1、圖像分割是數(shù)字圖像處理的基本組成部分,也是接下來(lái)對(duì)圖像進(jìn)行分析、處理的基礎(chǔ)，圖像分割的效率和準(zhǔn)確性對(duì)后續(xù)工作來(lái)說(shuō)至關(guān)重要。閾值法中Otsu法因?yàn)槠浜?jiǎn)單可行而且性能穩(wěn)定成為一種主流分割方法，但要在一個(gè)多峰圖像的全灰度區(qū)域內(nèi)找到一個(gè)較為準(zhǔn)確的最優(yōu)閾值組合會(huì)花費(fèi)很長(zhǎng)時(shí)間，這嚴(yán)重阻礙了多維Otsu法的應(yīng)用。為了在得到較好分割效果的同時(shí)減少分割時(shí)間，本文先對(duì)粒子群算法進(jìn)行改進(jìn)，然后將其與三維Otsu法相結(jié)合應(yīng)用于圖像分割，相關(guān)工作和創(chuàng)新點(diǎn)主要有以

2、下幾個(gè)方面。
　　針對(duì)基本粒子群算法在前期快速性的不足，利用混沌映射方程對(duì)粒子種群進(jìn)行初始化，增強(qiáng)初始粒子群分布的均勻性，保證初始種群的多樣性。將云模型這一概念引入到粒子群算法中，在迭代過(guò)程中將粒子群體分類，分別采用不同的方式對(duì)慣性權(quán)重進(jìn)行操作，對(duì)相對(duì)中庸的粒子利用云正態(tài)發(fā)生器對(duì)它們的慣性權(quán)重?進(jìn)行優(yōu)化，在保證收斂速度的前提下提高算法的收斂精度。
　　在算法的迭代后期，對(duì)種群進(jìn)行變異操作。當(dāng)種群聚集度過(guò)高時(shí)對(duì)種群分類，對(duì)較優(yōu)

3、的一類粒子利用正向云發(fā)生器在最優(yōu)粒子的鄰域進(jìn)行搜索，提高解的精度；對(duì)較差的那類粒子利用混沌映射進(jìn)行擾動(dòng)，增強(qiáng)種群的多樣性，避免算法停滯或陷入局部最優(yōu)。從而形成一種新的算法——云自適應(yīng)混合變異粒子群算法（Cloud Adaptive Multi-Mutation Particle Swarm Optimization，CAMMPSO）。通過(guò)標(biāo)準(zhǔn)函數(shù)對(duì)CAMMPSO算法進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明該算法在收斂速度和精度上都比基本粒子群算法以及混沌

4、粒子群算法更好。
　　針對(duì)一維Otsu法只利用到了圖像的灰度信息的缺陷，將其擴(kuò)展到二維乃至三維，并對(duì)鄰域中值進(jìn)行加權(quán)，改良對(duì)圖像中物體邊緣和細(xì)節(jié)信息的處理。同時(shí)引入三維Otsu法的遞推公式，減少算法的計(jì)算復(fù)雜度。
　　將CAMMPSO算法與改進(jìn)的三維Otsu法相結(jié)合應(yīng)用在圖像分割上，對(duì)原始圖像以及加噪后的圖像進(jìn)行分割仿真。結(jié)果表明，本文采用的方法在對(duì)噪聲較多的圖像進(jìn)行分割時(shí)，快速性和降噪性都比較出色，能保留更多的邊緣以及細(xì)節(jié)