基于自适应量子遗传算法的图像阈值分割

一维最大类间差法(Otsu)是一种广泛使用的图像阈值分割方法,虽然处理速度快,但是没有考虑到像素的领域空间信息,当图像受到噪声干扰等因素影响时,难以获得满意的分割效果,鉴于此,本文提出了一种基于自适应量子遗传算法和二维Otsu的分割方法。二维Otsu法兼顾了图像的灰度信息以及邻域信息,具有抗干扰以及分割精度高的优点,但存在计算量大、实时性差的缺点;利用自适应量子遗传算法则能迅速找到最佳分割阈值,提高运算速度。仿真实验表明,本文方法减少了阈值寻优的时间,提高了分割精度,同时兼具较强的抗干扰能力。