改进沙猫群优化算法的2D-OTSU多阈值图像分割

摘要

针对传统多级阈值图像分割方法精度低、收敛速度慢的问题，提出一种改进的沙猫群优化算法(Improved Sand Cat Swarm Optimization, ISCSO)用于全局优化，并应用于2D-OTSU多阈值图像分割任务。通过使用Henon混沌映射和反向折射机制初始化种群，使得种群的分布更加均匀，提高搜索的起始状态，从而增加算法的全局搜索能力；采用非线性灵敏度更新公式来平衡搜索多样性和收敛精度；引入可变螺旋搜索策略改进位置更新算法，以确保算法具有较好的搜索多样性和跳出局部最优解的能力。选取6张测试图像对ISCSO算法进行2DOTSU多阈值图像分割实验，采用峰值信噪比(PSNR)、特征相似性指数(FSIM)和结构相似性指数(SSIM)对实验结果进行评价。实验结果表明，基于ISCSO算法的2D-OSTU多阈值图像分割方法在图像分割任务中85.2%的结果优于对比算法，具有较强的搜索精度和收敛速度，这证明了ISCSO算法在图像分割领域的有效性和潜力。

关键词

沙猫群优化算法 / 多阈值图像分割 / 2D-OTSU / 群智能优化算法