【圖像分割】基于布谷鳥算法實現(xiàn)二維Tsallis熵、kapur、oust多閾值圖像分割附matlab代碼
【圖像分割】基于布谷鳥算法實現(xiàn)二維Tsallis熵、kapur、oust多閾值圖像分割附matlab代碼
TT_Matlab
博主簡介：擅長智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測、信號處理、元胞自動機、圖像處理、路徑規(guī)劃、無人機等多種領(lǐng)域的Matlab仿真，完整matlab代碼或者程序定制加qq1575304183。
1 內(nèi)容介紹
本文介紹了一種基于布谷鳥算法的多級閾值（MT）算法。 布谷鳥優(yōu)化算法[CuckooSearch (CS)],也叫杜鵑搜索,是智能算法的其中一種,于2009年由劍橋大學(xué)Xin-SheYang和DEBSuash提出。CS算法是一種新穎的群體智能算法,其通過模擬某些種屬布谷鳥的尋窩產(chǎn)卵的行為來有效地求解最優(yōu)化問題。 提出基于改進布谷鳥搜索算法的二維Tsallis熵、kapur、oust多閾值圖像分割方法
2 仿真代碼
function [Iout,bestnest,fmax,time]=CSMC_tsallis(n)
tic;
if nargin<1,
% Number of nests (or different solutions)
n=25;%(i.e cuckoos( new solution) can lay eggs in any of these n nest)
end
% Discovery rate of alien eggs/solutions
pa=0.5;%(how well the host birdscan detect alian eggs)
%% Change this if you want to get better results
N_IterTotalR=100;
N_IterTotalG=100;
N_IterTotalB=100;
%Data
I=imread(’rice.png’);
% I=rgb2gray(I);
Lmax= 255;
Nt=size(I,1)*size(I,2);
%% Simple bounds of the search domain
nd=5;% number of thresholds required
if size(I,3)==1 %grayscale image
[n_countR,x_valueR] = imhist(I(:,:,1));
elseif size(I,3)==3 %RGB image
[n_countR,x_valueR] = imhist(I(:,:,1));
[n_countG,x_valueG] = imhist(I(:,:,2));
[n_countB,x_valueB] = imhist(I(:,:,3));
end
for i=1:Lmax
if size(I,3)==1 %grayscale image
probR(i)=n_countR(i)/Nt;
elseif size(I,3)==3 %RGB image
probR(i)=n_countR(i)/Nt;
probG(i)=n_countG(i)/Nt;
probB(i)=n_countB(i)/Nt;
end
end
3 運行結(jié)果
4 參考文獻
[1]吳祿慎, 程偉, 胡贊. 應(yīng)用改進布谷鳥算法優(yōu)化多閾值圖像分割[J]. 吉林大學(xué)學(xué)報:工學(xué)版, 2021.
[2]朱浩亮, 李光平. 基于改進布谷鳥搜索算法的圖像分割[J]. 計算機工程與設(shè)計, 2018, 39(5):6.