好.