基于粒子群优算法的最大熵多阈值图像分割

Matlab code based image segmentation histogram algorithm based on threshold

提出了一种基于粒子进化的多粒子群优化算法。该算法采用局部版的粒子群优化方法，多个粒子群彼此独立地搜索解空间，从而增强了全局搜索能力；利用重置进化粒子位置的方法使陷入局部值的粒子摆脱局部最小，从而有效地

本代码在matlab里编写，将多智能体思想和粒子群算法结合起来形成基于多智能体的粒子群算法，并将其运用在IEEE40节点店里负荷分配问题上，取得不错的效果

针对医学图像的较难精确地分割，此方法是多维多阈值的医学图像分割，利用图像的空间特性，分割效果较好。

目的研究了基于类间交叉熵的二维阈值分割算法及其抗噪性能。方法通过采用交叉熵方法来描述二维直方图中的目标区域和背景区域之间像素信息的差异程度,构造了一种基于最大类间分离性程度的图像分割新方法。结果结果仿

针对传统多阈值图像分割算法的计算复杂性,以及由图像直方图中毛刺的干扰带来的算法不稳定等缺点,提出一种基于伯恩斯坦多项式一致逼近的多阈值图像分割算法。首先根据逼近论中的威尔斯托拉斯定理构造图像直方图曲线

针对传统鱼群算法在处理图像分割时收敛速度慢，容易陷入局部最优等问题，将云模型和人工鱼群算法结合并有效地应用到多阈值图像分割中。改进后的算法使人工鱼学习能力有所提高，同时满足种群多样性和收敛速度快的特点

阈值的曲率分析(即基于灰度直方图累计函数的峰顶-峰谷检测法中曲率函数存在着选择最适参数的问题。其参数的改变,曲率的形态随之变化,从而影响了曲率的峰顶和峰谷检测的结果。因此文中提出了基于最大熵方法确定构

提出了一种基于密度熵的多目标粒子群算法（EMOPSO）。采用一个外部集保存所发现的Pareto最优解（精英）,并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度

在工业实践中,成像环境恶劣且难以控制,导致图像复杂。对复杂成像条件下的图像实施分割并不容易,针对这一问题,结合Tsallis相对熵及高斯分布提出一种新的图像阈值分割方法。该方法运用高斯分布拟合分割后图