Page 126 - 《软件学报》2021年第11期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2021,32(11):3452−3467 [doi: 10.13328/j.cnki.jos.006043] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

∗
改进的元启发式优化算法及其在图像分割中的应用

1
1
2
霍 星 , 张 飞 , 邵 堃 , 檀结庆 1
1
(合肥工业大学 数学学院,安徽 合肥 230009)
2
(合肥工业大学 软件学院,安徽 合肥 230009)
通讯作者: 檀结庆, E-mail: jieqingtan@hfut.edu.cn

摘 要: 元启发式算法自 20 世纪 60 年代提出以后,由于其具有可以有效地减少计算量、提高优化效率等优点而
得到了广泛应用.该类算法以模仿自然界中各类运行机制为特点,具有自我调节的特征,解决了诸如梯度法、牛顿法
和共轭下降法等这些传统优化算法计算效率低、收敛性差等缺点,在组合优化、生产调度、图像处理等方面均有很
好的效果.提出了一种改进的元启发式优化算法——NBAS 算法.该算法通过将传统天牛须算法(BAS)离散化得到
二进制离散天牛须算法(BBAS),并与原始天牛须算法进行混合得出.算法平衡了局部与全局搜索,有效地弥补了算
法容易陷入局部最优的不足.为了验证 NBAS 算法的有效性,将 NBAS 算法与二维 K 熵算法结合,提出了一种快速、
准确的 NBAS-K 熵图像分割算法.该方法解决了优化图像阈值分割函数的优化算法易陷入局部最优、算法寻优个
体数多、设计复杂度高所导致的计算量大、耗时长等问题.NBAS-K 熵算法与 BAS-K 熵算法、BBAS-K 熵算法、
遗传 K 熵算法(GA-K 熵)、粒子群 K 熵算法(PSO-K 熵)和蚱蜢 K 熵算法(GOA-K 熵)在 Berkeley 数据集、人工加噪
图像以及遥感图像上的实验结果表明,该分割方法不仅具有较好的抗噪性能,而且具有较高的精度和鲁棒性,能够较
为有效地实现复杂图像分割.
关键词: 图像分割;阈值;Kaniadakis 熵;天牛须搜索算法;粒子群优化算法;遗传算法;蚱蜢优化算法
中图法分类号: TP18

中文引用格式: 霍星,张飞,邵堃,檀结庆.改进的元启发式优化算法及其在图像分割中的应用.软件学报,2021,32(11):3452−
3467. http://www.jos.org.cn/1000-9825/6043.htm
英文引用格式: Huo X, Zhang F, Shao K, Tan JQ. Improved meta-heuristic optimization algorithm and its application in image
segmentation. Ruan Jian Xue Bao/Journal of Software, 2021,32(11):3452−3467 (in Chinese). http://www.jos.org.cn/1000-9825/
6043.htm
Improved Meta-heuristic Optimization Algorithm and Its Application in Image Segmentation

2
1
1
HUO Xing , ZHANG Fei , SHAO Kun , TAN Jie-Qing 1
1 (School of Mathematics, Hefei University of Technology, Hefei 230009, China)
2 (School of Software, Hefei University of Technology, Hefei 230009, China)
Abstract: Metaheuristic algorithms have been widely used since they were proposed in the 1960s as they can effectively reduce the
amount of computation and improve the efficiency of optimization. The algorithms are characterized by imitating various operating
mechanisms in nature, have the characteristics of self-regulation, and have solved the problems like low computational efficiency and
poor convergence of traditional optimization algorithms such as gradient descent, Newton’s method, and conjugate descent. The
algorithms have sound effects in combination optimization, production scheduling, and image processing. In this study, an improved
metaheuristic optimization algorithm—NBAS algorithm is proposed, which is obtained by mixing binary discrete beetle antennae search
algorithm (BBAS) and the original antennae search algorithm (BAS). NBAS balances the local and global search, and effectively solves

∗ 基金项目: 国家自然科学基金(61872407, 61572167, 61502136)
Foundation item: National Natural Science Foundation of China (61872407, 61572167, 61502136)
收稿时间: 2019-06-02; 修改时间: 2019-11-28, 2020-03-22; 采用时间: 2020-03-27